Sebastian Kondracki nie lubi nazwy „sztuczna inteligencja”. Donald Trump również chciał ją zmienić. Współtwórca Bielika wybiera „kolaboratywną inteligencję”, podkreślając współpracę z człowiekiem. Prezydent USA nakazał swojej administracji używanie „Super Intelligence”. Z podobnego zastrzeżenia do nazwy wyrastają dwie różne opowieści o technologii. A w języku polskim sprawa robi się jeszcze ciekawsza: skrót SI może pozostać ten sam. [1, s. 263–264] [2] [9]
Przyczynkiem do napisania tego tekstu był fragment książki, który mnie zaintrygował i zatrzymał. Po prostu do tej pory nigdy nie natknąłem się na termin „kolaboratywna inteligencja”. A Jest ciekawy… W rozmowie z Krzysztofem Domaradzkim i Arturem Kurasińskim w książce „RzeczpospolitAI” Kondracki (możesz go kojarzyć z inicjatywą SpeakLeash / projektem Bielik) tłumaczy, że „sztuczność” (w terminie „sztuczna inteligencja”) sugeruje mu ułomność i wadliwość. Woli nazwę, która pokazuje rozszerzanie ludzkich możliwości. Tyle że tu pojawia się kłopot z „kolaboracją” i jej jednoznacznym skojarzeniem w polskim (i pewnie nie tylko) kręgu kulturowym. Sam Kondracki zwraca uwagę, że skojarzenia z tym słowem mogą utrudniać opowiadanie o współpracy. Już na poziomie przymiotnika robi się więc ciekawie. [1, s. 263]
Trump poszedł drogą urzędową: nadał swojej propozycji formę zarządzenia wykonawczego. Dokument z 29 września 2026 r. nakazuje federalnej władzy wykonawczej używanie „Super Intelligence” i „SI” w oficjalnej komunikacji oraz dokumentach pozastatutowych, w granicach obowiązującego prawa. Zakres tego nakazu ma znaczenie. Nie jest to powszechny zakaz posługiwania się nazwą AI przez obywateli czy firmy. [2, sekcja 2]
Właśnie to interesuje mnie w tych dwóch przypadkach: wraz z nazwą dostajemy propozycję interpretacji technologii. Co ma się zmienić w naszym myśleniu, kiedy nazwiemy ją kolaboratywną, ogólną, humanistyczną albo superinteligentną? I gdzie kończy się znaczenie terminu, a zaczynają oczekiwania, które do niego dopisujemy?
co właściwie jest sztuczne w sztucznej inteligencji?
Zacznijmy od słowa, które wywołało (i cały czas jeszcze skutecznie podsyca) całe to zamieszanie. Nazwa „artificial intelligence” pojawia się w propozycji projektu badawczego w Dartmouth z 31 sierpnia 1955 r. John McCarthy, Marvin Minsky, Nathaniel Rochester i Claude Shannon przedstawili w niej założenie, że aspekty uczenia się i inteligencji można opisać na tyle precyzyjnie, aby maszyna mogła je symulować. Chcieli badać między innymi używanie języka, tworzenie pojęć i rozwiązywanie problemów zarezerwowanych dotąd dla ludzi. [3]
W tym kontekście „artificial” wskazuje na realizację określonych zdolności przez skonstruowany system. Kondracki zatrzymuje się przy czymś innym: przy skojarzeniu sztucznego z gorszym od naturalnego. Jedno słowo, dwie warstwy znaczenia. Warto je rozdzielić, bo techniczna definicja nie wyczerpuje tego, co słyszy odbiorca. [3] [1, s. 263]
Tym, co słyszymy w nazwie, zajmuje się również Tiffany Petricini w analizie języka AI. Pokazuje, jak określenia dotyczące wspomagania człowieka i współdziałania stają się ramami interpretacji: kierują uwagę ku wybranym funkcjom technologii i jej relacjom z użytkownikiem. To analiza semantyczna i retoryczna, nie eksperyment mierzący reakcję na każdą z nazw. Daje jednak dobre pytanie na początek: co już zakładamy o systemie, zanim w ogóle sprawdzimy, jak działa? [23]
superinteligencja jako zdolność i jako nowa etykieta
Superinteligencja ma historię dłuższą niż najnowszy spór o nazewnictwo. W tekście „How Long Before Superintelligence?” z 1997 r., zrewidowanym rok później, Nick Bostrom definiował ją jako intelekt znacznie przewyższający najlepsze ludzkie umysły w praktycznie każdej dziedzinie, w tym twórczości naukowej i umiejętnościach społecznych. Poprzeczka zawieszona wysoko: chodziło o szczególny poziom zdolności. [4]
Tymczasem w sekcji 3(a) zarządzenia Trumpa nazwa „Super Intelligence” obejmuje technologie mieszczące się w dotychczasowej ustawowej definicji AI. Na potrzeby dokumentu zmienia się więc etykieta istniejącej kategorii. Samo przemianowanie nie dowodzi, że przekroczono próg opisany przez Bostroma. Od zmiany szyldu zdolności systemu jeszcze nie przybywa. [2, sekcja 3(a)] [4]
Przy tej okazji pilnujmy chronologii. Język superinteligencji nie wszedł do Doliny Krzemowej dopiero po dekrecie. Sam Altman w „Reflections” ze stycznia 2025 r. przedstawiał ją jako cel wykraczający poza AGI, czyli ogólną sztuczną inteligencję. Meta w lipcu 2025 r. opublikowała wizję Marka Zuckerberga dotyczącą „personal superintelligence”. Tych wcześniejszych wypowiedzi nie można zatem traktować jako reakcji na decyzję z września 2026 r. [5] [6]
Z kolei w komunikacie NVIDIA z 8 października 2026 r. Jensen Huang używa określenia „Super Intelligence”, mówiąc o udostępnianiu zaawansowanych technologii amerykańskim naukowcom. Microsoft AI rozwija własną wizję „Humanist Superintelligence”: systemów podporządkowanych ludziom i pozostających pod ich kontrolą. Czytając takie deklaracje, trzeba więc za każdym razem ustalić, o czym właściwie mowa: o przyszłym celu, obecnej technologii czy zasadach jej projektowania. [8] [7]
polskie SI może zmienić znaczenie bez zmiany liter
A teraz dwie litery, przy których polski czytelnik ma powód się zatrzymać. SI od dawna funkcjonuje u nas jako skrót od sztucznej inteligencji. Wystarczy zajrzeć do polskiej wersji komunikatu Komisji Europejskiej „Sztuczna inteligencja dla Europy” z 25 kwietnia 2018 r. Rozwinięcie „sztuczna inteligencja (SI)” znajdziemy już we wprowadzeniu. Amerykańskie SI pochodzi natomiast od dwóch angielskich słów „Super Intelligence”. [9, sekcja 1] [2]
Językowo to bardzo wygodne. Interpretacyjnie – już mniej jednoznaczne. Te same litery mogą służyć dwóm różnym nazwom: polski czytelnik może przeczytać o „rozwoju SI” i nie zauważyć, że autor ma już na myśli superinteligencję. To potencjalna niejasność wynikająca z zestawienia obu rozwinięć, a nie ustalony w badaniu efekt odbioru. [9] [2]
W tym widzę komunikacyjny potencjał skrótu: znana forma zostaje, a my proponujemy jej nowe rozwinięcie. Nie trzeba oswajać nowego zapisu. Jest jednak pewien koszt tej wygody – znika widoczny sygnał zmiany pojęcia. O tym, czy rozmawiamy o dziedzinie technologii, czy o postulowanym poziomie zdolności, musi wtedy rozstrzygać kontekst.
U Kondrackiego język komplikuje sprawę w inny sposób. Autor chce podkreślić współpracę, lecz sam przyznaje, że polskie skojarzenia z kolaboracją nie ułatwiają zadania. To dobry przykład ograniczeń prostego przenoszenia nazw między językami. Intencja nadawcy może iść w jedną stronę, a skojarzenia odbiorcy w drugą. [1, s. 263]
współpraca człowieka z maszyną ma długą historię
Zostawmy na chwilę nowe szyldy. Myśl o wzmacnianiu człowieka przez komputer nie zaczęła się przecież od współczesnych chatbotów. J.C.R. Licklider w 1960 r. opisał „symbiozę człowieka i komputera”. Dwa lata później Douglas Engelbart przedstawił koncepcję rozszerzania ludzkiego intelektu przez odpowiednio zaprojektowany system narzędzi, języka i metod pracy. [10] [11]
W świetle tej tradycji można czytać dzisiejsze „augmented intelligence”. Punktem odniesienia jest tu to, co człowiek potrafi zrobić dzięki technologii. Zbliżoną perspektywę współdziałania popularyzuje Ethan Mollick w książce „Co-Intelligence: Living and Working with AI” z 2024 r. Pokrewieństwo idei nie oznacza jednak, że wszystkie te pojęcia mają identyczny zakres. [11] [14]
Dobrze widać to przy precyzyjniejszej definicji „hybrid intelligence”. Dominik Dellermann i współautorzy opisują układ łączący ludzi i AI, który osiąga wyniki lepsze niż jego uczestnicy osobno i doskonali się dzięki wzajemnemu uczeniu. Samo „człowiek plus model” przy komputerze jeszcze się więc nie kwalifikuje. W tej definicji współdziałanie musi mieć określoną jakość. [12, sekcja 4]
Z kolei „collective intelligence”, czyli inteligencja zbiorowa, dotyczy grup działających wspólnie w sposób, który uznajemy za inteligentny. Badania w tym nurcie obejmują również połączenia ludzi i komputerów. AI może się tu pojawić, ale samo pojęcie nie wymaga jej obecności. [13]
mapa znaczeń nazw AI
Żeby nie zgubić się w tych określeniach, uporządkujmy je według tego, co opisują. Poniższa mapa zestawia wybrane użycia z literatury i komunikacji publicznej. Ostatnia kolumna to mniej lub bardziej swobodna interpretacja tego, na co dana nazwa kładzie nacisk. Nie jest wynikiem pomiaru reakcji odbiorców.
nazwa | co opisuje w przywołanym źródle? | na co kieruje uwagę? |
|---|---|---|
artificial intelligence | program badań nad realizacją zdolności intelektualnych przez maszyny [3] | możliwości skonstruowanego systemu |
augmented intelligence | wzmacnianie ludzkich możliwości, odczytywane w tradycji Engelbarta [11] | to, co potrafi człowiek dzięki narzędziom |
inteligencja kolaboratywna | u Kondrackiego współpracę i rozszerzanie naturalnej inteligencji [1, s. 263–264] | relację człowieka z technologią |
hybrid intelligence | łączenie ludzi i AI, lepszy wspólny wynik oraz wzajemne uczenie [12] | organizację i jakość współdziałania |
collective intelligence | inteligentne działanie grup, także z udziałem komputerów [13] | zdolności całego układu |
human-centered AI | projektowanie skupione na człowieku, jego kontroli i odpowiedzialności [15] | sposób projektowania i nadzoru |
generative AI | generowanie treści na podstawie struktury i właściwości danych [16] | rodzaj wytwarzanego rezultatu |
agentic AI | organizację działania systemu, w tym dobór kroków i narzędzi [17] | samodzielność w wykonywaniu zadań |
AGI | szerokość zdolności, rozpatrywaną wraz z poziomem wykonania [18] | zakres zadań i poziom kompetencji |
superintelligence | u Bostroma przewagę nad ludźmi w niemal wszystkich dziedzinach intelektualnych [4] | poziom zdolności względem człowieka |
Tej mapy nie czytajmy jak drabiny kolejnych generacji AI. Nazwy opisują różne wymiary: model generujący treść może być częścią systemu agentowego, który wspiera człowieka. Żaden z tych opisów sam w sobie nie rozstrzyga, czy osiągnięto AGI. Właśnie dlatego Morris i współautorzy proponują rozpatrywać osobno ogólność, poziom wykonania i autonomię. [16] [17] [18]
co badania mówią o wpływie nazwy?
Czy nazwa rzeczywiście zmienia ocenę technologii? Ta intuicja ma oparcie w badaniach. Markus Langer i współautorzy przeprowadzili dwa badania z udziałem odpowiednio 397 i 622 osób. Sprawdzali, jak różne określenia systemów podejmujących lub wspierających decyzje wpływają na postrzeganie ich właściwości oraz ocenę w konkretnych zastosowaniach. Terminologia zmieniała między innymi ocenę złożoności i zaufania. [19]
Nie wyciągajmy z tego jednak wniosku, że dopisek „AI” zawsze pomaga. Mesut Cicek, Dogan Gursoy i Lu Lu w sześciu eksperymentach stwierdzili, że uwzględnienie określenia AI w opisach produktów i usług obniżało intencję zakupu. Ważną rolę odgrywało zaufanie emocjonalne, a negatywny efekt był silniejszy przy wyższym postrzeganym ryzyku produktu. Trzymajmy się przy tym wyłącznie tego, co zmierzono: intencji zakupowych. Wyników nie należy przedstawiać jako pomiaru rzeczywistego spadku sprzedaży. Tym samym nie mamy podstaw do jego ekstrapolacji na inne obszary wykorzystania dużych modeli językowych czy innych emanacji sztucznej inteligencji [21]
Inny obraz pokazuje praca Cindy Candrian i Anne Scherer. W ich trzech badaniach użytkownicy korzystniej reagowali na błąd systemu przedstawianego jako AI niż systemu opisanego jako algorytmiczny. Jest tu jednak szczegół, którego nie chciałbym zgubić: uczestnicy dostawali także różne informacje o działaniu systemu. AI opisywano jako uczącą się, a algorytm jako oparty na stałych regułach. Badano więc nazwę razem z wyjaśnieniem właściwości. To ogranicza możliwość przypisania całego efektu samej etykiecie. [20]
Zestawiam te publikacje, bo każda dotyczy innej sytuacji: oceny systemu, decyzji zakupowej albo reakcji po błędzie. Widać, że sposób przedstawienia technologii ma znaczenie. Nie dostajemy jednak uniwersalnej recepty na najlepszą nazwę. Nie są to również bezpośrednie testy polskiego przeciwstawienia „sztucznej” i „kolaboratywnej” inteligencji. [19] [20] [21]
kolaboratywna to także obietnica do sprawdzenia
Wróćmy do Kondrackiego. Zmianę nazwy łączy ze zmianą rozmowy o wdrożeniu: od obniżania kosztów i redukcji etatów ku tworzeniu wartości biznesowej. „A stosunek do tej technologii realnie wpływa na to, w jaki sposób jest wykorzystywana” – mówi w wywiadzie. To obserwacja praktyka i argument za określonym podejściem do technologii. [1, s. 264]
Sama współpraca nie gwarantuje jednak lepszego wyniku w każdym porównaniu. Michelle Vaccaro, Abdullah Almaatouq i Thomas W. Malone przeanalizowali 106 eksperymentów opisanych w publikacjach od stycznia 2020 r. do czerwca 2023 r. Układy człowiek–AI przeciętnie wypadały lepiej niż ludzie samodzielnie, lecz gorzej niż lepszy z dwóch wykonawców rozpatrywanych osobno: człowiek albo AI. [22]
To rozróżnienie między wspomaganiem człowieka a synergią łatwo przeoczyć. Możemy poprawić wynik pracownika, a zarazem nie osiągnąć najlepszego wyniku dostępnego przy użyciu samego systemu. Metaanaliza nie rozstrzyga o wszystkich współczesnych wdrożeniach. Pokazuje jednak, dlaczego przy obietnicy współpracy trzeba dopowiedzieć: przy jakim zadaniu i w porównaniu z czym? [22]
Co więcej, roli człowieka można bronić także bez języka partnerstwa. Ben Shneiderman w koncepcji human-centered AI proponował łączenie wysokiego poziomu automatyzacji z wysoką kontrolą człowieka. Opowiadał się przy tym za metaforami narzędzi wzmacniających ludzi, zamiast obrazów autonomicznych członków zespołu. Podobny cel, a wybory językowe już inne. [15]
co z tego wynika dla języka marek?
Z perspektywy Brand Semantics bardzo interesuje mnie moment, w którym nazwa zaczyna zastępować wyjaśnienie. „Superinteligentny” produkt skłania mnie do pytania, na czym polega jego przewaga i jak daleko sięga. „Kolaboratywny” system wymaga wyjaśnienia, jak dzieli pracę z człowiekiem. Deklaracja „human-centered” powinna z kolei prowadzić do pytań o kontrolę i odpowiedzialność. Tak proponujemy czytać te określenia: jako początek sprawdzania obietnicy.
Podobnie jest z marką: nazwa kategorii niewiele wyjaśnia, jeśli nie wiadomo, jakie twierdzenia o firmie potwierdzają źródła. Szerzej piszemy o tym w tekście o infrastrukturze semantycznej marki.
Spróbujmy prostego ćwiczenia. Weźmy opis produktu, usługi lub wdrożenia i odpowiedzmy na trzy pytania: co system robi? za co nadal odpowiada człowiek? na jakiej podstawie oceniamy wynik? Jeśli nazwa pomaga odpowiedzieć, porządkuje komunikację. Jeśli zajmuje miejsce odpowiedzi, trzeba ją rozwinąć o konkret. Sam przymiotnik nie wykona za nas tej pracy.
Podobnej dyscypliny wymaga opis samej marki przed badaniem odpowiedzi AI: trzeba oddzielić fakty od aspiracji i ustalić, które nazwy odnoszą się do tego samego podmiotu.
Polskie SI dobrze pokazuje, o co tu chodzi. Zostajemy przy dwóch znajomych literach, a możemy przesunąć rozmowę od sztucznej inteligencji do superinteligencji. Dlatego rozwinięcie skrótu ma znaczenie. Czytelnik powinien wiedzieć, czy opisujemy dziedzinę, sposób współpracy, aspirację firmy czy potwierdzony poziom możliwości.
Rozmowa z Kondrackim i zarządzenie Trumpa dają mi więc powód, by przymiotnikom przyglądać się równie uważnie jak demonstracjom technologii. „Sztuczna”, „kolaboratywna” i „super” prowadzą nas ku odmiennym pytaniom. Dobra komunikacja powinna pójść dalej: od nazwy do odpowiedzi, które da się sprawdzić. [1, s. 263–264] [2]
W czasie pracy nad tym tekstem wykorzystywałem ChatGPT, a szczególnie możliwości, jakie daje wtyczka Consensus (Dawidzie, dzięki za polecenie!)
Całego tego rozważania nie było, gdybym nie zaczytywał się w kolejnych wydaniach newslettera Artura Kurasińskiego – Technofobia. Polecam z całego serca subskrypcję, bo w czasach treści ulotnych i nader często pozbawionych wartości, wiadomości od Artura spełniają obietnicę, czyli dowożą jakość i bardzo często zmuszają do pogłębionej refleksji.
źródła i dokładne odwołania
Numery w tekście są klikalne. Przy książce wskazano strony; przy dokumentach i artykułach naukowych podano sekcje, dane bibliograficzne lub DOI. Mapa znaczeń i wnioski interpretacyjne stanowią opracowanie autorskie na podstawie wymienionych źródeł. Dostęp do źródeł internetowych: 11 listopada 2026 r.
[1] Krzysztof Domaradzki, Artur Kurasiński, RzeczpospolitAI, 2026, rozmowa z Sebastianem Kondrackim „Orzeł wzbija się do lotu”, s. 263–264. Odwołania do stron zweryfikowane na zdjęciach książki. Fragment opublikowany także przez Krzysztofa Domaradzkiego 26.10.2026
otwórz źródło
[2] Donald J. Trump, Executive Order 14434, Inaugurating the Era of Super Intelligence, 29.09.2026, sekcje 1–3, zwłaszcza 2(a) oraz 3(a)
otwórz źródło
[3] John McCarthy, Marvin L. Minsky, Nathaniel Rochester, Claude E. Shannon, A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, 31.08.1955, dwa pierwsze akapity
otwórz źródło
[4] Nick Bostrom, How Long Before Superintelligence?, 1997, wersja zrewidowana 25.10.1998, sekcja Definition of “superintelligence”
otwórz źródło
[5] Sam Altman, Reflections, styczeń 2025, akapity rozpoczynające się od „We are now confident…” i „We are beginning to turn our aim…”
otwórz źródło
[6] Meta, Personal Superintelligence for Everyone, 30.07.2025, komunikat przedstawiający wizję Marka Zuckerberga
otwórz źródło
[7] Mustafa Suleyman, Towards Humanist Superintelligence, Microsoft AI, 2025, zwłaszcza sekcja Humans matter more than AI
otwórz źródło
[8] NVIDIA, NVIDIA Commits $1 Billion to Advance US Science Over the Next Five Years, 08.10.2026, komunikat prasowy, pierwszy akapit i wypowiedź Jensena Huanga
otwórz źródło
[9] Komisja Europejska, Sztuczna inteligencja dla Europy, COM(2018) 237 final, 25.04.2018, wersja polska, sekcja 1 „Wprowadzenie – wykorzystać zmiany”
otwórz źródło
[10] J.C.R. Licklider, Man-Computer Symbiosis, IRE Transactions on Human Factors in Electronics, HFE-1(1), 1960, s. 4–11, zwłaszcza wprowadzenie. DOI: 10.1109/THFE2.1960.4503259
otwórz źródło
[11] Douglas C. Engelbart, Augmenting Human Intellect: A Conceptual Framework, SRI, październik 1962, sekcja I.A General oraz II Conceptual Framework
otwórz źródło
[12] Dominik Dellermann, Philipp Ebel, Matthias Söllner, Jan Marco Leimeister, Hybrid Intelligence, Business & Information Systems Engineering 61, 2019, s. 637–643, zwłaszcza sekcja 4 Defining Hybrid Intelligence. DOI: 10.1007/s12599-019-00595-2
otwórz źródło
[13] MIT Center for Collective Intelligence, Handbook of Collective Intelligence, Main Page, robocza definicja collective intelligence oraz pytanie badawcze o połączenie ludzi i komputerów
otwórz źródło
[14] Ethan Mollick, Co-Intelligence: Living and Working with AI, Portfolio, 2024. Opis książki na stronie wydawcy, data publikacji 02.04.2024
otwórz źródło
[15] Ben Shneiderman, Human-Centered Artificial Intelligence: Three Fresh Ideas, AIS Transactions on Human-Computer Interaction 12(3), 2020, s. 109–124. DOI: 10.17705/1thci.00131
otwórz źródło
[16] NIST Computer Security Resource Center, hasło generative artificial intelligence, definicja i wskazane dokumenty źródłowe
otwórz źródło
[17] Erik Schluntz, Barry Zhang, Building Effective Agents, Anthropic, 19.12.2024, sekcja What are agents?, rozróżnienie workflows i agents
otwórz źródło
[18] Meredith Ringel Morris, Jascha Sohl-Dickstein, Noah Fiedel, Tris Warkentin, Allan Dafoe, Aleksandra Faust, Clement Farabet, Shane Legg, Position: Levels of AGI for Operationalizing Progress on the Path to AGI, ICML, PMLR 235, 2024, s. 36308–36321, abstrakt oraz sekcja 6.2 Capabilities vs. Autonomy
otwórz źródło
[19] Markus Langer, Tim Hunsicker, Tina Feldkamp, Cornelius J. König, Nina Grgić-Hlača, “Look! It’s a Computer Program! It’s an Algorithm! It’s AI!”: Does Terminology Affect Human Perceptions and Evaluations of Algorithmic Decision-Making Systems?, CHI 2022, badania 1 i 2. DOI: 10.1145/3491102.3517527. Link do otwartej wersji autorskiej
otwórz źródło
[20] Cindy Candrian, Anne Scherer, How Terminology Affects Users’ Responses to System Failures, Human Factors 66(8), 2024, s. 2082–2103, online 21.09.2023, zwłaszcza Study 1 i opisy manipulacji eksperymentalnej. DOI: 10.1177/00187208231202572
otwórz źródło
[21] Mesut Cicek, Dogan Gursoy, Lu Lu, Adverse impacts of revealing the presence of “Artificial Intelligence (AI)” technology in product and service descriptions on purchase intentions: the mediating role of emotional trust and the moderating role of perceived risk, Journal of Hospitality Marketing & Management, online 19.06.2024, abstrakt. DOI: 10.1080/19368623.2024.2368040
otwórz źródło
[22] Michelle Vaccaro, Abdullah Almaatouq, Thomas W. Malone, When combinations of humans and AI are useful: A systematic review and meta-analysis, Nature Human Behaviour 8, 2024, s. 2293–2303, Introduction i Results, zwłaszcza Overall effects of human–AI synergy. DOI: 10.1038/s41562-024-02024-1
otwórz źródło
[23] Tiffany Petricini, The power of language: framing AI as an assistant, collaborator, or transformative force in cultural discourse, AI & SOCIETY 41, 2026, s. 1005–1017, online 10.09.2025, abstrakt oraz analiza cognitive offloading, augmented intelligence i co-intelligence. DOI: 10.1007/s00146-025-02586-2
otwórz źródło

