Zyski z AI trafią do USA, koszty poniesie Europa. Prof. Sankowski ostrzega (WYWIAD)

Prof. Piotr Sankowski, dyrektor Instytutu Badawczego IDEAS i wykładowca Uniwersytetu Warszawskiego, został w lutym bieżącego roku powołany do globalnego panelu ekspertów ds. AI w ONZ. Gremium ma oceniać wpływ sztucznej inteligencji na światową gospodarkę i społeczeństwa. W rozmowie z XYZ mówi o pięciu etapach rozwoju AI, przyszłości rynku pracy, możliwych scenariuszach dla Europy i Polski, a także o wyzwaniach energetycznych związanych z budową kolejnych centrów danych.

– Dysproporcja infrastrukturalna jest ogromna. Liczba centrów obliczeniowych ulokowanych w Europie jest drastycznie mniejsza niż w Chinach czy Stanach Zjednoczonych, które dysponują wielokrotnie większą mocą obliczeniową. Musimy więc w Europie inwestować w infrastrukturę obliczeniową, ale należy robić to w sposób przemyślany – mówi prof. Piotr Sankowski.

Na koniec dzieli się radami dla przyszłych studentów.

Na jakim etapie rozwoju jest obecnie AI?

Łukasz Ostruszka, XYZ: Gdy byłem mały, a mojego dziadka odwiedzili znajomi z zagranicy, przywieźli ze sobą swój pierwszy telefon komórkowy. Było to ogromne urządzenie, które stało przy fotelu. Myślę o tym, jak ogromny skok wykonała technologia telefonii komórkowej od tamtego czasu do dzisiaj. Chciałbym to w jakiś sposób porównać do sztucznej inteligencji. W przypadku AI jesteśmy na początku, czyli na etapie tego dużego telefonu, czy znajdujemy się już w erze smartfonów?

Prof. Piotr Sankowski: Wydaje się, że jesteśmy już nieco dalej, choć z pewnością nie dotarliśmy jeszcze do końca tej drogi. Nawiązując do pana metafory: ten duży telefon to w tym momencie gigantyczne centra obliczeniowe, które są niezbędne do tworzenia oraz uruchamiania modeli sztucznej inteligencji. Największe z nich wymagają nieprzeciętnych mocy obliczeniowych, ponieważ obejmują biliony parametrów. Jesteśmy w momencie, w którym korzystanie z tych przełomowych, najlepszych modeli obliczeniowych – nie wspominając już o ich trenowaniu – wymaga ogromnej infrastruktury. A ta, jak pan zauważył, nie należy do najbardziej poręcznych. Z drugiej strony, w przypadku mniejszych modeli językowych dysponujemy już niewielkimi komputerami, na których jesteśmy w stanie uruchamiać je bardzo efektywnie.

Kolejne kroki AI

Jakie będą kolejne etapy tego rozwoju? Co czeka nas w najbliższej i dalszej przyszłości? Czy można w ogóle przewidzieć, w którym kierunku sztuczna inteligencja będzie ewoluować?

Obecnie wyraźnie widać dwa główne trendy. Po pierwsze, następuje bardzo dynamiczny rozwój systemów agentowych. Potrafią one wykonywać znacznie bardziej skomplikowane zadania i robią to coraz lepiej. Wszystkie duże korporacje technologiczne pracują nad tym, aby systemy te wyręczały nas w wykonywaniu kolejnych obowiązków. To się już dzieje – systemy agentowe popełniają coraz mniej błędów i potrafią realizować złożone procesy w naszym imieniu. Ten trend z pewnością przyspieszy. Wizjonerzy rynkowi wskazują na zjawisko, z którym mocno się zgadzam. Standardowy model gospodarczy, służący do szacowania PKB, opierający się dotychczas na mnożeniu produktywności jednej osoby przez liczbę pracowników, ulegnie załamaniu. Do tego równania trzeba będzie dodać produktywność agentów AI oraz liczbę kart graficznych, którymi dysponuje dany kraj.

Przeczytaj: Jaka będzie AI za 5-10 lat? Prof. Przegalińska pokazuje scenariusze

Dotychczasowa zależność siły gospodarczej od liczby mieszkańców po prostu przestanie obowiązywać, a w jej miejsce pojawi się zupełnie nowy czynnik. Jest to bezpośrednio powiązane z rozwojem wspomnianych modeli agentowych. Niektórzy szacują, że docelowo każdy obywatel będzie dysponował własną kartą graficzną lub wręcz całym zestawem. Będą wspierać go w codziennej pracy. Do tego etapu mamy jeszcze długą drogę. Wymagałoby to w przybliżeniu stukrotnego zwiększenia mocy obliczeniowej w stosunku do tej, którą dysponujemy obecnie.

A drugi trend?

Drugim zauważalnym procesem jest wzrost inteligencji samych modeli językowych. Są one w stanie rozwiązywać coraz trudniejsze problemy o charakterze naukowym i badawczym. Widzimy już ogromny wpływ tego zjawiska na nauki ścisłe, np. na badania matematyczne. Modele potrafią kreować nową wiedzę oraz dowodzić twierdzeń, które wcześniej nie zostały rozstrzygnięte. Jako przykład można podać choćby trzy problemy Erdősa, w przypadku których powszechnie uznano, że dowody przedstawione przez sztuczną inteligencję są całkowicie nowatorskie. Nie mamy tu do czynienia z adaptacją czy mechanicznym połączeniem istniejących dowodów, lecz z autentycznym wytworzeniem nowej wiedzy matematycznej. Zmieni to nie tylko pracę matematyków, ale wpłynie również diametralnie na warsztat fizyków teoretycznych oraz innych badaczy, nie wspominając o socjologii czy ekonomii. Ta transformacja, poza samą zmianą charakteru pracy, przyniesie bardzo pozytywny skutek w postaci znacznego przyspieszenia badań naukowych, tworzenia innowacji oraz rozwoju technologii w wielu innych dziedzinach.

Taka będzie AI przyszłości

Czy możemy zaprojektować oś dalszego rozwoju AI?

Warto odwołać się do koncepcji firmy OpenAI. Przedstawiła ona kilka lat temu własną pięciostopniową klasyfikację rozwoju sztucznej inteligencji. Pierwszy etap to czatboty, czyli sztuczna inteligencja konwersacyjna. Drugim etapem jest system zdolny do rozwiązywania problemów i wnioskowania na poziomie ludzkim. Agenci stanowią dopiero etap trzeci. Czwartym etapem są wspomniani przeze mnie innowatorzy, co – jak pokazuje przykład matematyki – zaczyna się już powoli dziać. Piątym, ostatnim etapem są tzw. organizatorzy, czyli sztuczna inteligencja zdolna do samodzielnego zarządzania całą organizacją, np. przedsiębiorstwem.

Jak daleko jesteśmy od piątego etapu?

Wydaje mi się, że wciąż jest dość daleko.

Choć pewne procesy już się rozpoczynają...

To prawda, bo pewne elementy już funkcjonują, a firmy w coraz większym stopniu wdrażają rozwiązania oparte na sztucznej inteligencji. Jednak w koncepcji „organizatora” chodzi o sytuację, w której stanowisko prezesa firmy obejmuje sztuczna inteligencja – i w ten sposób należy to rozumieć. Od tego momentu dzieli nas jeszcze spory dystans, choć pojawiają się już pierwsze, proste inicjatywy, takie jak choćby kawiarnia w Sztokholmie, która jest w pełni zarządzana przez sztuczną inteligencję. Oznacza to, że system samodzielnie zatrudnia pracowników i zamawia wszystkie niezbędne produkty. Zarządza nią autonomiczny agent pracy.

AI zacznie zwalniać ludzi

Jakie dostrzega pan zagrożenia na drodze do osiągnięcia tych celów? Co może być tzw. hamulcem, który zakłóci obecny rozwój sztucznej inteligencji?

Tych zagrożeń jest kilka. Pierwszym z nich, który zaczyna się już powoli materializować, jest wpływ tej technologii na rynek pracy. Wspomniałem o agentach oraz o modelach-innowatorach. Sztuczna inteligencja diametralnie zmienia sposób, w jaki pracujemy. Niektóre profesje prawdopodobnie wkrótce znikną albo formuła pracy w tych zawodach będzie musiała ulec głębokiej transformacji.

I to dzieje się niezwykle szybko.

Tak, zgadza się. Często powtarza się sformułowanie, że pracownicy korzystający ze sztucznej inteligencji zastąpią tych, którzy z niej nie korzystają. I to jest proces, który już obserwujemy. Okazuje się, że aby wykonywać określone zawody, będziemy musieli posiadać jeszcze wyższe kwalifikacje. Oprócz merytorycznego rozumienia samej profesji konieczna będzie umiejętność nadzorowania agentów sztucznej inteligencji, które nas wspierają. Te zmiany nadchodzą i wywołają poważne napięcia społeczne, ponieważ ogromna liczba osób stanie przed koniecznością całkowitego przekwalifikowania się. Wielu ekonomistów przewiduje jednak, że praca jako taka nie zniknie. Czeka nas po prostu masowa zmiana profilu zawodowego siły roboczej, podobnie jak miało to miejsce podczas poprzednich rewolucji przemysłowych. Obecna różni się od nich tym, że postępuje nieporównywalnie szybciej niż dawne przemiany związane z upowszechnieniem elektryczności czy silnika parowego.

AI pożera dużo energii

A inne zagrożenia? Wspominał pan, że dalszy rozwój wymaga znacznie większej mocy obliczeniowej. Z tym wiążą się bezpośrednio wyzwania ekologiczne związane z utrzymaniem i chłodzeniem centrów danych.

Ta kwestia nie powinna być ignorowana. W niektórych państwach zużycie energii przez centra obliczeniowe sięga już kilku lub nawet kilkunastu procent ogólnego zapotrzebowania. Staje się to wyraźnie zauważalne w krajowych bilansach energetycznych. Presja na poszukiwanie zielonych, odnawialnych źródeł energii będzie zatem rosła, bo ma to kluczowe znaczenie.

Tutaj dochodzi jeszcze kwestia nierównego dostępu do infrastruktury.

Dysproporcja infrastrukturalna jest ogromna. Liczba centrów obliczeniowych ulokowanych w Europie jest drastycznie mniejsza w porównaniu z Chinami czy Stanami Zjednoczonymi, które dysponują wielokrotnie większą mocą obliczeniową. Musimy więc w Europie inwestować w infrastrukturę obliczeniową, ale należy robić to w sposób przemyślany. Samo wybudowanie centrów, tzw. fabryk sztucznej inteligencji czy gigawatowych centrów danych, bez jednoczesnego stworzenia wokół nich całego ekosystemu innowacji nie przyniesie zamierzonych skutków. Jeśli nie będziemy mieli własnych, rodzimych projektów zdolnych wykorzystać te zasoby, nowo powstała infrastruktura w Europie i tak będzie służyć amerykańskim korporacjom. Doprowadziłoby to do paradoksalnej sytuacji, w której eksportowalibyśmy do Europy negatywne skutki ekologiczne ze Stanów Zjednoczonych. Koszty środowiskowe ponosilibyśmy na miejscu, a zyski biznesowe przenosilibyśmy za ocean.

Taki brak zrównoważonego rozwoju sztucznej inteligencji na globalną skalę stanowi poważne zagrożenie. Dotyczy to Polski, ale w jeszcze większym stopniu krajów globalnego Południa. Tam poziom inwestycji w sztuczną inteligencję jest wielokrotnie niższy niż u nas, choć i w Polsce jest przecież skromny.

Zadania dla Europy i Polski

Dysproporcje będą się powiększać?

Tak, ponieważ wiąże się to ze wspomnianą zmianą paradygmatu produktu krajowego brutto oraz z potencjalnym rozsynchronizowaniem gospodarczym. Jeśli zadania i procesy będą realizowane przez infrastrukturę oraz modele należące do amerykańskich gigantów technologicznych, to zamiast opłacać pracownika tutaj, w Polsce, będziemy płacić za subskrypcję lub dostęp do modelu sztucznej inteligencji działającego w Stanach Zjednoczonych. W ten sposób zyski będą systematycznie przenoszone poza Polskę i Unię Europejską. To niesie za sobą poważne konsekwencje ekonomiczne wynikające z zastąpienia ludzkiej pracy technologią kontrolowaną przez zewnętrzne podmioty.

Co możemy zrobić, aby się przed tym zabezpieczyć? Jakie kroki powinny podjąć Europa i Polska, by nie pozostać w tyle w tym wyścigu systemów agentowych?

Na rozwój nigdy nie jest za późno. Choć technologia ewoluuje niezwykle dynamicznie, proces ten nie zakończy się jutro. Z całą pewnością musimy w nim aktywnie uczestniczyć i inwestować na wielu płaszczyznach. Absolutnym fundamentem jest drastyczne zwiększenie nakładów na edukację. Warto w tym kontekście poprzeć m.in. postulaty dotyczące przeznaczania 3 proc. PKB na naukę, ponieważ to właśnie w środowisku akademickim i badawczym rodzą się te technologie.

Równolegle musimy stymulować transfer wiedzy między nauką a biznesem. Ostatnio Ministerstwo Nauki opublikowało bardzo dobre rekomendacje w tym zakresie, wypracowane przez zespół pod przewodnictwem Natalii Osicy. Warto te zmiany wdrażać. W Polsce mamy doskonały punkt wyjścia. Od lat kształcimy światowej klasy informatyków, którzy odnoszą spektakularne sukcesy za granicą, choć niestety nieco rzadziej w kraju. Posiadamy znakomity kapitał ludzki, na bazie którego moglibyśmy budować potężne rodzime przedsiębiorstwa technologiczne. W tym celu musimy jednak zmodyfikować profil kształcenia programistów, uzupełniając doskonałą wiedzę twardą o kompetencje biznesowe i przedsiębiorczość.

Z kolei jako Unia Europejska musimy podjąć działania w celu ułatwienia i wspierania skalowania przedsiębiorstw na rynku wewnętrznym. Wciąż dużym problemem pozostaje rozdrobnienie rynku europejskiego. Stany Zjednoczone nie muszą się mierzyć z takim wyzwaniem. Konieczna jest mądra deregulacja połączona z integracją i ujednoliceniem rynku wewnątrz Wspólnoty.

Regulacja AI i wsparcie innowacji

Czy Europa jest przeregulowana w zakresie sztucznej inteligencji? A może dobrze, że na naszym kontynencie myślimy o normowaniu pewnych kwestii ze względu na aspekty społeczne czy środowiskowe?

Tworzenie regulacji ma z reguły głęboki sens, o ile jest wprowadzane w sposób przemyślany. Procesowi regulowania rynku powinno nieodłącznie towarzyszyć silne wsparcie dla powstawania nowych, innowacyjnych rozwiązań oraz integracji rynku. Wprowadzanie restrykcyjnych przepisów bez jednoczesnego równoważenia ich negatywnych skutków – a regulacje z natury rzeczy utrudniają prowadzenie biznesu czy zakładanie startupów – jest błędem. Te dwa działania muszą iść w parze. Niestety w Europie często obserwujemy tendencję do wdrażania rygorystycznych ram prawnych bez jednoczesnego zapewnienia adekwatnego wsparcia dla innowacji. Musimy to zmienić i dążyć do tego, aby finansowanie rozwoju technologii opartych na sztucznej inteligencji na poziomie europejskim było zdecydowanie wyższe niż obecnie.

AI lubi studentów

Panie profesorze, wspomniał pan o edukacji. Wielu młodych ludzi zastanawia się teraz nad wyborem kierunku studiów albo nad jego zmianą, bo obserwuje, co dzieje się na rynku pracy. Z różnych stron docierają do nich głosy, że sama informatyka nie gwarantuje już dziś stabilnej i silnej pozycji. O co młodzi powinni zadbać?

Warto uświadomić sobie, że czysto faktograficzna wiedza zdobywana w trakcie studiów może zdezaktualizować się stosunkowo szybko i okazać się mniej przydatna. Kluczową rolą dobrych, renomowanych studiów jest wykształcenie umiejętności ciągłego uczenia się i adaptacji. Uczelnie nie powinny uczyć konkretnego rzemiosła czy pisania kodu w danym języku. Powinny uczyć, jak sprawnie przyswajać nowe technologie, jak być na bieżąco i elastycznie reagować na zmiany na rynku. To właśnie ta metakompetencja będzie kluczowa w przyszłości – nie sztywne umiejętności twarde, lecz zdolność do permanentnej nauki.

Przeczytaj: AI przyjdzie i zabierze nam pracę? Bank Światowy ma prognozę dla Polski

Niezmiennie warto wybierać kierunki trudne, wymagające i elitarne, prowadzone przez najlepsze uczelnie. W ekonomii doskonale opisuje to tzw. teoria sygnalizowania, za którą Michael Spence, wraz z dwoma innymi badaczami, otrzymał w 2001 r. Nagrodę Nobla. Według tej koncepcji studia nie służą wyłącznie zdobyciu wąskich kompetencji, ale stanowią przede wszystkim wyraźny sygnał dla przyszłego pracodawcy, mówiący: „Potrafię ciężko pracować, ukończyłem wymagający proces selekcji, potrafię się adaptować i przyswajać skomplikowaną wiedzę”. Ten czynnik sygnalizacyjny może stać się dominujący w procesach rekrutacyjnych w nadchodzących latach.

Główne wnioski

1. Kluczowym czynnikiem wzrostu w przyszłości staną się zaawansowane systemy agentowe oraz moc obliczeniowa, mierzona m.in. liczbą kart graficznych. Na rynku pracy przetrwają osoby, które potrafią nadzorować te systemy i elastycznie się adaptować – specjaliści posługujący się AI zastąpią tych, którzy z niej nie korzystają.
2. Europie, w tym Polsce, grozi scenariusz, w którym stanie się jedynie „ekologicznym zapleczem” dla amerykańskich gigantów technologicznych. Budowa samych centrów danych bez jednoczesnego rozwoju rodzimych innowacji, przy przeregulowaniu rynku i braku wystarczającego wsparcia finansowego, doprowadzi do transferu zysków biznesowych za ocean, podczas gdy koszty środowiskowe będziemy ponosić na miejscu.
3. W obliczu błyskawicznego rozwoju technologii twarda, czysto faktograficzna wiedza, np. umiejętność pisania kodu w konkretnym języku, szybko traci na wartości. Kluczową metakompetencją przyszłości staje się zdolność do permanentnej nauki i adaptacji. Same studia – zwłaszcza te na trudnych, elitarnych kierunkach – zyskują na znaczeniu jako tzw. sygnał dla pracodawcy, że kandydat potrafi przejść wymagający proces selekcji i przyswajać sobie skomplikowane zagadnienia.