Droga w nieznane, czyli dokąd zmierza AI?

Z Maciejem Wujcem, wiceprezydentem Opola, rozmawia Ryszard Rudnik

— To będzie nietypowa rozmowa z samorządowcem — nie o inwestycjach, rewitalizacji czy oświacie, za którą też pan odpowiada, lecz o sztucznej inteligencji. Tym zajmuje się pan po godzinach, w ramach zainteresowań naukowych. Skąd się one wzięły?

— To długa historia. Sztuczną inteligencją interesowałem się już na studiach, w czasach, gdy trwała jeszcze tak zwana zima AI.

— Zima AI? Co to takiego?

— Prace nad sztuczną inteligencją zaczęły się już w latach czterdziestych ubiegłego wieku i towarzyszyły im ogromne nadzieje. W pewnym momencie pojawiły się jednak głośne publikacje — najbardziej znana to książka „Perceptrons” Marvina Minsky’ego i Seymoura Paperta z 1969 roku — wskazujące na fundamentalne ograniczenia ówczesnych, prostych sieci neuronowych. Skutek był taki, że na długie lata badania nad sieciami neuronowymi wypadły z głównego nurtu nauki, a finansowanie wyschło. Stąd określenie „zima”.

Odwilż przyszła dzięki badaczom, którzy mimo wszystko nie porzucili tego kierunku — przede wszystkim Geoffreyowi Hintonowi, który wspólnie z Johnem Hopfieldem otrzymał w 2024 roku Nagrodę Nobla z fizyki za fundamentalne odkrycia umożliwiające uczenie maszynowe z użyciem sztucznych sieci neuronowych. Powstały nowe algorytmy, a równolegle gwałtownie wzrosły moce obliczeniowe komputerów — i to połączenie doprowadziło do renesansu badań nad AI.

Symbolicznym przełomem był rok 2016, gdy program AlphaGo, stworzony przez firmę DeepMind, pokonał w go arcymistrza Lee Sedola — w grę, o której sądzono, że jeszcze przez dekady pozostanie poza zasięgiem maszyn. A prawdziwa eksplozja zaczęła się w 2017 roku, od publikacji naukowców Google’a „Attention Is All You Need”, czyli „Uwaga jest wszystkim, czego potrzebujesz”. Wśród ośmiu autorów jest zresztą Polak, Łukasz Kaiser. Ten zespół opracował tak zwaną architekturę transformera, która pozwala modelowi przetwarzać całe sekwencje słów czy obrazów naraz i „rozumieć” zależności między nimi. To na niej opierają się wszystkie współczesne duże modele językowe — ChatGPT, Claude, Gemini i pozostałe.

Podsumowując: historia sztucznej inteligencji jest długa, ale historia jej masowego wdrożenia — zaskakująco świeża.

A à propos Polaków — w badaniach nad AI za oceanem funkcjonuje całkiem spora grupa naszych rodaków. Jest wśród nich Wojciech Zaremba, współzałożyciel OpenAI, chłopak z Kluczborka…

— Wątków związanych z AI jest tyle, że trudno wybrać, od czego zacząć. Może od pytania zasadniczego: czy sztuczna inteligencja kontroluje już nasze życie?

— Nie, na pewno nie. Jest natomiast bardzo mocnym narzędziem wspierającym człowieka.

— Ale właśnie w tej mocy kryje się obawa: czy narzędzie, które potrafi tak wiele, nie zagraża nam jako społeczeństwu?

— Ten niepokój bierze się stąd, że pierwszy raz w historii pojawiły się czynności wymagające pracy intelektualnej, które mogą wykonywać maszyny. Ale podobne obawy towarzyszyły każdemu etapowi rozwoju cywilizacji. Przed pierwszymi automobilami szedł człowiek z czerwoną chorągiewką, by ostrzegać przechodniów — tak stanowiło brytyjskie prawo. W początkach kolei wróżono, że przy dużych prędkościach pasażerowie nie przeżyją pędu powietrza. Działał ruch luddystów, którzy niszczyli maszyny w proteście przeciwko automatyzacji.

Dziś obawy dotyczą i tego, że AI może zastąpić intelektualną pracę człowieka, i samego tempa zmian. Jednak istotą AI nie jest zastępowanie człowieka, lecz wspomaganie go w rozwiązywaniu problemów, których bez niej nie byłby w stanie pokonać. Patrzmy na nią jak na uzupełnienie, które pozwala pracować lepiej i efektywniej.

— A kto kontroluje AI?

— Mówi się, że kilka firm, w których koncentruje się rozwój tej technologii. Ale gdy zajrzeć pod maskę modeli sztucznej inteligencji, to owszem — jest tam sporo zaawansowanej matematyki, natomiast barier wejścia intelektualnie nie ma aż tak wielu. Dobry student trzeciego roku matematyki czy informatyki jest w stanie odtworzyć na swoim komputerze małą wersję modelu językowego. Prawdziwą barierą jest sprzęt i skala.

W AI funkcjonują dziś dwie filozofie. Pierwsza to modele zamknięte — jak Claude firmy Anthropic czy modele OpenAI — których wnętrza, wag i pełnej architektury nie znamy. Druga to modele otwarte: na przykład Chińczycy udostępniają światu swoje modele, takie jak DeepSeek czy Qwen od Alibaby, z otwartymi wagami — każdy może je pobrać, uruchomić u siebie i zajrzeć do środka. Generalnie sztuczna inteligencja się demokratyzuje i upowszechnia.

— Które firmy liczą się na tym rynku najbardziej?

— Wielka trójka to Anthropic z rodziną modeli Claude, OpenAI Sama Altmana oraz Google ze swoimi modelami Gemini. Do niej pretenduje Grok Elona Muska, a uzasadnione ambicje mają Chińczycy — Alibaba, DeepSeek i inni. Firmy różnią się środkiem ciężkości: jedne stawiają na modele, inne na infrastrukturę. Musk idzie w obu kierunkach — rozwija własne modele i buduje gigantyczne centra danych. Anthropic moc obliczeniową głównie wynajmuje od partnerów chmurowych, a Google robi jedno i drugie na ogromną skalę — jego nakłady inwestycyjne na infrastrukturę idą już w setki miliardów dolarów rocznie. Ogólna tendencja jest taka, że AI kontrolują dziś ci, którzy dysponują największymi zasobami obliczeniowymi i finansowymi.

— Skoro o wielkich pieniądzach mowa: nakłady na AI porównuje się już z największymi programami inwestycyjnymi w historii. Analitycy szacują, że w USA wydatki związane z infrastrukturą AI idą w setki miliardów dolarów rocznie, a w perspektywie kilku lat mowa o bilionach. Jednocześnie bank Goldman Sachs w swoich raportach zwraca uwagę, że ten biznes wciąż się nie bilansuje.

— Tak to się szacuje, choć trzeba uczciwie przyznać, że najwięksi gracze inwestują w siebie nawzajem i pożyczają sobie pieniądze, więc do końca nie wiadomo, ile kapitału realnie krąży w tym obiegu. Faktycznie jest to sektor, który dorównuje największym programom inwestycyjnym w dziejach. W relacji do wielkości gospodarki nakłady na infrastrukturę AI przekroczyły już szczyt boomu telekomunikacyjnego z czasów bańki internetowej i zbliżają się do skali XIX-wiecznej budowy kolei w USA — a ta w szczytowych latach pochłaniała około sześciu procent amerykańskiego PKB, więc jeszcze trochę drogi zostało. Trening znanych nam wielkich modeli wymaga gigantycznych mocy obliczeniowych, a więc i ogromnych ilości energii oraz chłodzenia.

— Mówimy o USA i Chinach. A gdzie w tym wyścigu jest Europa?

— Europa niestety odstaje i składa się na to wiele czynników. Przewaga technologiczna amerykańskich gigantów budowana jest od dekad — tego nie da się szybko nadrobić. W Europie nie ma prywatnych podmiotów o porównywalnej skali kapitału. Do tego Europa wypracowała ściślejsze zasady, przez co trudniej tu trenować modele na danych uznawanych u nas za wrażliwe. Co nie znaczy, że europejskich modeli nie ma — jest francuski Mistral, są też całkiem udane polskie modele językowe, jak Bielik czy PLLuM.

— Okazuje się, że rozwój AI przekłada się na portfele zwykłych ludzi. W USA rozbudowa sieci energetycznej pod centra danych wywindowała ceny prądu dla odbiorców indywidualnych.

— To realny problem. Dobrym przykładem jest xAI Elona Muska, które wybudowało potężne centrum danych Colossus w Memphis w stanie Tennessee. Ponieważ lokalna sieć nie była w stanie dostarczyć wystarczającej mocy, Musk postawił obok własne turbiny gazowe. Stąd zresztą biorą się jego pomysły przenoszenia centrów danych w kosmos — chłodzenie i energię słoneczną mamy tam za darmo. To nie jest czyste science fiction, stoi za tym rachunek ekonomiczny.

— Zejdźmy na chwilę na nasze podwórko. W Opolu, w ramach Parku Naukowo-Technologicznego, również działa i rozbudowuje się centrum danych.

— I to wpisuje się w ten sam globalny trend: firmom bardziej opłaca się korzystać z usług profesjonalnego centrum danych niż utrzymywać własne serwerownie. To ta sama logika, dla której nikt nie buduje dziś własnej elektrowni, tylko kupuje prąd z sieci. Cieszę się, że Opole ma w tej infrastrukturze swój udział, bo dostęp do mocy obliczeniowych staje się czynnikiem lokalizacyjnym dla biznesu.

— A ile ta rewolucja kosztuje zwykłego użytkownika?

— Zaskakująco niewiele. Część usług AI jest darmowa, część kosztuje średnio równowartość dwudziestu dolarów miesięcznie. W ekonomii funkcjonuje pojęcie nadwyżki konsumenta — różnicy między tym, ile bylibyśmy skłonni zapłacić za usługę, a tym, ile płacimy w rzeczywistości. W przypadku AI ta nadwyżka jest bardzo wysoka. I kto wie, czy w skali gospodarstw domowych nie rekompensuje ona choćby części tego wzrostu cen prądu, o którym wspomnieliśmy.

— Coraz częściej mówi się o autonomii modeli AI i o tym, jak daleko może ona sięgać. Głośna była w tym kontekście sprawa Anthropica i amerykańskiego rządu.

— To bezprecedensowa historia, która dobrze pokazuje, gdzie dziś przebiegają linie sporu. Anthropic — firma, która ze względów bezpieczeństwa wbudowuje w swoje modele ograniczenia — współpracowała z amerykańskim wojskiem, ale zażądała gwarancji, że jej technologia nie będzie używana do masowej inwigilacji obywateli ani do w pełni autonomicznej broni działającej bez nadzoru człowieka. Departament Wojny — bo tak od 2025 roku administracja Trumpa nazywa dawny Departament Obrony — domagał się pełnego, nieograniczonego dostępu do najmocniejszych modeli. Anthropic odmówił zdjęcia tych ograniczeń.

W odpowiedzi szef Pentagonu uznał firmę za „zagrożenie dla łańcucha dostaw” — to sankcja stosowana dotąd wyłącznie wobec podmiotów z państw uważanych za wrogą konkurencję, takich jak chiński Huawei — i administracja federalna zakazała korzystania z jej modeli. Anthropic zaskarżył tę decyzję do sądu, a w powstałą lukę natychmiast weszło OpenAI, deklarując gotowość obsługi rządu. Było naprawdę na ostro. I to jest fundamentalne pytanie naszych czasów: kto wyznacza granice użycia tej technologii — firma kierująca się własnymi zasadami bezpieczeństwa czy państwo?

Warto przy tym zdać sobie sprawę, jak te zabezpieczenia działają na co dzień. Modele są doszkalane tak, by przestrzegać zasad bezpieczeństwa — nie odpowiedzą na przykład na pytanie, jak skonstruować bombę czy broń biologiczną. Chyba że ktoś znajdzie sposób na obejście zabezpieczeń, tak zwany jailbreak. Na tym w uproszczeniu polega spora część afer związanych ze sztuczną inteligencją.

— Są dwie szkoły: że AI to zagrożenie dla ludzkości, i druga — że będzie miała na nas zbawienny wpływ. Za którą pan optuje?

— Powiedziałbym, że kształtują się dziś trzy podejścia regulacyjne — i żadnego scenariusza nie można na dziś wykluczyć. Na jednym biegunie jest model maksymalnie otwarty: Argentyna prezydenta Milei zaproponowała w tym roku przepisy o „korporacjach niebędących ludźmi” — spółkach prowadzonych przez agentów AI, w których udział człowieka byłby opcjonalny — połączone z zasadą nieregulowania samej sztucznej inteligencji. Na drugim biegunie są głosy wzywające do ostrego hamowania. A pośrodku jest model europejski: AI Act, czyli wypracowywane od lat zasady korzystania ze sztucznej inteligencji, które właśnie nabierają formy konkretnych obowiązków — na przykład treści wygenerowane przez AI trzeba będzie wyraźnie oznaczać.

Moim zdaniem pewne regulacje oczywiście muszą być, ale nie mogą prowadzić do absurdu — a w konsekwencji do tego, że Europa w rozwoju kluczowej technologii naszych czasów wyląduje na szarym końcu. Nie warto zostawać na jej marginesie.

— Profesor Jarosław Mamala, szef opolskiego PNT, stawia tezę, że AI nie jest i nie będzie motorem postępu, bo korzysta wyłącznie z wiedzy już zdefiniowanej…

— Moim zdaniem tego jeszcze nie wiemy — a nośnikiem postępu już jest. Faktycznie, AI pracuje na danych, które istnieją: kojarzy fakty, błyskawicznie analizuje ogromne zbiory. I na tej podstawie formułowane są teorie, że jako ludzkości do przodu nas nie posunie. Ale z drugiej strony — naukowiec formułujący nowe teorie też przecież korzysta z zasobu istniejącej wiedzy.

Najlepszym kontrprzykładem jest AlphaFold z DeepMind, za który Demis Hassabis wraz z Johnem Jumperem otrzymali w 2024 roku Nagrodę Nobla z chemii. Ten system rozwiązał problem, z którym biologia zmagała się pół wieku: potrafi przewidzieć trójwymiarową strukturę białka, a jego następcy — projektować białka o zadanych właściwościach. Jeśli do leku potrzebujemy cząsteczki o specyficznej konstrukcji, AI potrafi ją zaproponować. Na tej bazie powstają już nowe terapie, między innymi w onkologii. Tak, powstały na fundamencie danych, które istniały — ale nikt wcześniej takich cząsteczek nie wymyślił. Czy to nie jest nowe odkrycie? Można dyskutować. Choć na tę chwilę rzeczywiście nie ma przesłanek, by AI miała stworzyć coś na miarę nowej teorii względności.

— „Na tę chwilę” — to może być słowo klucz…

— Właśnie. W laboratoriach powstają już na przykład organoidy z ludzkich komórek nerwowych — takie mini-mózgi hodowane na chipach, które w eksperymentach nauczyły się grać w prostą grę komputerową w rodzaju ponga. To jednocześnie fascynujące i niepokojące. Pojawia się pytanie: dokąd my właściwie dojdziemy? Bo w rozwoju sztucznej inteligencji jesteśmy dopiero na bardzo wczesnym etapie.

— Dziękuję za rozmowę.