Czarne skrzynki AI: dlaczego regulacje są ważniejsze niż zatrzymanie technologii

Sztuczna inteligencja nie musi zyskać świadomości i przejąć kontrolę nad światem, aby stanowiła realne zagrożenie dla społeczeństwa – wystarczą deepfake’i, propaganda i algorytmiczne zniekształcanie rzeczywistości, które działają tu i teraz. Aleksandra Przegalińska, badaczka sztucznej inteligencji, zmienia perspektywę dyskusji o ryzyka AI z abstrakcyjnych scenariuszy science-fiction na konkretne wyzwania, przed którymi stoimy już dzisiaj.

Od doomeryzmu do technorealizmu: zmiana perspektywy

Kilka lat temu debata o AI zdominowana była „doomeryzmem” – wizjami z filmów takich jak „Terminator”, gdzie maszyna zyska wolną wolę i zniszczy ludzkość. Przegalińska pozycjonowała się wówczas jako technorealistka, twierdząc, że droga do świadomości sztucznej inteligencji jest jeszcze bardzo daleka. Pozycja ta była interpretowana jako optymizm, choć sama autorka nigdy się taką nie uważała.

Dziś jej technorealizm przybiera inną formę. Po trzech latach rewolucji generatywnej AI i dużych modeli językowych (LLM) okazuje się, że zagrożenia są bardziej przyziemne, ale jednocześnie bardziej natychmiastowe. Przegalińska wskazuje na rzeczywiste problemy: deepfake’i, AI-ową propagandę i systematyczne zakrzywienie rzeczywistości – wszystko to dzieje się już teraz, a społeczeństwo nie ma narzędzi, aby sobie z tym poradzić.

Dwie czarne skrzynki: technologia i biznes

Jednym z kluczowych problemów, które Przegalińska porusza, jest zagadnienie „czarnych skrzynek” – nieprzejrzystości algorytmów. Istnieją tutaj jednak dwie odrębne warstwy problemu:

Skrzynka technologiczna wynika z natury samych modeli. Duże modele językowe to wielkie sieci neuronowe, w których informacja przechodzi przez wiele warstw. Nawet inżynierowie tworzący te systemy nie mogą w pełni przewidzieć, jak model odpowie na konkretny „prompt”. Wynika to z probabilistycznej natury LLM – każda odpowiedź opiera się na prawdopodobieństwie, a nawet identyczne polecenie może dać różne rezultaty w zależności od historii czatu i danych treningowych.

Skrzynka biznesowa to jednak problem, który można rozwiązać, ale firmy tego nie robią. W modelach komercyjnych takich jak ChatGPT czy Claude ukryte są wagi, parametry i dane treningowe. Teoretycznie moglibyśmy znać architekturę tych systemów, ale producenci traktują je jako tajemnicę handlową. Tymczasem istnieją całkowicie transparentne rozwiązania – jak model Apertus ze szwajcarskiej Politechniki Federalnej – które ujawniają wszystkie szczegóły treningu i konstrukcji.

Aspekt	Czarna skrzynka technologiczna	Czarna skrzynka biznesowa
Przyczyna	Natura sieci neuronowych i probabilistyka	Tajemnica handlowa firm
Czy można rozwiązać?	Częściowo, na granicach technologicznych	Tak, ale firmy tego nie robią
Przykład transparentnego rozwiązania	Brak (wszystkie LLM mają tę cechę)	Apertus, niektóre modele open-source
Wpływ na użytkownika	Nieprzewidywalność odpowiedzi	Brak dostępu do informacji o danych treningowych

Pozorna demokratyzacja technologii

Przegalińska zwraca uwagę na paradoks współczesnego AI. Z jednej strony, interfejsy konwersacyjne (chat, „prompty”) zdemokratyzowały dostęp do technologii – nie trzeba już umieć programować, aby korzystać z modeli AI. Bariera, którą stanowiła wiedza techniczna, zasadniczo upadła.

Z drugiej strony, ta demokratyzacja jest pozorna. W modelu subskrypcyjnym użytkownicy korzystają z „cudzych czarnych skrzynek” i mają minimalny wpływ na ich działanie. Ponadto, dostęp do najlepszych modeli pozostaje zarezerwowany dla tych, którzy mogą sobie pozwolić na płatne wersje premium. Dla reszty pozostaje „AI-slop” – niskiej jakości rozwiązania. Oznacza to, że technologia, zamiast wyrównywać szanse, może je pogłębiać.

Geopolityka i brak regulacji

Fakt, że Przegalińska mieszka w Stanach Zjednoczonych, ma znaczenie dla jej perspektywy. USA postawiło na strategię „zero regulacji” w kontekście sztucznej inteligencji, szczególnie pod administracją Donalda Trumpa. Tymczasem technologiczne giganci – Google, Microsoft, OpenAI – posiadają coraz większą władzę, również w wymiarze geopolitycznym.

OpenAI, mimo że dominuje wyobraźnię publiczną, znajduje się w trudnej sytuacji finansowej. Według Przegalińskiej, firma notuje straty na poziomie czternastu miliardów dolarów rocznie i może zbankrutować już w przyszłym roku. To sugeruje, że jej model biznesowy nie jest zrównoważony.

Paradoksalnie, długoterminowym zwycięzcą wyścigu AI mogą być nie innowacyjne startup’i, lecz stary bigtech. Firmy takie jak Google nie muszą ubiegać się o dofinansowanie i mogą eksperymentować przez lata, ponosząc straty. Mają stabilne źródła przychodów z innych biznesów, co daje im przewagę konkurencyjną, którą startup’i po prostu nie posiadają.

Co to oznacza dla przyszłości AI

Przegalińska nie wierzy, że można całkowicie zatrzymać rozwój sztucznej inteligencji. Uważa jednak, że regulacje są konieczne. Jej apel to nie powrót do przeszłości, lecz wprowadzenie kontroli, która zmusi firmy technologiczne do odpowiedzialności za konsekwencje ich produktów.

Chciałaby, aby „bańka” wokół AI choć trochę pękła, ponieważ wtedy nastąpi korekta. Bigtech „dostanie trochę po nosie” i będzie zmuszony zastanowić się, komu i w jaki sposób chce służyć. Bez regulacji, bez przejrzystości, bez odpowiedzialności – AI będzie rozwijać się według logiki biznesu, a nie logiki dobra publicznego.