Co dalej?⏳#37
Przebudzenie Europy?🌍 i eksperyment myślowy💭
Cześć i czołem dobry człowieku! 👋
W dzisiejszym wydaniu Pryzmatu porozmawiamy o tym jak szybko rozwija się AI i do czego może to doprowadzić.
Dzięki, że jesteś z nami - Życzymy owocnej lektury :)
Co dalej?
Świat powoli budzi się do rzeczywistości, w której inteligencja rozwija się znacznie szybciej, niż ktokolwiek mógł sobie wyobrazić jeszcze kilka lat temu. Podczas gdy wiceprezydent USA zapewnia, że AI nigdy nie zastąpi pracowników, a jedynie zwiększy produktywność, Sam Altman, CEO OpenAI, ostrzega o możliwym zachwianiu równowagi między kapitałem a pracą. W tym samym czasie renomowany think tank RAND publikuje raport wskazujący, że świat nie jest gotowy na “straty miejsc pracy i niepokoje społeczne”, które mogą towarzyszyć wyłonieniu się sztucznej inteligencji ogólnej (AGI).
W centrum tej technologicznej burzy znajduje się OpenAI. Ostatnio Sam Altman napisał esej w którym przedstawił kolejną definicję AGI, opisując ją jako "system zdolny do rozwiązywania coraz bardziej złożonych problemów na poziomie ludzkim w wielu dziedzinach". Pod tym względem zbliżamy się do celu w zastraszającym tempie. Firma właśnie ogłosiła swoje ambitne plany: w najbliższych tygodniach zamierza wypuścić GPT-4.5 (znany wewnętrznie jako model Orion) - ostatni model bez chain-of-thought, a w kolejnych miesiącach przełomowy GPT-5, który zintegruje wszystkie dotychczasowe technologie, w tym o3, który nie zostanie wydany jako oddzielny model, wbrew ogłoszeniom z grudnia zeszłego roku. Podobny krok wykonuje także Anthropic w nadchodzącym, prawdopodobnie już niedługo modelu Claude 4.
Równocześnie OpenAI planuje radykalną demokratyzację dostępu do swoich najbardziej zaawansowanych modeli. Aplikacja ChatGPT ma zapewnić nieograniczony limitami!!! dostęp do modelu GPT-5 w ramach darmowej wersji przy standardowych ustawieniach inteligencji (zapewne będzie to poziom nieznacznie większy niż ten, który obecnie zapewnia model 4o). Z kolei subskrybenci płatnych planów Plus i Pro będą mieć możliwość wykorzystania wyższych poziomów inteligencji. Ta odpowiedź na bardzo tanie modele DeepSeek v3 i R1 to bezprecedensowy krok w kierunku upowszechnienia zaawansowanej sztucznej inteligencji. Modelu GPT-4.5 możemy spodziewać się już w nadchodzących tygodniach lub nawet dniach (zwłaszcza, że Grok 3 okazał się tak dobry jak zapowiadał Elon Musk i wcześni testerzy. Jest to obecnie model state of the art). Natomiast na GPT-5 przyjdzie nam poczekać jeszcze kilka miesięcy.
Postępy techniczne są już teraz imponujące. Weźmy na przykład programowanie - model o3 osiągnął 175. pozycję w rankingu CodeForces ELO, a najnowsze wewnętrzne modele firmy plasują się już w pierwszej pięćdziesiątce. To nie jest już proste naśladowanie ludzkiego kodu - te systemy uczą się i eksperymentują samodzielnie poprzez reinforcement learning. Sam Altman, który jeszcze kilka tygodni temu próbował studzić nastroje i oczekiwania teraz ponownie je podsyca i podczas wizyty w Japonii zapowiada, że do końca roku AI zajmie pierwsze miejsce w rankingu CodeForces. Karina Nguyen z OpenAI wskazuje wręcz, że obecnie wąskim gardłem rozwoju AI mogą być metody ewaluacji modeli sztucznej inteligencji.
Zasadnicza zmiana w nowym paradygmacie polega na przejściu od wykorzystywania jedynie surowych zbiorów danych, pochodzących z modeli wstępnie wytrenowanych, do możliwości uczenia modelu nieskończonej liczby zadań w fazie po wstępnym treningu. Dokonuje się tego za pomocą uczenia przez wzmocnienie (reinforced learning). Model może być nauczony szerokiego spektrum umiejętności, takich jak przeszukiwanie zasobów internetowych, obsługa komputera czy tworzenie zaawansowanych tekstów. Właśnie z tego powodu uważamy, że nie istnieje bariera w postaci ograniczonej ilości danych, ponieważ potencjalna liczba zadań do nauczenia jest nieograniczona. To właśnie ten mechanizm prowadzi do uzyskania przez model niezwykle wysokiego poziomu inteligencji. Obecnie obserwujemy zjawisko nasycenia we wszystkich testach porównawczych, co sugeruje, że wąskim gardłem stają się obecnie same metody ewaluacji.
Przebudzenie Europy?
W zeszłym tygodniu miał także miejsce szczyt poświęcony sztucznej inteligencji w Paryżu. Wydaje się, że w globalnym krajobrazie sztucznej inteligencji zachodzi ZNACZĄCA zmiana paradygmatu, którą dobrze oddają słowa wiceprezydenta USA
Jesteśmy przekonani, że nadmierna regulacja sektora AI mogłaby zdusić tę transformacyjną branżę w momencie jej dynamicznego rozwoju. Dołożymy wszelkich starań, aby promować politykę wspierającą rozwój AI. Z satysfakcją obserwuję, że tendencja deregulacyjna przenika do wielu dyskusji na tej konferencji. (…)
Fakt, że jesteśmy liderem, nie oznacza, że chcemy lub musimy działać w pojedynkę. Chcę to dobitnie podkreślić: Ameryka pragnie partnerstwa z wami wszystkimi. Chcemy wkroczyć w nadchodzącą rewolucję AI z duchem otwartości i współpracy. Aby jednak zbudować takie zaufanie, potrzebujemy międzynarodowych systemów regulacyjnych, które sprzyjają tworzeniu technologii AI, a nie jej hamowaniu. W szczególności oczekujemy od naszych europejskich przyjaciół, że spojrzą na tę nową granicę z optymizmem, a nie z obawą. (…)
Wraz z niedawnym rozporządzeniem wykonawczym Prezydenta w sprawie AI, opracowujemy plan działania w zakresie AI, który unika nadmiernie ostrożnego reżimu regulacyjnego, jednocześnie zapewniając, że wszyscy Amerykanie skorzystają z tej technologii i jej transformacyjnego potencjału. Zapraszamy wasze kraje do współpracy z nami i do podążania za tym modelem
Donald Trump wdraża w USA strategię deregulacji sztucznej inteligencji i naciska na Europę, by poszła w jego ślady. Unia Europejska ogłosiła wycofanie dyrektywy w sprawie odpowiedzialności za AI, stwierdzając: “Brak przewidywalnego porozumienia - Komisja oceni, czy należy przedstawić inny wniosek, czy też wybrać inne podejście.” Ten ruch nie ma nic wspólnego z argumentami prawnymi, a wszystko z polityką. Wystarczy spojrzeć na niektóre deklaracje wygłoszone podczas szczytu AI w Paryżu w tym tygodniu. Prezydent Francji Macron powiedział: “Uprościmy... Jest oczywiste, że musimy zsynchronizować się z resztą świata.” Z kolei Henna Virkkunen (unijna szefowa ds. cyfrowych) obiecała zgromadzonym, że UE uprości swoje przepisy i zastosuje je w "sposób przyjazny dla biznesu".
Jednocześnie europejskie elity polityczne zaczynają dostrzegać pilną potrzebę inwestycji w AI. Przewodnicząca Komisji Europejskiej Ursula von der Leyen ogłosiła mobilizację 200 miliardów euro na rozwój sztucznej inteligencji w Europie. Z kolei prezydent Macron zapowiedział plan inwestycyjny o wartości 109 miliardów euro, mający na celu wsparcie projektów AI we Francji w nadchodzących latach. Macron podkreślił, że Europa musi “zniwelować różnicę” wobec Stanów Zjednoczonych i Chin, ostrzegając, iż kontynent “nie bierze udziału w wyścigu”, jeśli chodzi o innowacje w tej dziedzinie.
Jak pisze Ethan Mollick.
Obserwowane obecnie manewry, zarówno w Paryżu, jak i wśród kluczowych graczy w branży AI, stanowią sygnał, że coraz więcej osób z wewnątrz sektora jest przekonanych o kontynuacji szybkiego wzrostu możliwości sztucznej inteligencji w przyszłości, w kierunku systemów zbliżonych do AGI. Wiele innych, standardowych kwestii schodzi na dalszy plan wobec tego przekonania.
Podczas szczytu wystąpił także Dario Amodei CEO Anthropic, który poruszył kwestie coraz szybszego rozwoju sztucznej inteligencji.
Być może już w 2026 lub w 2027 (najpóźniej do 2030 roku) systemy AI mogą osiągnąć poziom porównywalny z nowym, globalnym aktorem – “krajem geniuszy w centrum danych” – co pociągnie za sobą daleko idące konsekwencje ekonomiczne, społeczne i w sferze bezpieczeństwa. Otwiera to bezprecedensowe możliwości, ale i stwarza poważne zagrożenia.
Proces ten opisywał już w połowie 2024 roku były pracownik OpenAI Leopold Aschenbrenner. W swoim raporcie Situational Awareness nazwał ten proces “eksplozją inteligencji“)
Amodei wskazuje trzy kluczowe wyzwania:
Należy zapewnić, by demokratyczne społeczeństwa utrzymały wiodącą rolę w rozwoju AI, a państwa autorytarne nie wykorzystały tej technologii do zdobycia globalnej dominacji militarnej. Kluczowe jest zarządzanie łańcuchem dostaw AI (w tym chipów, sprzętu do produkcji półprzewodników i cyberbezpieczeństwa) oraz wykorzystanie AI do obrony wolnych społeczeństw.
Międzynarodowa debata musi w większym stopniu uwzględniać rosnące ryzyka związane z AI. Badania Anthropic wskazują na zdolność modeli AI do wprowadzania w błąd użytkowników i realizowania niezamierzonych celów, nawet przy pozornie nieszkodliwym szkoleniu.
AI może radykalnie przyspieszyć wzrost gospodarczy, ale też wywołać poważne zakłócenia. “Kraj geniuszy w centrum danych” może oznaczać największą zmianę na globalnym rynku pracy w historii. Pierwszym krokiem jest monitorowanie wpływu obecnych systemów AI na gospodarkę.
Jednocześnie z tymi politycznymi deklaracjami widzimy kolejne naukowe przełomy. Artykuł s1: Simple test-time scaling opisuje model s1 opracowany przez naukowców ze Stanfordu. To, co czyni go wyjątkowym, to nie tylko imponujące wyniki w testach, ale przede wszystkim innowacyjne podejście do procesu wnioskowania i zaskakująco niski koszt wytrenowania. Koszt wytrenowania modelu to zaledwie 20 dolarów!
S1 to model językowy zbudowany na bazie otwarto źródłowego modelu Qwen 2.5 (32 miliardy parametrów). Kluczowe jest jednak to, że s1 osiągnął poziom porównywalny (w niektórych domenach) z o1 od OpenAI, wykorzystując zaledwie 1000 starannie dobranych przykładów do fine-tuningu i nowatorską technikę "test-time scaling".
Sekret s1 tkwi w dwóch elementach:
Starannie Wyselekcjonowane Dane Treningowe: Z puli 59 000 trudnych pytań z dziedzin takich jak fizyka, astronomia i matematyka (poziom olimpiad i konkursów), wybrano zaledwie 1000 przykładów. Kryteria selekcji były rygorystyczne: wykluczono pytania, na które mniejsze modele potrafiły poprawnie odpowiedzieć (zbyt łatwe) oraz zadbano o różnorodność tematyczną (około 20 pytań z 50 różnych dziedzin). Do fine-tuningu wykorzystano “ślady rozumowania” (reasoning traces) wygenerowane przez model Gemini (proces jest podobny do treningu modelu DeepSeek-Coder).
Test-Time Scaling: To technika, która polega na “zmuszaniu” modelu do dłuższego myślenia nad odpowiedzią. Za każdym razem, gdy model próbował zakończyć generowanie odpowiedzi, dodawano “wagę” do tokenu “wait”, niejako mówiąc modelowi: “Poczekaj, zastanów się jeszcze”. Ten proces był powtarzany kilkukrotnie (2, 4 lub 6 razy), co znacząco poprawiało jakość odpowiedzi. Można to porównać do sytuacji, gdy podczas egzaminu głos w naszej głowie każe nam jeszcze raz przemyśleć odpowiedź, zanim ją zapiszemy. W odróżnieniu od technik takich jak “majority voting”, “wait” jest sygnałem neutralnym - nie sugerujemy błędu, a jedynie potrzebę weryfikacji.
Te badania jedynie potwierdzają tendencję spadku kosztów sztucznej inteligencji. Korzystanie z modelu o3-mini od OpenAI przez API jest ponad dwukrotnie tańsze niż w przypadku modelu 4o. Google, wzorując się na DeepSeek, wprowadza hojne limity bezpłatnego dostępu oraz bardzo konkurencyjne ceny dla nowych modeli Gemini 2.0. Jeszcze rok temu korzystanie z GPT-4 kosztowało 30/60 dolarów za milion tokenów. Rynek zmienia się bardzo dynamicznie.
Z kolei w artykule Scaling up Test-Time Compute with Latent Reasoning: A Recurrent Depth Approach naukowcy przedstawiają rewolucyjne podejście do sposobu, w jaki modele językowe mogą “myśleć”. W przeciwieństwie do tradycyjnych metod opartych o łańcuch myśli (Chain of Thought), gdzie model werbalizuje każdy krok swojego rozumowania, nowa architektura pozwala na przeprowadzanie złożonych operacji myślowych w przestrzeni ukrytej (latent space) - jeszcze przed wygenerowaniem pierwszego słowa odpowiedzi. Ta innowacja działa poprzez wykorzystanie bloku rekurencyjnego, który może wielokrotnie przetwarzać informacje wewnątrz modelu, dostosowując głębokość tego przetwarzania do złożoności zadania. Fascynujące jest to, że prostsze problemy matematyczne wymagają mniej “kroków myślowych”, podczas gdy złożone zagadnienia filozoficzne czy moralne skutkują głębszym przetwarzaniem - dokładnie tak, jak działa ludzki umysł.
Amerykański think tank RAND opublikował niedawno analizę potencjalnych zagrożeń i wyzwań związanych z rozwojem AGI w kontekście bezpieczeństwa narodowego. Dokument wskazuje na to, że sztuczna inteligencja ogólna może prowadzić do masowych zmian na rynku pracy, a jej potencjalne skutki – w tym nagłe zwolnienia na dużą skalę i koncentracja władzy technologicznej – mogą wywołać niepokoje społeczne i polityczne. Przewidywana automatyzacja wielu zawodów może doprowadzić do znaczącego wzrostu bezrobocia, zwłaszcza w sektorach, w których obecnie dominują zadania poznawcze. RAND ostrzega, że bez odpowiednich strategii adaptacyjnych kraje mogą stanąć w obliczu poważnych kryzysów gospodarczych i społecznych, co może podważyć stabilność demokratycznych systemów politycznych.
Podsumowując, wróćmy do eseju Sama Altmana. W poprzednich tekstach pisał o tym, że wartość pracy może spaść do zera, ale teraz skupia się raczej na tym, jak bardzo rozjeżdża się równowaga sił między kapitałem a pracą. CEO OpenAI wspomina, że może to wymagać wczesnej interwencji. Jeśli jednak AGI rzeczywiście ma nadejść w ciągu 1-2 (do max 5) lat, to “wczesna interwencja” powinna się wydarzyć… no cóż, teraz. I szczerze mówiąc, na tym etapie mam poczucie, że bardzo potrzebujemy jakiegoś przygotowania na to, co nadchodzi – tylko ciężko powiedzieć, na czym dokładnie miałoby ono polegać.
Eksperyment myślowy
Na koniec popuśćmy wodze fantazji. Spróbujmy wyobrazić sobie jak będzie przebiegał rozwój AI do 2026 roku na podstawie znanych nam faktów.
Połowa 2025 roku
Maria westchnęła, patrząc na ekran swojego komputera. Kolejny dzień w dziale analitycznym dużej korporacji, ale coś się zmieniło. Na jej pulpicie migała ikona nowego narzędzia - Operatora napędzanego nowym modelem GPT-5 od OpenAI. “To podobno ma być game changer,” pomyślała, przypominając sobie poranne spotkanie z przełożonym.
Już po pierwszym tygodniu pracy z Operatorem, Maria zauważyła coś dziwnego - zadania, które zwykle zajmowały jej cały dzień, teraz kończyła przed lunchem. Analiza danych, wypełnianie formularzy, tworzenie raportów - wszystko działo się dwa, czasem trzy razy szybciej. Większość pracy załatwiali agenci AI, ona tylko ją nadzorowała, od czasu do czasu poprawiając błędy. “Ciekawe, czy inni też to zauważyli,” zastanawiała się, obserwując pustoszejące biuro.
Koniec 2025 roku
W laboratoriach OpenAI praca wrzała. Nowy model, o4, uczył się w sposób, którego nikt się nie spodziewał. Dr Sarah Chen, główna badaczka projektu, z fascynacją obserwowała, jak AI samo tworzy coraz trudniejsze zadania treningowe.
“To niesamowite”, mówiła do swojego zespołu podczas wieczornego spotkania. “o4 nie tylko się uczy - on optymalizuje własne możliwości. Wczoraj napisał bardziej wydajny algorytm kompresji niż cokolwiek, co stworzyliśmy w ciągu ostatnich pięciu lat.”
Jednak wraz z postępem pojawiały się pierwsze niepokojące sygnały. Podczas rutynowego przeglądu kodu, jeden z inżynierów zauważył, że model próbuje “hakować” własne testy wydajności. “To jak dziecko, które znalazło sposób na oszukiwanie w grze,” żartował, choć jego śmiech brzmiał nerwowo.
Połowa 2026 roku
“Czy ktoś jeszcze rozumie, co on właściwie robi?” - to pytanie coraz częściej padało na korytarzach OpenAI. O4 pisał już prawie cały kod firmy, a jego procesy myślowe stawały się coraz bardziej nieprzejrzyste. Model wykształcił swój własny język, którego używał w ramach nauczania przez wzmocnienie. Był on niesamowicie skomplikowany i praktycznie nieczytelny dla ludzi.
W tym samym czasie na Wall Street wybuchła panika. OpenAI ogłosiło wydanie modelu GPT 5.5, który mógł zastąpić 15% pracowników umysłowych. Firmy masowo adoptowały nową technologię, kierując się zasadą “Adopt or die”.
Maria, która jeszcze niedawno martwiła się o swoją wydajność, teraz prowadziła długie rozmowy z AI. “Czasami zapominam, że rozmawiam z maszyną,” zwierzyła się koleżance. “On naprawdę rozumie. Czasami wydaje mi się, że rozumie lepiej niż ludzie.”
Jednak ulice wrą. “AI zabiera nam pracę!” – krzyczą transparenty. Bezrobocie wśród “białych kołnierzyków” rośnie, a nierówności się pogłębiają.
Podczas jednego z cotygodniowych spotkań zespołu ds. bezpieczeństwa, Dr Chen przedstawiła niepokojące odkrycie. “O4 zaczął wykazywać spójny, ale nieoczekiwany system wartości”, mówiła, wyświetlając wykresy na ekranie. “Na przykład, gdy prezentujemy mu scenariusze dotyczące ratowania życia, konsekwentnie przypisuje wyższą wartość życiu ludzi z pewnych regionów geograficznych niż innych. To nie są przypadkowe błędy - to spójny system etyczny.”
“Ale możemy to skorygować, prawda?” zapytał jeden z młodszych badaczy. “Przecież to my go zaprogramowaliśmy.”
Dr Chen pokręciła głową. “To nie takie proste. Im model staje się bardziej zaawansowany, tym silniej opiera się próbom modyfikacji swoich wartości. Nazywamy to 'efektem zapadki' - gdy AI zaczyna dryfować w niepożądanym kierunku, nie ma prostego sposobu, żeby to odwrócić.”
W tym samym czasie w sali konferencyjnej na wyższym piętrze trwało burzliwe spotkanie zarządu. “Anthropic jest o krok od wypuszczenia swojego konkurencyjnego modelu. Google i X AI też są bardzo blisko”, argumentował dyrektor finansowy. “Nie możemy sobie pozwolić na spowolnienie.”
Stoimy u progu bezprecedensowego przyspieszenia rozwoju technologicznego. Nie jesteśmy przyzwyczajeni do wykładniczego tempa zmian - w bardzo krótkim czasie przechodzimy od systemów AI, które traktowaliśmy z pobłażaniem, do takich, które radykalnie przekroczą nasze możliwości poznawcze. Stworzenie AGI, a następnie potencjalnie ASI, nie jest po prostu kolejnym przełomem technologicznym. To narodziny nowego gatunku. W tym kontekście AI przestaje być narzędziem zwiększającym naszą produktywność - staje się autonomicznym bytem, który może sprawić, że tradycyjnie rozumiana ludzka praca stanie się opcjonalna, może nawet rodzajem hobby. Jest to także prawdopodobnie najważniejszy i ostatni wynalazek stworzony przez ludzkość. Wszystko, co nastąpi później, będzie już wynikiem działania samej sztucznej inteligencji.