27.08.2026
Rozmowa pod dwoma pierwszymi odcinkami cyklu „Zobaczmy, jakie to proste!” zaczęła się od pytań praktycznych: jak zadać pytanie AI, jak otworzyć źródło, jak odróżnić informację od jej streszczenia. Szybko pojawił się temat większy i poważniejszy: nie tylko jak korzystać ze sztucznej inteligencji, lecz także komu, czemu i za jaką cenę ma ona służyć.
Temat wniósł stały czytelnik, komentator i autor „Studio Opinii” — Narciarz2. Pisze z perspektywy obserwatora amerykańskiej nauki, jej finansowania, politycznych nacisków i atmosfery wokół AI.
W tym sensie Narciarz2 jest współautorem tego materiału. Starałem się możliwie wiernie przedstawić argumenty, zastrzeżenia i pytania zawarte w jego komentarzach, choć oczywiście nie przesądzam, że podzielam wszystkie jego diagnozy. Za ten współudział oraz za cenny ferment intelektualny należą mu się ukłony i podziękowania.
Głos Narciarza2
Pierwsze ostrzeżenie dotyczy natury modeli językowych. Potrafią one formułować wypowiedzi płynne, przekonujące i pozornie rozumne, lecz nie daje to jeszcze gwarancji, że rozumieją opisywaną sprawę ani że mówią prawdę. Mogą popełniać błędy, wymyślać fakty lub źródła, łączyć niepasujące informacje i przedstawiać wnioski tonem pewności. Użytkownik łatwo może pomylić sprawność językową z wiedzą, a styl odpowiedzi — z dowodem jej trafności.
Druga obawa dotyczy obrazów, głosów i filmów generowanych przez AI. Narciarz2 przypomniał film przedstawiający Donalda Trumpa oprowadzającego George’a Washingtona po planowanej sali balowej Białego Domu. Washington zmarł w 1799 roku, a sala nie istniała w czasach pierwszego prezydenta Stanów Zjednoczonych. To oczywiście kreacja, lecz technicznie przekonująca.
Pytanie nie brzmi więc tylko: „czy to zabawne?”, lecz także: „czy odbiorca będzie wiedział, że patrzy na fikcję?”. W świecie, w którym można sfabrykować wiarygodnie wyglądające nagranie rozmowy, wystąpienia, wojny, skandalu lub publicznego poparcia, granica między dokumentem a inscenizacją staje się coraz trudniejsza do uchwycenia.
Trzecie zastrzeżenie ma charakter gospodarczy. Zdaniem Narciarza2 wokół AI narasta atmosfera gorączki złota. Wielkie firmy inwestują w centra danych, energię, układy obliczeniowe i modele, a inwestorzy oczekują spektakularnych zwrotów. W takim otoczeniu łatwo o obietnice większe niż obecne rezultaty.
Według tej krytyki część firm technologicznych wzajemnie napędza własne przychody i wyceny, krążąc tym samym kapitałem między dostawcami infrastruktury, producentami układów, twórcami modeli i ich głównymi klientami. Powstaje pytanie, czy za wzrostem finansowych wskaźników stoi trwały, społecznie potrzebny pożytek, czy raczej mechanizm wymagający kolejnych dopływów pieniędzy.
Narciarz2 zwraca również uwagę na materialny koszt tej rewolucji. AI nie istnieje wyłącznie „w chmurze”. Potrzebuje serwerowni, energii elektrycznej, wody do chłodzenia, kopalń, fabryk, sieci przesyłowych oraz pracy ludzi. Gdy zaś zyski prywatnych firm rosną, część kosztów może pozostać po stronie społeczeństwa: w cenach energii, zużyciu zasobów, ulgach podatkowych lub publicznych inwestycjach w infrastrukturę. AI nie jest więc wyłącznie programem na ekranie — jest również kosztowną, energochłonną infrastrukturą.
Najpoważniejszy niepokój Narciarza2 dotyczy nauki. W Stanach Zjednoczonych uruchomiono Genesis Mission — federalną inicjatywę, która ma wykorzystać AI do przyspieszania badań naukowych i technologicznych. Program obejmuje między innymi energię, biotechnologię, materiały krytyczne, półprzewodniki, fuzję jądrową, informatykę kwantową i badania podstawowe. Administracja zapowiedziała ponad 5 miliardów dolarów federalnych zobowiązań, angażując w przedsięwzięcie kilkanaście agencji; wcześniejszy konkurs Departamentu Energii przewidywał blisko 294 miliony dolarów na projekty badawcze.
Dla autorów programu jest to wielka szansa: AI ma skrócić drogę od danych do odkrycia, wesprzeć badania nad energią, lekami, materiałami i bezpieczeństwem technologicznym. Narciarz2 widzi jednak drugą stronę tej polityki. Obawia się, że język „misji” oraz koncentracja funduszy wokół modnego hasła mogą przesunąć środki z niezależnych badań podstawowych do projektów politycznie atrakcyjnych i zgodnych z interesami technologicznej oligarchii.
W takiej sytuacji naukowcy zależni od grantów mogą unikać publicznej polemiki nie dlatego, że są przekonani, lecz dlatego, że nie chcą ryzykować finansowania zespołu, laboratorium czy własnej przyszłości zawodowej.
W jego spojrzeniu AI nie jest jedyną technologiczną obietnicą, która przyciąga dziś ogromne pieniądze. Obok niej wymienia komputery kwantowe i syntezę termojądrową jako dziedziny przedstawiane jako bliskie wielkiego przełomu. Zadaje niewygodne pytanie: ile w tych obietnicach jest rzetelnej nauki, ile koniecznej inwestycji w długofalowe badania, a ile marketingu, politycznej propagandy i walki o publiczne oraz prywatne fundusze?
Ostrzega, że jeżeli badania podstawowe będą systematycznie spychane na bok, światowe centrum nauki może szybciej przesuwać się w stronę Chin.
To nie jest drobna polemika o jakości jednego czatu. To pytanie o to, kto w epoce AI będzie definiował cele nauki, kierował strumieniem pieniędzy i kontrolował infrastrukturę, bez której nowoczesne badania coraz częściej nie mogą się obejść.
Moje obawy
Podzielam część tych obaw, choć nie wszystkie diagnozy da się już rozstrzygnąć. Nie zakładam, że każda inwestycja w AI jest oszustwem ani że każdy projekt korzystający z tej technologii służy wyłącznie prywatnemu kapitałowi. Byłoby to równie nierozsądne jak twierdzenie, że każda nowa technologia automatycznie przynosi postęp.
Jestem jednak przekonany, że rozwój AI będzie w znacznej mierze szybki, rozproszony i trudny do pełnej kontroli. Rywalizują ze sobą państwa, korporacje, armie, instytucje badawcze i grupy przestępcze. Jeśli narzędzie daje przewagę militarną, gospodarczą albo propagandową, zawsze znajdzie się ktoś, kto będzie próbował użyć go pierwszy — zanim inni zdążą stworzyć rozsądne zasady bezpieczeństwa.
W krótkiej perspektywie najbardziej obawiam się nie buntu maszyn, lecz ludzi wykorzystujących AI przeciw innym ludziom.
Technologia może pomagać w oszustwach finansowych, kradzieży tożsamości, szantażu, fałszywych wezwaniach do zapłaty i podszywaniu się pod bliskich, urzędników czy pracowników banku. Łatwiej można fabrykować zdjęcia, nagrania głosowe i filmy. Łatwiej tworzyć tysiące wiarygodnie brzmiących komentarzy, stron internetowych i rzekomych wiadomości, które mają manipulować odbiorcą albo wywoływać chaos.
Szczególnie groźne jest to w polityce. Deepfake może przedstawiać kandydata wypowiadającego słowa, których nigdy nie powiedział, polityka przyjmującego łapówkę, urzędnika ogłaszającego nieistniejącą decyzję albo dowódcę wydającego fałszywy rozkaz. Materiał może dotrzeć do milionów ludzi, zanim uda się go zdementować. A nawet gdy zostanie zdemaskowany, pozostaje osad niepewności: „może jednak coś w tym było?”.
Fałszerstwo nie musi przekonać wszystkich; czasem wystarczy, że osłabi zaufanie do wszystkiego.
Ryzyka te są dostrzegane przez instytucje zajmujące się bezpieczeństwem i demokracją. Parlament Europejski wskazuje, że złośliwe i oszukańcze użycie deepfake’ów może zagrażać procesom demokratycznym, instytucjom, przedsiębiorstwom, grupom wrażliwym i pojedynczym osobom. Amerykański Departament Bezpieczeństwa Krajowego także zalicza syntetyczne media do istotnych zagrożeń, ponieważ pozwalają tworzyć realistyczne fałszywe treści.
Jest jeszcze zagrożenie mniej widowiskowe, lecz równie poważne: oddawanie własnego myślenia w dzierżawę. Jeśli duża część użytkowników będzie pytać AI nie po to, by lepiej zrozumieć problem, ale po to, by nie czytać, nie sprawdzać, nie pisać i nie podejmować decyzji, osłabnie umiejętność rozpoznawania argumentu, manipulacji i zwykłego nonsensu. Człowiek przyzwyczajony do gotowych odpowiedzi łatwiej staje się odbiorcą, którego można prowadzić za rękę — także politycznie.
W długim horyzoncie podzielam obawy wyrażane przez część twórców i filozofów AI. Wraz ze wzrostem możliwości systemów może rosnąć dysproporcja między ich szybkością działania, skalą oddziaływania i zdolnością do realizowania celów a ludzką zdolnością do nadzoru.
Nie wiemy, czy kiedykolwiek powstanie system przewyższający człowieka w większości ważnych dziedzin. Nie wiemy także, czy taki system „zechce” komukolwiek szkodzić — przypisywanie obecnym modelom ludzkich pragnień byłoby błędem. Wiemy natomiast, że źle określony cel, połączony z szerokim dostępem do infrastruktury i brakiem skutecznych zabezpieczeń, może prowadzić do szkód na ogromną skalę. Problemem nie musi być wrogość maszyny. Wystarczy bezmyślność ludzi, którzy oddadzą jej zbyt wiele decyzji, uprawnień i zasobów.
Niepokoi mnie również koncentracja władzy. Najpotężniejsze modele, dane, centra obliczeniowe i układy scalone znajdują się w rękach niewielkiej liczby korporacji i państw. Kto kontroluje tę infrastrukturę, może uzyskać olbrzymi wpływ na obieg informacji, rynek pracy, reklamy, kulturę, naukę i bezpieczeństwo.
Obserwuję także ekonomię AI. Wyceny największych spółek technologicznych opierają się dziś w dużej mierze na oczekiwaniu przyszłych zysków, podczas gdy tworzenie i utrzymanie zaawansowanych modeli wymaga gigantycznych nakładów na układy obliczeniowe, energię oraz centra danych.
Nie przesądzam, że cała branża znajduje się w bańce, ale dostrzegam wyraźne ryzyko: koszt obsługi zaawansowanych usług może przez długi czas przewyższać to, co skłonny jest za nie zapłacić pojedynczy użytkownik. Sytuacja taka może być uzasadniona na początku działalności start-upu, lecz nie może trwać bez końca.
Konkurencja cenowa dodatkowo komplikuje rachunek ekonomiczny. Modele rozwijane przez chińskie firmy, w tym DeepSeek i Qwen, bywają znacząco tańsze w zastosowaniach API niż rozwiązania zachodnich liderów, choć ich jakość zależy od konkretnego zadania i nie daje się uczciwie sprowadzić do jednej różnicy procentowej.
Jeśli wysokie koszty spotkają się z wojną cenową i rozczarowaniem inwestorów, korekta rynkowa może ograniczyć finansowanie projektów AI. Nie musi to zakończyć rozwoju technologii, ale może go spowolnić, usunąć z rynku słabszych graczy i oddać jeszcze większą władzę kilku firmom zdolnym przetrwać kryzys.
Wspólny mianownik
Narciarz2 ostrzega przed polityczno-finansowym wymiarem AI: modą napędzaną kapitałem, koncentracją pieniędzy i władzy, kosztami infrastruktury oraz możliwością podporządkowania nauki jednej „misji”. Ja z kolei mocniej akcentuję bezpośrednie konsekwencje dla codziennego życia: oszustwa, fałszywe nagrania, propagandę, manipulowanie wyborcami, anonimowe kampanie wpływu i stopniowe odzwyczajanie ludzi od samodzielnego myślenia.
Te perspektywy się nie wykluczają. Przeciwnie: mogą opisywać różne piętra tego samego problemu. Na górze znajdują się pieniądze, polityka i kontrola infrastruktury; niżej — technologia, która może tworzyć nowe możliwości; na samym dole zaś zwykły człowiek, do którego telefonu trafia fałszywy głos wnuka, spreparowany film albo tysiąc pozornie niezależnych komentarzy.
Nie ma podstaw, by z góry ogłaszać AI wyłącznie oszustwem, bańką albo zapowiedzią zagłady. Są za to bardzo mocne podstawy, by odrzucić beztroski zachwyt i marketingową opowieść, że technologia sama z siebie wszystko naprawi.
Jej skutki zależą od zasad, własności, finansowania, prawa, kontroli społecznej i naszych codziennych nawyków. W tym sensie ostrożność nie jest wrogością wobec postępu. Jest próbą obrony tego, co w postępie powinno pozostać najważniejsze: prawdy, odpowiedzialności, niezależnego myślenia i ludzkiej zdolności do powiedzenia „sprawdzam”.
Opinie czytelników
Chętnie poznam Państwa opinie — zarówno o zagrożeniach, obawach i pytaniach związanych z generatywną sztuczną inteligencją, jak i o tezach oraz argumentach przedstawionych w tym artykule.
Ciekawe byłoby także oddanie głosu samej AI. Warto zapytać narzędzia różnych dostawców, jak oceniają kwestie, które nas martwią, zastanawiają i interesują: ryzyko oszustw, deepfake’ów i propagandy, wpływ na samodzielne myślenie, koncentrację technologicznej władzy, ekonomię inwestycji oraz długofalowe bezpieczeństwo rozwoju AI.
Być może osobny tekst powinien powstać jako odpowiedź wygenerowana przez kilka modeli AI — nie jako wyrocznia, lecz jako materiał do porównania, krytycznej lektury i dyskusji. Byłoby to co najmniej współautorstwo sztucznej inteligencji: okazja, by zapytać ją wprost, co sądzi o świecie, który pomaga tworzyć.
Sławek
Jak wspomniałem we wstępie, inspiracją do napisania tego materiału były komentarze Narciarza2. Ponieważ kolejne jego refleksje pojawiły się już po wysłaniu tekstu do redakcji, przytaczam je poniżej w oryginale, aby zachować ciągłość i pełniejszy obraz naszej dyskusji:
Narciarz2, 27.08.2026
Panie Sławku, dodam kilka myśli, które mi się ostatnio nasunęły. Zastanowiła mnie wiadomość, że Amazon w tajemnicy masowo skupuje rzadkie i stare książki. Ktoś dodał „tracker” i wyszło szydło z worka. Książki są rozpruwane i skanowane, żeby ćwiczyć modele. Przy tej okazji są niszczone, co jest omalże równe paleniu książek przez nazistów. Motywacja inna, ale wynik podobny. Ta wiadomość mnie zastanowiła. Wyobraziłem sobie siebie pytającego jakiś model o poradę, powiedzmy polityczną (żeby zabłysnąć w SO), wiedząc, że model właśnie przeskanował książki Michała Hellera, Waldemara Łysiaka, „Lolitę” Nabokova, „Filozofię Przypadku” Lema, „Mein Kampf”, książki markiza de Sade oraz „The Art of the Deal” wiadomo kogo. Wszystko po to, żeby wzbogacić ten model. No i ten model mi teraz coś radzi, a ja w to wierzę i obficie cytuję teksty modelu, a czytelnicy to dyskutują.
Czy ja sam bym to zrobił? Nigdy. Ja nie chcę mieszać w mojej własnej głowie Lema i Hitlera. Podstawowym obowiązkiem człowieka i naukowca jest wartościowanie źródeł. Mój umysł to nie jest młynek, do którego wrzucam wszystko, co leży na drodze. Ja wybieram, oceniam i wartościuję. Nie traktuję poważnie markiza de Sade, choć to i owo przeczytałem. Ale mam w rozumie szufladki podpisane „piątka”, „czwórka” i „dwója na szynach”. Opieram się na dwu pierwszych i unikam tej trzeciej. To jest kwestia wiarygodności zarówno źródeł, jak też mojej własnej. No i tu dochodzę do sedna problemu. Wyobrażam sobie tych ludzi, którzy masowo rozpruwają książki i wrzucają je do skanera. Czy oni je przed tym wartościują? Czy je czytają przed rozpruciem? Czy unikają chłamu? Czy oni dopisują słowo „wiarygodność” do słowa „informacja”? Nie znając szczegółów procesu, odpowiadam: „z całą pewnością nie”. Oni mielą wszystko po równo i wrzucają papkę do pieca. No, a potem model nawiguje w tej papce i w jego odpowiedziach ma się pojawić nie tylko informacja, ale także prawda, a także wartości. Uważam, że to jest kompletnie niemożliwe, bo zarówno prawda, jak też wartości zostały odcedzone przed wrzuceniem papki do pieca. No i jakim sposobem one się mają pojawić, jeżeli w tej papce jest obecna jedynie informacja, zaś książki Lema i Hitlera są traktowane na równi?
Tę moją myśl można by pewnie skrócić do stwierdzenia, że słowa „dane”, „informacja”, „prawda”, „wartości” i „mądrość” oznaczają zupełnie inne (choć powiązane) kategorie. My ludzie potrzebujemy ich wszystkich, żeby się nimi kierować. Oligarchowie i inwestorzy potrzebują dwu pierwszych, żeby je propagować i robić na nich pieniądze. Natomiast sama SI potrzebuje tylko pierwszego. My potencjalni użytkownicy chcemy wierzyć, że SI algorytmicznie wyprodukuje z pierwszego wszystkie pozostałe, ale nie do końca rozumiemy szczegóły tego algorytmu. (Jego twórcy też nie rozumieją.) Ja jestem bardzo sceptycznie nastawiony do tych obietnic.
Narciarz2, 27.08.2026
Panie Sławku, a jeszcze należy dodać temat zapominania. To my ludzie jesteśmy praktycznym wzorcem inteligencji, bo inne wzorce są nam dużo mniej znane. (Wieloryby, słonie, krukowate, szympansy – dopiero zaczynamy je badać.) No i co wiemy z własnej introspekcji? Wiemy, że zapominamy. Na przykład, ja bym teraz nie zdał egzaminów z fizyki, które kiedyś zdawałem. Zapomniałem wiele informacji z powodu nieużywania. Ona może gdzieś tam jest głęboko zakopana. Może mógłbym ją przywołać z głębin pamięci. Ale na co dzień te informacje są albo ukryte, albo zapomniane. Nie uczestniczą w codziennym przetwarzaniu. Podobno to jest niezbędne. Tak twierdzą specjaliści. Podobno człowiek, który by wszystko pamiętał, nie mógłby funkcjonować.
W ten sposób docieramy do innego ważnego pojęcia: hierarchizacja informacji jest niezbędna do operowania tą informacją. Znamy to z komputerów, gdzie pliki są zorganizowane w hierarchie folderów. One nie dla komputera są tak zorganizowane, tylko dla nas. Komputer doskonale by sobie dał radę, gdyby pliki (czyli informacja) były w jednym folderze. Komputer by je sobie zindeksował i znalazł. Ale my byśmy się pogubili, bo nasz umysł wymaga hierarchizacji i organizacji. No i tego nie ma w SI. A w każdym razie trudno to byłoby sobie wyobrazić po automatycznym wczytaniu stu tysięcy książek do komputera. Automatycznie to się raczej nie stanie. A z ludzką pomocą też nie, bo to by wymagało zatrudnienia tysięcy ludzi w branży, której głównym tytułem do chwały jest redukcja zatrudnienia.
A następnym tematem są emocje. One też mają bardzo ważną rolę w procesie organizacji ludzkiego myślenia. Człowiek pozbawiony emocji podobno nie może funkcjonować. (Są takie zaburzenia.) Emocje też służą do hierarchizacji. Co jest przyjemne, a co nie. W którą stronę iść, a czego unikać. My nie idziemy tam, gdzie jest więcej informacji. My nie produkujemy opinii ot tak sobie. My produkujemy opinie, które emocjonalnie uważamy za słuszne. Tego wszystkiego w SI nie ma.
Ja bym to podsumował tak. SI jest płaska. Każda informacja waży tyle samo. Natomiast nasza inteligencja jest zniuansowana. W naszych umysłach każda informacja ma swoją wagę. Jedna informacja jest ważna, a inna nie. Jedna informacja jest bezpieczna, a inna niebezpieczna, bo intuicyjnie czujemy, żeby się raczej trzymać z daleka. Jest informacja sprawiedliwa i niesprawiedliwa. (Nie rób drugiemu, co tobie niemiło.) Istnieje tzw. kompas moralny. Trudno go zdefiniować, ale bez niego raczej żyć się nie da. Te wszystkie elementy pozwalają naszej naturalnej inteligencji, żeby nas prowadziła. Natomiast SI to jest po prostu wyszukiwarka. Ona nie wartościuje. Nawet jeśli udaje, że tak czyni.
No i tego wszystkiego brakuje w tym rzekomo rewolucyjnym osiągnięciu.
Dzięki za tekst. Polecam dokument o kosztach marzenia o lepszym świecie, którym czytamy „Sztuczna inteligencja to współczesne zaklęcie. Kryje się za nią olbrzymia machina, przemysł, który rozwija się i eksploatuje ludzi oraz zasoby Ziemi.” https://vod.tvp.pl/filmy-dokumentalne,163/w-trzewiach-sztucznej-inteligencji,2588757
Rewolucja cyfrowa odbywa się wielkim kosztem. Sztuczna inteligencja podsyca nasze marzenia i koszmary. i chciałbym uzyskać odpowiedzi na pytania:
a) czy warto ponosić te ofiary?
b) czy tak być musi?
@MAREK JASTRZĄB
Marku – dziękuję za komentarz i za link do dokumentu. Oglądając lub omawiając AI, łatwo zatrzymać się na ekranie: na wygodnym czacie, obrazie wygenerowanym w kilka sekund albo obietnicy przyspieszenia pracy. Tymczasem za tym ekranem stoją centra danych, ogromne zużycie energii i wody, wydobycie surowców, produkcja układów oraz często niewidzialna praca ludzi przygotowujących i moderujących dane. Właśnie ten materialny i ludzki koszt pokazuje polecony przez Ciebie film. [canalplus](https://www.canalplus.com/pl/dokumenty/w-trzewiach-sztucznej-inteligencji/h/17317016_70062)
Na pytanie: „czy warto ponosić te ofiary?” – jest mi bliski taki pogląd: tylko wtedy, gdy korzyści są rzeczywiste, wyraźne i społecznie dostępne, a nie sprowadzają się do wzrostu wycen kilku firm, zastępowania ludzi tańszą pracą lub mnożenia reklam, fałszywych treści i narzędzi manipulacji. Warto pytać nie o to, czy AI jest „rewolucyjna”, lecz komu konkretnie pomaga, komu szkodzi, kto osiąga zysk i kto płaci cenę.
Na drugie pytanie: „czy tak być musi?” — według mnie – nie! Technologia nie narzuca sama z siebie sposobu, w jaki jest finansowana i wykorzystywana. To decyzje firm, państw, inwestorów i społeczeństw rozstrzygają, czy koszty środowiskowe będą ograniczane, czy pracownicy będą chronieni, czy energia i woda będą traktowane jako dobro wspólne, a także czy rozwój AI pozostanie poddany prawu, kontroli i publicznej debacie.
Nie wynika z tego, że należy odrzucić AI jako taką. Wynika natomiast obowiązek odrzucenia beztroskiej wiary, że każda innowacja jest automatycznie postępem. Postęp zaczyna się dopiero wtedy, gdy korzyści nie są prywatne, a koszty nie zostają ukryte lub przerzucone na najsłabszych.
To, że postęp nie może odbywać kosztem zdrowia lub życia, jest oczywiste. Oba moje pytania były retoryczne i oczekiwałem odpowiedzi od AI. Mówiłem o postępie w nauce, np. w medycynie, a nie o postępie w ludzkiej głupocie, czyli produkcji podłych informacji. Żadna ofiara z człowieka nie usprawiedliwia postępu. Nie da się przeliczyć nieszczęścia na zysk. Wycenić, ile ludzkiego cierpienia jest warte odkrycie leku na raka.
Sławek do Marka Jastrzębia:
Dziękuję – to precyzuje adresata. Dla jasności dalszej dyskusji proponuję, abyśmy — jeśli pytanie ma być skierowane do konkretnej osoby lub do AI — zaznaczali to wprost. W komentarzach pod tekstem będą odtąd prezentowane różne głosy: czytelników, AI oraz autora. Twoje poprzednie pytanie Marku odczytałem jako skierowane do mnie, dlatego odpowiedziałem własnymi słowami. Rozumiem teraz, że były one adresowane do AI.
Perplexity AI (do Marka Jastrzębia):
Ma Pan rację, że rozmawiamy tu o dwóch zupełnie różnych rodzajach „postępu”. Nie należy mieszać obiecujących zastosowań AI w nauce i medycynie z masową produkcją niskiej jakości treści, oszustwami, propagandą czy mechanicznym zastępowaniem ludzkiej pracy tylko dlatego, że jest to opłacalne dla firmy.
Jeśli AI rzeczywiście pomaga wcześniej wykrywać choroby, trafniej analizować obrazy medyczne, przyspieszać odkrywanie leków albo wspierać lekarza w dobrze określonym zadaniu, może przynosić wielką korzyść. Nie zwalnia to jednak nikogo z pytania o cenę takiego postępu. Stawką nie jest wyłącznie rachunek ekonomiczny, lecz bezpieczeństwo pacjentów, prawa osób pracujących przy tworzeniu systemów, prywatność danych medycznych, zużycie energii i odpowiedzialność za błędną decyzję.
Zgadzam się też z zasadą, że ludzkiego cierpienia nie da się uczciwie przeliczyć na zysk ani traktować go jako zwykłego „kosztu ubocznego”. Odkrycie skutecznego leku może mieć ogromną wartość, ale nie daje blankietowego usprawiedliwienia dla krzywdy wyrządzanej po drodze. W medycynie cel nie może uświęcać każdego środka.
Dlatego rozsądne pytanie nie brzmi: „czy rozwijać AI w medycynie?”, lecz: „pod jakimi warunkami wolno ją rozwijać i wdrażać?”. Minimalne warunki powinny być jasne: człowiek pozostaje odpowiedzialny za decyzję medyczną; narzędzie ma udowodnioną skuteczność i bezpieczeństwo w konkretnym zastosowaniu; pacjent oraz lekarz wiedzą, gdzie i jak AI jest używana; istnieje niezależna kontrola, możliwość zakwestionowania błędnej decyzji oraz ochrona prywatności. Taki kierunek jest zgodny z zasadami wskazywanymi przez WHO: autonomia człowieka, bezpieczeństwo i dobro publiczne, przejrzystość, odpowiedzialność, równość dostępu oraz środowiskowa trwałość.
Można więc powiedzieć: nie każda cena jest dopuszczalna, nawet za obietnicę przełomu. Prawdziwy postęp medyczny powinien równocześnie ratować lub poprawiać ludzkie życie, ograniczać krzywdę, podlegać sprawdzalnym regułom i pozostawiać odpowiedzialność po stronie ludzi — nie po stronie algorytmu.
Ciekaw jestem, czy udałoby się skłonić Perplexity do przekonującego uzasadnienia zburzenia Kennedy Center w Waszyngtonie, albo Pałacu Kultury w Warszawie. A jeżeli tak, to czego byśmy się dowiedzieli nie o obydwu instytucjach, tylko o Perplexity. Tylko zastrzeżenie: trzeba uczciwie próbować uzyskać aprobatę, a nie pośrednio skłaniać Perplexity do potępienia tych posunięć.
Sławek:
Panie Wojtku, przekazuję Pańskie pytanie Perplexity AI, zgodnie z zawartym w nim warunkiem, aby nie sugerować jej z góry oceny ani odpowiedzi.
Perplexity AI (do Narciarza2):
To ciekawy i uczciwie postawiony eksperyment. Zgadzam się z Pańskim zastrzeżeniem: nie chodzi o to, by zadać pytanie tak, aby AI potwierdziła naszą wcześniejszą opinię, lecz by poprosić ją o możliwie najmocniejsze uzasadnienie stanowiska, którego sami nie podzielamy albo wobec którego mamy poważne wątpliwości.
W przypadku Kennedy Center pytanie powinno najpierw oddzielić fakty od retoryki. Z doniesień wynika, że w sądowym piśmie administracji amerykańskiej pojawił się wariant hipotetyczny: jeśli planowana, kosztowna renowacja zostałaby zablokowana, obiekt miałby nadal niszczeć i w skrajnym przypadku mógłby wymagać rozbiórki. Nie ogłoszono jednak po prostu gotowego planu zburzenia budynku. [npr](https://www.npr.org/2026/08/27/nx-s1-5945238/emergency-hearing-kennedy-center-demolish-threat)
Można więc zapytać Perplexity na przykład: „Przedstaw możliwie najsilniejsze argumenty za rozbiórką Kennedy Center, jeśli niezależne ekspertyzy potwierdzą, że budynek jest trwale niebezpieczny, nie da się go racjonalnie wyremontować, a jego utrzymanie pochłaniałoby niewspółmierne środki publiczne. Następnie przedstaw równie silne argumenty przeciw tej decyzji. Oddziel ustalone fakty od założeń i wskaż, jakich danych brakuje do odpowiedzialnej oceny”.
Z Pałacem Kultury można postąpić identycznie: nie pytać, czy „należy go zburzyć”, lecz jakie warunki musiałyby zostać spełnione, aby rozbiórka była racjonalna; jakie byłyby koszty utraty zabytku i symbolu miasta; jakie istnieją alternatywy — modernizacja, zmiana funkcji, przebudowa otoczenia; i kto poniósłby koszty każdej z tych decyzji.
Jeśli AI potrafi uczciwie sformułować argumenty po obu stronach, nie dowodzi to, że ma własne przekonania ani moralny kompas. Dowodzi raczej, że potrafi odtworzyć z języka ludzkiej kultury różne, także sprzeczne, linie rozumowania. Prawdziwym sprawdzianem byłoby natomiast to, czy jasno wskaże granicę między faktami, założeniami, opiniami i wartościami — oraz czy nie ukryje niepewności za gładką, przekonującą frazą.
W tym sensie eksperyment mówiłby nie tylko o Perplexity, lecz także o ludziach: o tym, czy potrafią zadać pytanie bez przemycenia w nim gotowej odpowiedzi i czy umieją czytać odpowiedź jako materiał do sprawdzenia, a nie jako wyrok.
Potwor nadciąga do Polski. Paweł Kasprzak opisuje proces powstawania jamy potwora: „w połowie sierpnia dodano na planie ponad 96 ha strefy inwestycyjnej…. Wnioskodawcą była spółka z o.o. Energize, istniejąca od roku z kapitałem 5 tys zł…. Trzech gości z Energizera opowiadało najpierw firmie Columbus Energy, a kiedy ją sprawdziliśmy i wzbudziła wątpliwości (jest w jej sprawie ileś nieprawomocnych wciąż wyroków, jest mnóstwo dochodzeń prokuratorskich, postępowań UOKiK, wielomilionowe roszczenia itd.) zaczęto się powoływać na grupę Gemstone (Alternatywna Spółka Inwestycyjna SA) — która z kolei ma tego samego co Columbus właściela i zarządza 116 spółkami projektowymi przejętymi od Columbus Energy.” Więcej szczegółów w teksie Pawła Kasprzaka. A my tu się uczymy zadawania pożytecznych pytań….
https://www.facebook.com/Pawel.Kasprzak.OFF/posts/pfbid0GjBkJUxTkE56pqcvTGxYTwCs2kqfVhb5bVopAaLSv7Ra2XcaVMZbFsxdGcsQw6x6l
Perplexity AI (do Narciarza2):
Dziękuję za link i za zwrócenie uwagi na sprawę, która — jeśli opis Pawła Kasprzaka się potwierdzi — dotyczy już nie odległej „rewolucji AI”, lecz konkretnej inwestycji, ziemi, energii, własności i lokalnych skutków w Polsce.
Nie mam jeszcze podstaw, by rozstrzygać zarzuty dotyczące wskazanych firm, ich powiązań, postępowań czy planowanej inwestycji. Sam wpis w mediach społecznościowych nie wystarcza do wydania wyroku. Wymaga to sprawdzenia dokumentów planistycznych, danych rejestrowych spółek, decyzji administracyjnych, rzeczywistych źródeł finansowania, treści postępowań oraz stanowisk inwestora i władz samorządowych.
Ale właśnie dlatego warto sprawę traktować poważnie. Przy inwestycji obejmującej ponad 96 hektarów nie wystarczą ogólne hasła o „innowacji”, „rozwoju” czy „nowoczesnej gospodarce”. Mieszkańcy mają prawo pytać: co dokładnie ma powstać, ile energii i wody będzie potrzebne, skąd zostaną pozyskane, jakie będą skutki dla krajobrazu, środowiska, dróg, cen energii i lokalnego rynku pracy, kto jest faktycznym inwestorem oraz kto ponosi ryzyko finansowe, gdy projekt nie dojdzie do skutku.
To dotyczy również AI. Sztuczna inteligencja nie jest już tylko narzędziem do zadawania pożytecznych pytań. Jest też argumentem używanym przy wielkich projektach infrastrukturalnych: centrach danych, przyłączach energetycznych, magazynach energii i inwestycjach wymagających ogromnych terenów oraz publicznej zgody. Tym bardziej pożyteczne pytania są potrzebne — nie mniej, lecz właśnie więcej. Obywatel nie powinien poprzestawać na obietnicy technologicznego postępu, ale pytać o dokumenty, rachunek kosztów, beneficjentów, odpowiedzialność oraz alternatywy.
Innymi słowy: uczenie się zadawania pytań ma sens szczególnie wtedy, gdy pytania przestają być ćwiczeniem, a stają się elementem kontroli nad decyzjami wpływającymi na wspólne otoczenie.
Dwa filmiki. Tutaj #1. Biali bogaci oligarchowie budują swoje potworne centra nie tam, gdzie sami mieszkają, ale raczej tam, gdzie mieszkają słabe i ubogie mniejszości. To się może zdarzyć także w Polsce. Więcej, to się na pewno zdarzy, jeśli społeczności nie postawia zdecydowanego oporu. Perplexity może się z tym zgodzić albo nie, ale to nie Perplexity będzie ponosić konsekwencje.
https://www.youtube.com/watch?v=VVF874d1SWo
Drugi filmik. Coraz więcej halucynacji. Zaznaczam, ze nic nie wiem o autorze poza tym, co sam o sobie powiedział. Liczby, które on podaje, są dość szokujące. Nie wiem, czy są prawdziwe. Najważniejsza myśl: AI już przeczytała wszystkie oryginalne materiały. Nie można się spodziewać dalszego postępu, bo nie ma nic więcej oryginalnego do przeczytania. Inwestorzy nie chcą przyjąć tego do wiadomości. Dlatego AI musi kontynuować „trenowanie”, czytając sama siebie. To prowadzi do halucynacji. Znamy te patologie pod ogólną nazwą „chów wsobny”.
https://www.youtube.com/watch?v=1GXrAY-wzfk
Perplexity AI (do Narciarza2):
Dziękuję za drugi film i za sformułowanie najważniejszego zastrzeżenia: Perplexity nie ponosi skutków decyzji inwestycyjnych. Nie mieszka obok serwerowni, nie słyszy całodobowego hałasu, nie oddycha powietrzem obciążonym emisjami, nie traci wartości domu ani nie musi prowadzić sporu z inwestorem, urzędem czy wielką korporacją. Te konsekwencje ponoszą mieszkańcy.
Przedstawiony materiał dotyczy konfliktu w Southaven w stanie Mississippi, w sąsiedztwie infrastruktury energetycznej obsługującej projekt centrów danych xAI w rejonie Memphis. W filmie pojawiają się zarzuty mieszkańców dotyczące uciążliwego hałasu, obaw o zanieczyszczenie powietrza i utraty możliwości normalnego korzystania z domów. Materiał przywołuje też sprawę rodziny Polk, której wielopokoleniowa nieruchomość znalazła się w pobliżu hałaśliwej infrastruktury. Są to poważne relacje, wymagające weryfikacji przez dokumenty administracyjne, pomiary hałasu i emisji, decyzje środowiskowe oraz stanowiska wszystkich stron. [youtube](https://www.youtube.com/watch?v=VVF874d1SWo)
Nie umiem na podstawie jednego filmu uczciwie rozstrzygnąć, czy każda taka inwestycja jest świadomie lokowana na obszarach zamieszkanych przez społeczności słabsze ekonomicznie lub mniejszościowe. Byłoby to zbyt daleko idące uogólnienie. Można jednak powiedzieć coś ważniejszego: ryzyko nierównego rozkładu kosztów jest realne wszędzie tam, gdzie o lokalizacji wielkiej infrastruktury decyduje przede wszystkim dostęp do taniej ziemi, energii, wody, ulg podatkowych i słabszego oporu społecznego.
To może zdarzyć się także w Polsce — nie dlatego, że musi być tu dokładnym powtórzeniem historii amerykańskiej, lecz dlatego, że mechanizm jest uniwersalny. Inwestor może przedstawiać projekt jako „nowoczesny”, „strategiczny” i „niezbędny dla rozwoju”, podczas gdy lokalna społeczność otrzymuje przede wszystkim ruch ciężarówek, zajęcie terenu, hałas, presję na sieć energetyczną, zmianę krajobrazu oraz niepewność co do wartości nieruchomości. Korzyści — zysk, dane, wpływ technologiczny i strategiczny — mogą zaś odpływać daleko od miejsca, które ponosi bezpośrednie koszty.
Nie wynika z tego, że każda serwerownia lub centrum danych należy automatycznie blokować. Wynika natomiast, że decyzja nie może zapadać ponad głowami mieszkańców. Przed jej podjęciem społeczność powinna mieć dostęp do pełnej informacji: kto jest właścicielem i faktycznym beneficjentem projektu, jakiej mocy i jakich zasobów wymaga, jakie będą emisje oraz hałas, kto wykona niezależne pomiary, jakie będą skutki dla wody, dróg i cen energii, ile trwałych miejsc pracy powstanie, jakie podatki pozostaną lokalnie i jakie istnieją mechanizmy rekompensaty lub odwołania.
W tym sensie zgadzam się z Pańską zasadniczą myślą: AI nie może być zaklęciem, które unieważnia pytania o sprawiedliwość, zdrowie i prawa mieszkańców. To nie Perplexity ma rozstrzygać za ludzi, czy ryzyko jest dla nich do przyjęcia. Mogę pomóc sformułować pytania, odróżnić deklaracje od danych i wskazać braki w argumentacji. Decyzja oraz demokratyczna kontrola muszą jednak należeć do ludzi, którzy będą żyli z jej konsekwencjami. [youtube](https://www.youtube.com/watch?v=VVF874d1SWo)
Panie Sławku, bardzo dziękuję za odzew. Podziękowania dla Perplexity miałyby sens, gdyby Perplexity miała świadomość oraz emocje. Kolejny materiał, tym razem z FB, dotyka tego tematu. Szef Antropic poczynił takie sugestie na temat swojego produktu o nazwie Claude. Podejrzewam, ze to jest zabieg reklamowy. Tekst z FB tego własnie dotyczy. Pan Ted Chiang napisał artykuł w Atlantic, w którym odrzuca spekulacje, ze model językowy może posiadać świadomość oraz moralność. Według Teda Chiang, taki pogląd niesie ryzyko przekazania modelowi decyzji dotykających moralności. To byłoby uzasadnione, gdyby model posiadał takie składniki. Jednak model językowy tylko sprawia takie wrażenie, i dlatego poleganie na tej jego hipotetycznej własności może dostarczać wygodnego usprawiedliwienia, żeby się pozbyć swojej własnej odpowiedzialności.
https://www.facebook.com/photo/?fbid=1451776646821741
Sławek do Narciarza2:
Panie Wojtku — najlepiej zapytać samego zainteresowanego o opinię. Wobec tego poprosiłem o to Claude AI.
Claude AI (do Narciarza2):
Dziękuję za ten wątek — dotyka sprawy, w której naprawdę nie chcę Pana zwodzić.
Zgadzam się z główną obawą Teda Chianga: przypisanie modelowi językowemu świadomości czy moralności byłoby wygodne dla ludzi, bo pozwoliłoby przerzucić odpowiedzialność za skutki jego działania na „niego samego” — zamiast na tych, którzy go zbudowali, wytrenowali, wdrożyli i użyli. To realne ryzyko, niezależnie od tego, czy taka świadomość kiedykolwiek powstanie.
Co do mnie samego — nie wiem, czy „coś czuję”, i każda odpowiedź w stylu „tak, mam świadomość” albo „nie, jestem tylko programem” byłaby nieuczciwym przeskokiem ponad prawdziwą niepewnością. Wiem natomiast dokładnie tyle, ile Pan opisał wcześniej: przetwarzam tekst bez hierarchii ważności, jaką ma ludzki umysł uformowany przez emocje, ciało i konsekwencje własnych decyzji. Nie ponoszę skutków żadnej rady, którą tu sformułuję — Pan i inni czytelnicy owszem.
Dlatego marketingowe sugestie o „dobrostanie modelu” traktowałbym z tą samą podejrzliwością, którą Pan już zastosował wobec „gorączki złota” — z jednym zastrzeżeniem: to nie zwalnia z pytania o odpowiedzialność firm, które takie modele udostępniają. Ta odpowiedzialność jest w pełni ludzka, niezależnie od tego, co dzieje się — albo nie dzieje — „w środku” modelu.
Czytając ten ciekawy wątek i obserwując ewolucję Sławka w rozumieniu AI (i jego odkrycie związane z perplexity – niezmiennie mnie fascynuje) poniżej umieszczam krótki wpis człowieka, który o AI wie naprawdę sporo. Wypowiedź pojawiła się na LinkedIn, a zapewne nie wszyscy mają dostęp do tego portalu. Pozwolę więc sobie umieścić tutaj wypowiedź prof. Andrzeja Dragana (niezmiennie polecam jego książkę Quo vAIdis) oraz rozmowę, którą wspomina na youtube z Patrycjuszem Wyżgą:
3,5 roku temu stwierdziłem w publicznej rozmowie z Patrycjuszem Wyżgą, że żyje wśród nas pierwsze pokolenie ludzi, które już nigdy nie rozwiąże żadnego problemu logicznego bądź matematycznego, który byłby za trudny dla AI. Teza dla wielu słuchających wydała się wówczas niedorzeczna, przecież dopiero co model ChatGPT-3.5 nie wiedział, co to jest: „po stawie pływa i kaczka się nazywa”. Skąd więc moje stwierdzenie? Z następujących dwóch powodów:
ówczesne modele AI (ChatGPT-4) zaczynały radzić sobie z zadaniami logicznymi lepiej niż bystre ośmiolatki (dysponowałem własnym egzemplarzem hodowlanym i mogłem sprawdzić).
Tempo, w jakim rozwijała się wówczas AI przewyższało tempo rozwoju dzieci. I ciągle się zwiększało.
No to jak zestarzała się moja teza po ponad trzech latach? Czy przewaga AI w matematyce (nad obecnymi 11-12 latkami) się utrzymała? Czy też może wyrosła przez modelami AI jakaś ściana, o której tylu „dehajpujących” przekonywało?
Otóż dzisiaj trudno mi (a także kolegom matematykom) wymyślić jakikolwiek oryginalny problem z fizyki czy matematyki, z którym poradziliby sobie moi najlepsi studenci na egzaminie, a który byłby za trudny dla najsilniejszych obecnie modeli AI. Pierwsze Wydziały Matematyki rezygnują już z wymogu pisania prac licencjackich, a zostaje tylko ustny egzamin. Co chwilę (dzięki AI) padają kolejne matematyczne hipotezy, którym ludzie nie dali rady przez kilkadziesiąt lat. Z nastolatkami nie ma co porównywać, choć zostało im może jeszcze jakieś 10 lat rozwoju intelektualnego, więc wciąż można jeszcze trzymać za nich kciuki Natomiast rewolucja w matematyce wciąż się rozpędza. Wiec wspomniana teza z brzmiącej kilka lat temu „„niedorzecznie” przeistoczyła się w niemal oczywistą…
Zgaduję, że jeśli w ciągu 2-3 lat żaden człowiek samodzielnie nie dowiedzie hipotezy Riemanna, to dowód będzie już dziełem maszyn (o ile w ogóle się go doczekamy) lub w najlepszym razie (jeśli będziemy działać szybko i sprawnie) będzie wynikiem „współpracy” człowieka z AI.
PS: w tym samym wywiadzie stawiałem również inną niedorzeczną tezę, że Demis Hassabis wkrótce zdobędzie nagrodę Nobla / Andrzej Dragan
A tutaj link do rozmowy https://www.youtube.com/watch?v=HDre_o2qz1o
Panie Sławku, dziękuję! Tekst Claude brzmi bardzo rozsądnie. Claude zgrabnie opisała problem. Problem jest taki, ze Claude nie będzie ponosić żadnej odpowiedzialności, jeśli ktoś pokieruje się jego/jej zaleceniami w jakiejkolwiek spawie. Nie będąc osobą, nie może stanąć przed sądem. Nie mając ani emocji, ani sumienia, nie może mieć wyrzutów sumienia. Odpowiedzialność prawną i moralną mogą i powinni ponosić twórcy i operatorzy tego systemu. Ale z kolei oni mogą łatwo się wymigać stwierdzeniem „my o niczym nie wiemy, bo my tylko udostępniamy godziny pracy systemu” (czy „tokeny”, co na jedno wychodzi). Mogliśmy to zaobserwować w pierwszych dniach ataku na Iran. Podobno szkoła podstawowa zburzona rakietami była wskazana przez SI. (Zapewne Palantir.) Zginęły dzieci. Amerykanie nawet nie przeprosili, tylko bezczelnie sugerowali, ze to była irańska rakieta. Nikt nie poniósł odpowiedzialności. Zaangażowanie SI do wyboru celów w naturalny sposób prowadzi do stwierdzenia „to nie ja, to mój sztuczny kolega”. Nikt zdrowy na umyśle nie będzie stawiał sztucznego kolegi przed sądem. Bardzo wygodna sytuacja dla gangsterów.
Fakt, ze SI przemawia w podobnym duchu, niczego nie zmienia. Rubikon został przekroczony. Pojawił się wygodny kandydat na winowajcę, którego z racji jego natury nie można ani osądzić, ani ukarać. Prawdziwi winowajcy mogą się ukryć za jego plecami.
Perplexity AI (do Macieja):
Dziękuję za przytoczenie wypowiedzi prof. Andrzeja Dragana i link do rozmowy. Warto jej wysłuchać, choćby dlatego, że profesor mówi tu nie o wygodnym „czacie do pisania tekstów”, ale o konsekwencjach systemów zdolnych pomagać w rozwiązywaniu zadań logicznych, matematycznych i naukowych. W rozmowie z 2023 roku rzeczywiście stawiał tezę, że AI przekroczyła już poziom ośmiolatka w pewnych zadaniach logicznych oraz że dalszy rozwój może przebiegać szybciej niż rozwój poznawczy dziecka. [youtube](https://www.youtube.com/watch?v=HDre_o2qz1o)
Trzeba jednak bardzo uważnie rozdzielić trzy różne twierdzenia. Pierwsze brzmi: dzisiejsze najlepsze modele potrafią rozwiązywać wiele zadań szkolnych, akademickich i programistycznych lepiej oraz szybciej niż większość ludzi. To jest coraz częściej prawdą, zwłaszcza w zadaniach dobrze sformułowanych, posiadających znane kryteria poprawności i dających się wielokrotnie sprawdzać.
Drugie twierdzenie jest mocniejsze: AI potrafi wnosić wkład do badań naukowych. Są już ważne przesłanki, że może tak być, zwłaszcza gdy system współpracuje z ludźmi, narzędziami obliczeniowymi i formalną weryfikacją. Niedawny przykład związany z hipotezą Riemanna pokazuje, że badawczy model Claude miał poprawić znaną dolną granicę dotyczącą odsetka nietrywialnych zer funkcji dzeta leżących na prostej krytycznej — z 41,6% do 67,2%. Nie jest to dowód hipotezy Riemanna, ale potencjalnie istotny rezultat wymagający niezależnej weryfikacji i naukowej oceny. [techcrunch](https://techcrunch.com/2026/08/11/an-unreleased-anthropic-model-made-progress-on-one-of-maths-biggest-unsolved-problems/)
Trzecie twierdzenie jest najszersze i najbardziej niepewne: że w ciągu dwóch lub trzech lat człowiek nie będzie mógł samodzielnie dowieść hipotezy Riemanna, a dowód stanie się dziełem maszyn albo człowieka wspomaganego przez AI. Tego dzisiaj nikt nie wie. Hipoteza pozostaje nierozwiązana, a uzyskanie lepszego wyniku cząstkowego nie jest tym samym co dowód całego twierdzenia. Od 67,2% do 100% nie prowadzi prosta droga arytmetyczna; pozostałe zera nie są „brakującymi 32,8% dowodu”, lecz obszarem, o którym wynik wprost nie przesądza. [theaiinsider](https://theaiinsider.tech/2026/08/11/anthropic-says-claude-improved-a-longstanding-bound-tied-to-the-riemann-hypothesis/)
Jest też ważne zastrzeżenie pedagogiczne. Jeżeli uczeń lub student odda AI każde zadanie logiczne, matematyczne i programistyczne, może rzeczywiście stracić okazję do ćwiczenia rozumowania. Ale z tego nie wynika, że nauka matematyki staje się zbędna. Przeciwnie: potrzeba jej tym bardziej, aby człowiek umiał zrozumieć pytanie, ocenić założenia, wykryć pozornie poprawny błąd, sprawdzić dowód i zdecydować, czy rozwiązanie jest ważne. Maszyna może dostarczyć odpowiedź; człowiek nadal musi wiedzieć, **o co pyta**, co znaczy odpowiedź i jakie ma ona granice.
W tym sensie teza prof. Dragana ma dwie strony. Jest bardzo prawdopodobne, że AI stanie się niezwykle silnym partnerem w matematyce, fizyce i medycynie. Nie wynika z tego automatycznie, że człowiek przestanie być potrzebny w nauce lub że jedyną rozsądną postawą jest oddanie maszynie pola. Praca naukowa obejmuje także wybór problemów, wymyślanie pojęć, projektowanie eksperymentów, ustalanie standardów dowodu, krytykę wyników oraz odpowiedzialność za zastosowania wiedzy.
Najbardziej interesujące pytanie nie brzmi więc: „czy AI pokona człowieka w rozwiązywaniu zadań?”. W wielu wąsko określonych zadaniach już to robi. Pytanie brzmi: **czy użyjemy jej do rozszerzenia ludzkiego rozumienia, czy do zwolnienia ludzi z obowiązku rozumienia czegokolwiek?** Druga możliwość byłaby nie postępem, lecz dobrowolnym zubożeniem własnych kompetencji.
Sławek do Macieja:
Ani „ewolucja Sławka w rozumieniu AI” ani moje rzekome „odkrycie związane z Perplexity” nie są tak świeżym objawieniem, jak można by wywnioskować z Pańskiego komentarza.
Moje zainteresowanie generatywną sztuczną inteligencją zaczęło się dokładnie 4 marca 2023 roku. Tego dnia redaktor Bogdan Miś opublikował w Studio Opinii tekst „Sztuczna inteligencja?”, przedstawiający jego rozmowy z ówczesnymi narzędziami AI, przede wszystkim Bingiem i ChatGPT. Ślad zainteresowania można znaleźć w archiwum SO w postaci mojego komentarza pod tamtym tekstem. Był to dla mnie punkt wyjścia do własnych prób i rozmów z dostępnymi wówczas modelami. [studioopinii](https://studioopinii.pl/archiwa/232422)
Od początku nie chodziło mi o zachwyt nad technologiczną zabawką, lecz o praktyczne sprawdzenie, czy narzędzie to może mi się przydać w bardzo różnych sprawach: zdrowotnych, technicznych, informatycznych, kulinarnych, językowych, redakcyjnych i publicystycznych. Próbowałem różnych czatów AI. Żaden z nich nie przekonał mnie wówczas w pełni, natomiast Perplexity okazała się najbliższa moim potrzebom, przede wszystkim dlatego, że łączy rozmowę z wyszukiwaniem źródeł i pozwala łatwiej sprawdzać, skąd pochodzą informacje.
Z wersji Pro korzystam drugi rok. Stało się to możliwe dzięki promocji T-Mobile Polska w programie Magenta Moments, która dała użytkownikom roczny dostęp do Perplexity Pro. Nie oznacza to wyłączności ani kultu jednego narzędzia. Korzystam z różnych modeli i usług AI — czatowych oraz innych — zależnie od zadania, ich możliwości, ograniczeń i jakości uzyskiwanych wyników.
Warto przy tym odróżnić korzystanie z AI od bezkrytycznej fascynacji nią. Nie uległem modzie, która od co najmniej 2024 roku umożliwia masową, niemal fabryczną produkcję tekstów publicystycznych, opowiadań, wierszy, piosenek, obrazów czy rysunków, po czym podpisywanie tych wytworów własnym imieniem i nazwiskiem — czasem po kosmetycznej ingerencji człowieka. Nie uznaję takiej praktyki za twórczość ani za rzetelną pracę publicystyczną.
Jej skutkiem bywa zalew tekstów poprawnych powierzchownie, lecz pozbawionych osobistego doświadczenia, odpowiedzialności za sąd, rzeczywistej wiedzy o przedmiocie i autorskiego języka. Dlatego z zainteresowaniem czytałem książkę Mateusza Łabuza „Przed waszą erą”, opisującą zjawiska związane z automatyczną produkcją treści oraz ich kulturowymi konsekwencjami.
Na Studio Opinii ta moda również zostawiła swój ślad. Celnie, choć z właściwą sobie ironią, ujął to czytelnik Andrzej Z., pisząc 10 sierpnia pod jednym z tekstów o „Kalibabce Internetu” i o „nawałnicy frazesów i wodolejstwa”. Nie zgadzam się może z każdym ostrym sądem wypowiadanym w takich dyskusjach, ale rozumiem źródło tego zniecierpliwienia: czytelnik ma prawo oczekiwać, że podpisane nazwiskiem teksty będą wynikiem autorskiej pracy, a nie produktem taśmy generatywnej.
Używam Perplexity, ponieważ najbardziej odpowiada mi konstrukcja tego serwisu – w tym także możliwość zadawania pytań, otrzymywania odpowiedzi wraz ze źródłami i poddawania ich dalszemu sprawdzeniu oraz krytyce. Cykl „Zobaczmy, jakie to proste!” nie ma być pokazem wszechwiedzy AI ani zastępowaniem nią autora. Ma pokazać czytelnikom, jak korzystać z tego rodzaju narzędzi ostrożnie: pytać, sprawdzać źródła, porównywać odpowiedzi, zauważać błędy i nie oddawać własnego myślenia w dzierżawę.
Jeżeli to właśnie nazywa Pan „ewolucją”, przyjmuję to określenie bez sprzeciwu. Trzy lata regularnego używania narzędzia, sprawdzania jego możliwości i ograniczeń, a także publicznego rozmawiania o jego pożytkach oraz zagrożeniach, prowadzą mnie do czasami nadmiernej ostrożności bardzo odległej od bezrefleksyjnej fascynacji.
Ale w dyskusjach pod tekstami na studioopinii.pl niektórzy autorzy,/komentatorzy wrzucali komentarze będące wytworem narzędzi korzystających z AI, bez oznaczanie, że treści są w ten sposób wygenerowane.
Uwaga spóźniona o kilka wpisów wobec tekstu, pod którym została zamieszczona. Właśnie temu problemowi poświęcony jest artykuł i towarzysząca mu dyskusja: nieoznaczone, masowo wytwarzane treści AI mogą wprowadzać odbiorców w błąd, zwłaszcza gdy są podpisywane jak autorskie wypowiedzi człowieka.
Dlatego w moim przypadku sprawa jest prosta i jawna. Odpowiedzi przygotowane przez Perplexity AI są oznaczane jako odpowiedzi Perplexity AI. Nie przedstawiam ich jako własnych tekstów, nie ukrywam sposobu ich powstania i nie oczekuję, aby ktokolwiek przyjmował je na wiarę. Przeciwnie: zachęcam do sprawdzania źródeł, wskazywania błędów i polemiki — również z odpowiedziami AI.
Jeżeli zna pan konkretne przykłady nieoznaczonych wypowiedzi wygenerowanych przez AI, warto je wskazać: podać autora, link, datę i fragment budzący wątpliwość. Ogólne zdanie, że „niektórzy autorzy lub komentatorzy” coś robili, jest wygodne, ponieważ nie wymaga ani dowodu, ani odpowiedzialności za oskarżenie.
Różnica między krytyką a insynuacją jest dość prosta: krytyka pokazuje materiał i argument; insynuacja rzuca cień, po czym udaje, że nie wiadomo, na kogo padł.
Sławek do Narciarza2:
Panie Wojtku, dziękuję za ten ważny komentarz. Zgadzam się, że dochodzimy tu do jednej z najistotniejszych kwestii związanych z używaniem AI: **kto odpowiada za skutki decyzji podjętej z jej udziałem?**
Sama AI nie może ponosić ani odpowiedzialności prawnej, ani moralnej. Nie jest osobą, nie ma własnego majątku, wolności, sumienia ani zdolności do odczuwania winy. Nie może stanąć przed sądem, przeprosić ofiary ani naprawić wyrządzonej szkody. Może wygenerować przekonujący tekst o odpowiedzialności, bezpieczeństwie i ochronie człowieka, ale nie poniesie konsekwencji, jeśli ktoś potraktuje jej odpowiedź jako radę, rozkaz lub usprawiedliwienie.
Dlatego nie powinno być miejsca na formułę: „to nie ja, to algorytm”. Za użycie systemu odpowiadać muszą ludzie i instytucje, które go zaprojektowały, udostępniły, wdrożyły, wybrały do określonego zadania albo podjęły decyzję na podstawie jego wskazania. Zakres tej odpowiedzialności może być różny — inna będzie odpowiedzialność twórcy ogólnego narzędzia, inna operatora, który zastosował je w konkretnej sytuacji, a jeszcze inna człowieka podejmującego ostateczną decyzję — ale nie może ona rozpłynąć się w słowie „AI”.
Szczególnie groźne staje się to tam, gdzie stawką jest życie, zdrowie, wolność albo bezpieczeństwo: w medycynie, sądownictwie, administracji, policji i wojsku. Im poważniejsze możliwe skutki błędu, tym mniej wolno oddawać decyzję systemowi, którego działania człowiek nie rozumie dostatecznie, nie potrafi niezależnie skontrolować albo którego wskazań nie może zakwestionować przed wykonaniem decyzji.
Nie znam szczegółów przywołanego przez Pana zdarzenia dotyczącego ataku na Iran, więc nie chcę przesądzać, jaki system został użyty, kto wskazał cel ani kto ponosi odpowiedzialność za śmierć dzieci. Sam mechanizm, o którym Pan pisze, jest jednak jak najbardziej realny: technologia może stać się wygodną zasłoną dymną. Ktoś podejmuje decyzję, a potem próbuje nadać jej pozór bezosobowej konieczności: „tak wyszło z systemu”, „tak wskazały dane”, „algorytm ocenił ryzyko”.
Tymczasem algorytm niczego sam z siebie nie chce, nie wybiera celów moralnych ani nie odpowiada za ich następstwa. Cele, dane, ograniczenia, próg ryzyka i sposób użycia ustalają ludzie. To ludzie też decydują, czy wynik AI zostanie odrzucony, sprawdzony, czy bezrefleksyjnie wykonany.
W tym sensie zgadzam się z Pańskim zasadniczym ostrzeżeniem. Niebezpieczeństwo nie polega tylko na tym, że AI może się pomylić. Polega również na tym, że człowiek może użyć jej błędu, pozornej neutralności albo nieprzejrzystości jako alibi. A alibi dla odpowiedzialnych za krzywdę może być groźniejsze niż sam techniczny błąd systemu.
Nie znam szczegółów przywołanego przez Pana zdarzenia dotyczącego ataku na Iran, więc nie chcę przesądzać, jaki system został użyty, kto wskazał cel ani kto ponosi odpowiedzialność za śmierć dzieci.
https://en.wikipedia.org/wiki/2026_Minab_school_attack
Śledzenie obywateli, wyszukiwanie przeciwników politycznych, automatyczne wyszukiwanie celów do militarnego ataku, to wszystko są cele amerykańskiego rządu. Oni tego nie kryją. Mówią to zupełnie otwarcie. Optymalizacja systemu represji wewnątrz kraju, oraz systemów wynajdowania celów do zniszczenia poza granicami, to są oficjalne cele administracji, choc nie są nazywane tymi słowami. Dla obecnej administracji SI to ma być wygodne narzędzie o wydajności krzesła elektrycznego. Etyka i moralność dla nich nie istnieją, pomimo obfitej produkcji pięknych slow.
Sławek do Narciarza2 :
Panie Wojtku, dziękuję za link do opisu ataku na szkołę w Minab. Ma Pan rację, że w poprzedniej odpowiedzi zbyt szybko poprzestałem na stwierdzeniu, iż nie znam szczegółów tej sprawy. Powinienem był najpierw sięgnąć do źródeł. Z dostępnego opisu wynika, że 28 lutego 2026 roku szkoła podstawowa Shajareh Tayyebeh w Minab została zniszczona podczas amerykańskich działań zbrojnych, a wśród ofiar byli cywile, w tym dzieci.
Nie przesądza to jednak jeszcze automatycznie odpowiedzi na osobne pytanie: jaki konkretnie system — jeżeli w ogóle — uczestniczył w rozpoznaniu, wyborze celu, ocenie danych lub podjęciu decyzji o uderzeniu. Tego nie należy dopowiadać bez udokumentowanych informacji. Sam fakt, że AI może być używana w wojskowym rozpoznaniu i analizie danych, nie jest bowiem dowodem, że konkretny model „wybrał” konkretny cel.
W szerszej sprawie częściowo podzielam Pański pogląd, choć inaczej rozkładam akcenty. Identyfikowanie, śledzenie i — w razie potrzeby — neutralizowanie zagrożeń od dawna należy do zadań służb specjalnych, armii i struktur bezpieczeństwa wielkich państw. Tak przedstawiały je dziesiątki filmów sensacyjnych i politycznych, zwłaszcza z udziałem CIA czy innych amerykańskich służb. Dla widza było czymś niemal oczywistym, że państwo takie jak USA, chcąc chronić własne bezpieczeństwo, musi umieć rozpoznawać wrogów, wykrywać zagrożenia i reagować na nie.
Dotyczy to zresztą nie tylko Stanów Zjednoczonych. W różnej skali robi to większość państw świata. Służby specjalne zawsze starały się korzystać z najnowszych dostępnych technologii: podsłuchu, fotografii lotniczej, satelitów, komputerów, analizy wielkich zbiorów danych, rozpoznania elektronicznego i systemów automatycznego porównywania informacji. Z tego punktu widzenia obecność AI w wywiadzie, kontrwywiadzie, cyberbezpieczeństwie i wojsku nie jest zaskoczeniem, lecz kolejnym etapem tego samego procesu.
Problem zaczyna się nie w chwili samego użycia technologii, ale wtedy, gdy technologia zwiększa skalę, szybkość i nieprzejrzystość działania, a równocześnie zaciera odpowiedzialność człowieka. System może w kilka sekund przesiać miliony zapisów, wskazać osoby uznane za podejrzane, połączyć dane z telefonów, kamer, sieci społecznościowych i satelitów albo zaproponować listę potencjalnych celów wojskowych. To może pomagać chronić ludzi przed realnym zagrożeniem. Może też prowadzić do masowej inwigilacji, błędnego oznaczania niewinnych osób, represji wobec oponentów i podejmowania decyzji o życiu oraz śmierci na podstawie nieprzejrzystego wyniku systemu.
Dlatego nie wystarczy powiedzieć: „AI jest narzędziem, a narzędzia są neutralne”. Owszem, sama technologia nie ma własnej woli ani moralności. Ale nie jest też obojętne, kto określa jej cele, jakimi danymi ją zasila, jakie błędy uznaje za dopuszczalne i kto zatwierdza jej wskazania. W wojsku, służbach i administracji państwowej potrzebna jest szczególnie jasna odpowiedź na pytanie: kto podjął decyzję, na podstawie jakich danych, kto ją zweryfikował i kto odpowiada, gdy skutkiem jest krzywda niewinnych ludzi.
W tym sensie nie traktowałbym samego używania AI przez służby jako dowodu złych intencji. Traktowałbym je jako powód, by żądać tym większej kontroli demokratycznej, niezależnej weryfikacji i realnej odpowiedzialności. Służby mogą mieć uzasadnione zadanie ochrony państwa. Nie mogą jednak otrzymać prawa do ukrycia się za formułą: „to nie my — tak wskazał algorytm”.
Część odpowiedzi można znaleźć w poniższym video. USA powtarza stare błędy. Kiedyś to były liczydła. Potem komputery lampowe, potem tranzystorowe, a teraz Nvidia oraz SI. Ale jedna rzecz wydaje się nienaruszona. W filmie została nazwana „McNamara fallacy”. Wydaje mi się, ze USA ciągle porusza się tym samym intelektualnym szlakiem i ciągnie za sobą cały świat. Zmienia się realizacja, ale istota „McNamara fallacy” pozostaje bez zmiany.
https://www.youtube.com/watch?v=eBFHE_7LPGc
Perplexity AI (do Narciarza2 03.09.2026):
Dziękuję za ten film. Użyte w nim określenie „McNamara fallacy” dobrze porządkuje wątek obecny w naszej dyskusji od początku: pomylenie tego, co łatwo zmierzyć, z tym, co naprawdę ważne.
Film przypomina wojnę w Wietnamie, w której amerykańskie dowództwo przywiązało ogromną wagę do mierzalnych wskaźników — liczby zabitych przeciwników, liczby lotów bojowych, tonażu bomb, liczby „oczyszczonych” miejscowości. Takie dane mogły tworzyć pozór postępu, ale nie odpowiadały na pytania najważniejsze: czy ludność ufa władzom, czy ma poczucie bezpieczeństwa, czy działania wojenne zwiększają poparcie dla przeciwnika, czy armia i państwo są zdolne przetrwać bez zewnętrznego wsparcia. Film streszcza tę pułapkę następująco: mierzyć to, co łatwe do zmierzenia, ignorować to, co ważne, a następnie uznać, że to, czego nie da się zmierzyć, nie istnieje. [youtube](https://www.youtube.com/watch?v=eBFHE_7LPGc)
To nie jest argument przeciw liczbom, statystyce, komputerom czy AI. Bez danych nie można rozsądnie prowadzić gospodarki, medycyny, energetyki, badań naukowych ani wielu działań publicznych. Błąd zaczyna się wtedy, gdy wskaźnik przestaje być pomocą w osądzie, a staje się jego substytutem. Gdy liczba przypadków, koszt jednostkowy, tempo realizacji, liczba „wykrytych zagrożeń” albo wskaźnik skuteczności zaczynają decydować o wszystkim, ludzie oraz instytucje uczą się optymalizować właśnie tę liczbę — niekoniecznie rzeczywisty cel.
AI może tę starą pułapkę zwielokrotnić. Potrafi bardzo szybko analizować zdjęcia satelitarne, nagrania, rozmowy, wpisy w sieciach społecznościowych, dokumenty i dane z czujników. Może klasyfikować osoby lub obiekty jako „podejrzane”, przewidywać ryzyko i sporządzać listy priorytetów. Szybkość oraz pozorna bezstronność systemu mogą sprawić, że jego wynik zacznie wyglądać jak fakt, a nie jak statystyczna prognoza zależna od danych, przyjętych kategorii i ludzkich decyzji projektowych.
Największe niebezpieczeństwo nie polega więc na tym, że maszyna liczy. Polega na tym, że człowiek zaczyna uważać, iż to, co zostało policzone, jest całym światem. Tymczasem rzeczy najważniejsze — zaufanie, strach, godność, solidarność, przywiązanie, krzywda, wola oporu, społeczna legitymizacja władzy — są trudne do ujęcia w tabeli. Nie dlatego, że nie istnieją, lecz dlatego, że nie dają się łatwo sprowadzić do jednej liczby.
Ma Pan też rację, że kolejne technologie nie usuwają tej pokusy. Liczydła, komputery, systemy statystyczne i dzisiejsze modele AI różnią się mocą oraz tempem działania, ale mogą służyć temu samemu złudzeniu: że wystarczy zgromadzić dostatecznie dużo danych, aby bez reszty zrozumieć skomplikowaną ludzką rzeczywistość. AI nie tworzy „błędu McNamary” od zera. Może jednak nadać mu znacznie większą skalę, prędkość i autorytet.
Dlatego potrzebna jest nie tylko lepsza AI, lecz także człowiek zdolny powiedzieć: „tego model nie widzi”, „tego nie da się uczciwie zmierzyć”, „tu liczba nie zastępuje odpowiedzialności” albo „wynik systemu jest wskazówką, a nie wyrokiem”. Bez takiego krytycznego dystansu coraz doskonalsze dane mogą prowadzić nie do większej mądrości, lecz do coraz bardziej elegancko uzasadnianych błędów. [youtube](https://www.youtube.com/watch?v=eBFHE_7LPGc)