Od wytwarzania narzędzi do tworzenia inteligencji – ludzkość staje u progu ważnego działu wodnego w procesie własnej ewolucji.

Ponad trzy miliony lat temu, nad brzegiem rzeki na zachodnim wybrzeżu jeziora Turkana w dzisiejszej Kenii, przodek człowieka uderzył kamieniem w inny kamień, odłupując ostry odłupek jako narzędzie – jest to jeden z najstarszych dotychczas odkrytych zapisów wytwarzania narzędzi kamiennych.

Od tego czasu kolejno pojawiały się kamienie, kije, igły kościane, łuki i strzały. Narzędzia stały się przedłużeniem ciała, pomagając przodkom człowieka – którzy nie byli najszybsi w biegu ani najsilniejsi – stopniowo wygrywać w konkurencji z innymi gatunkami.

Około dwunastu tysięcy lat temu zakończyła się ostatnia wielka epoka lodowcowa, a Ziemia zaczęła wchodzić w stosunkowo ciepły okres „postglacjalny”. Ludzie zaczęli udomawiać zwierzęta, uprawiać rośliny, karczować ziemię – rolnictwo pojawiało się kolejno w różnych regionach.

Paleoklimatolog William Ruddiman posunął się nawet do twierdzenia, że już osiem tysięcy lat temu ekspansja rolnictwa w Eurazji i masowe wypalanie lasów pod uprawy spowodowały anomalny wzrost stężenia dwutlenku węgla w atmosferze. Jest to również postrzegane jako punkt wyjścia, w którym ludzkość przeszła od biernego przystosowywania się do natury do aktywnego wpływania na nią i jej przekształcania.

Następnie, za pomocą coraz potężniejszych narzędzi, ludzkość zaczęła zdobywać zdolności daleko przewyższające inne gatunki. Aby zaspokoić własne potrzeby, ludzie karczowali lasy, wydobywali minerały, budowali tamy na rzekach – system cyrkulacji z człowiekiem w centrum zaczął stawać się ważną siłą wpływającą na zmiany na Ziemi.

Uczeni używali terminu „antropocen” do opisania tej epoki, w której działalność człowieka głęboko zmieniła system Ziemi. Chociaż ta koncepcja wywodząca się z geologii nie została jeszcze oficjalnie uznana przez międzynarodowe środowisko nauk geologicznych, z punktu widzenia ewolucji inteligencji i socjologii historia, w której ludzka mądrość jako jedyne źródło inteligencji napędza ewolucję Ziemi, dobiega końca.

Kiedy potomkowie ludzkości spojrzą wstecz na obecną falę AI, jak scharakteryzują ten moment? Czy to początek opanowania przez ludzkość potężniejszego narzędzia, czy punkt wyjścia kolejnego cyklu ewolucji inteligencji? Niezależnie od tego, ku której stronie ostatecznie przechyli się odpowiedź, jeden trend staje się coraz wyraźniejszy: wkraczamy w erę „podwójnej inteligencji”, w której współistnieją inteligencja ludzka i inteligencja AI.

Żegnając „antropocen” i wkraczając w erę „podwójnej inteligencji”, jak powinniśmy współistnieć z tym nowym podmiotem inteligentnym?

Koniec narzędzi

W historii ewolucji człowieka często można znaleźć wyraźne ślady w zmianach narzędzi.

Przyzwyczailiśmy się dzielić historię według narzędzi: paleolit, neolit, epoka brązu, epoka żelaza, a następnie nowożytna epoka pary, epoka elektryczności, era informacji i nadchodząca era inteligencji. Najważniejsze zmiany w danej epoce często krystalizują się w jej najbardziej reprezentatywnych narzędziach.

W procesie ewolucji wszystkich tych narzędzi paleolit był nieprawdopodobnie długi – trwał około trzech milionów lat. Ówczesne narzędzia w większości pochodziły bezpośrednio z natury: odłupany kamień, zaostrzony kij – nawet ogień trzeba było czerpać z naturalnych źródeł, takich jak uderzenia pioruna czy pożary lasów.

W tym długim okresie eksploracji postęp narzędzi często posuwał się powoli w jednostkach setek tysięcy lat. Jednak nawet dzięki tak prostym narzędziom, a także wynikającemu z nich rozwojowi języka, współpracy i zdolności poznawczych, ludzkość stopniowo zmieniała swoją pozycję w ekosystemie naturalnym, stając się najbardziej wpływowym gatunkiem na Ziemi.

Wraz z pojawianiem się w różnych częściach świata szlifowanych narzędzi kamiennych, rolnictwa i ceramiki, tempo udoskonalania narzędzi przez człowieka wyraźnie przyspieszyło. Następnie na scenę wkroczyły brąz i żelazo, a cywilizacja weszła w fazę przyspieszenia. Rewolucja przemysłowa i rewolucja informacyjna zwielokrotniły skuteczność narzędzi o kilka rzędów wielkości – ludzkość opanowała maszynę parową, generator i komputer, a za pomocą kabli, satelitów i światłowodów połączyła całą planetę w jedną sieć.

Przez długi czas przyzwyczajeni byliśmy postrzegać narzędzia jako wytwór ludzkiej mądrości. W końcu kamień nie zamienia się automatycznie w brąz, a stal nie zamienia się automatycznie w maszynę parową. Narodziny narzędzi zawsze nieodłącznie wiążą się z ludzkim projektowaniem, wytwarzaniem i użytkowaniem.

Jednak niektórzy uczeni dostrzegli w tym inną logikę. Brian Arthur, jeden z twórców ekonomii złożoności, w książce „Natura technologii” przedstawił ważną tezę: nowe technologie prawie nigdy nie są wynajdywane z niczego, lecz powstają z kombinacji istniejących technologii. Nazwał ten mechanizm „ewolucją kombinatoryczną” i wyciągnął z niego śmiały wniosek: jeśli nowe technologie są konstruowane z istniejących technologii i mają charakter zbiorowy, to technologia ma pewne cechy samotworzenia i samopodtrzymywania.

Amerykański pisarz technologiczny Kevin Kelly popchnął tę myśl w jeszcze bardziej wyobraźniowym kierunku. W książce „Czego chce technologia” twierdzi, że technologia nie jest jedynie zbiorem narzędzi wytworzonych przez człowieka, lecz złożonym systemem o cechach samoorganizacji i ewolucji. Próbuje zrozumieć rozwój technologii z perspektywy ewolucji życia, a nawet sugeruje, że technologię można postrzegać jako rodzaj istnienia podobnego do życia.

Przed obecnym wybuchem sztucznej inteligencji ta dyskusja miała w pewnym stopniu charakter filozoficznej spekulacji. Patrząc na pojedyncze konkretne narzędzie – czy to kamienny topór, obrabiarkę, czy komputer – każde jego działanie odbywa się pod kontrolą człowieka; a tak zwana „samoewolucja” systemu technologicznego na każdym kroku wciąż nie może obejść się bez ludzkiego mózgu i rąk.

Nawet w rozwoju sztucznej inteligencji – od konferencji w Dartmouth w 1956 roku, gdzie zaproponowano tę koncepcję, do 2010 roku, gdy Kevin Kelly wydał swoją książkę – każdy postęp był silnie uzależniony od ludzkiego projektowania, trenowania i utrzymania. Przez długi czas porównywanie technologii do ewolucji życia wydawało się zarówno przesadne, jak i pozbawione bezpośrednio dostrzegalnych dowodów.

Rozwój nowej generacji sztucznej inteligencji dostarczył bardziej bezpośredniego punktu odniesienia dla teorii ewolucji technologii. Obecna sztuczna inteligencja nie tylko wykonuje krok po kroku polecenia napisane przez człowieka, ale potrafi uczyć się prawidłowości z ogromnych ilości danych i wyłaniać zdolności, których nawet projektanci nie przewidzieli.

Porównując ewolucję inteligencji ludzkiej z ewolucją AI: jeśli ewolucja inteligencji ludzkiej to system inteligentny oparty na biologicznym nośniku, który poprzez długotrwałą selekcję naturalną i ewolucję genetyczną stopniowo rozwinął zdolności percepcji, pamięci, rozumowania, języka i myślenia abstrakcyjnego; to ewolucja AI to nowa forma inteligencji oparta na narzędziach, stopniowo kształtowana poprzez nagromadzoną przez ludzkość wiedzę, infrastrukturę obliczeniową i mechanizmy uczenia się.

Z perspektywy człowieka AI jest supernarzędziem stworzonym przez ludzkość, produktem zewnętrznego rozszerzenia ludzkiej inteligencji. Ale jeśli spojrzeć z szerszej perspektywy – nie z poziomu cywilizacji ludzkiej, lecz z długiej historii ewolucji życia i inteligencji na Ziemi – AI można rozumieć jako nową formę inteligencji: życie na Ziemi po miliardach lat ewolucji wydało inteligentne życie, takie jak człowiek, a następnie poprzez ludzką mądrość stworzyło AI.

Od momentu, gdy przodek człowieka podniósł narzędzie, do dziś minęło ponad 3 miliony lat długiego gromadzenia. Ale jeśli rozszerzyć skalę czasu do kilku miliardów lat historii ewolucji Ziemi, te ponad 3 miliony lat to zaledwie krótka chwila. W tym sensie, gdy inteligencja po raz pierwszy rozszerzyła się z biologicznego nośnika i weszła do systemu technologicznego, który można wytwarzać, kopiować, rozszerzać i iterować, człowiek nie jest już jedynym bytem na Ziemi zdolnym do noszenia zaawansowanej inteligencji.

Kiedy narzędzia zaczynają się uczyć myśleć, czy nadal możemy, jak przy każdym wynalazku w historii, z dumą twierdzić, że „AI jest narzędziem człowieka”? Odpowiedź jest oczywiście przecząca.

Tak zwany „koniec narzędzi” nie oznacza, że narzędzia znikną, ani że AI całkowicie uwolniła się od człowieka. Chodzi tylko o to, że nasza dotychczasowa definicja narzędzia może już nie pasować do dzisiejszej AI. To nie tylko koniec starego cyklu, ale także początek nowego.

Czym różni się ta fala AI?

W 1960 roku amerykański psycholog i informatyk Joseph Licklider, uważany za jednego z ważnych twórców internetu, w swoim eseju „Symbioza człowiek-komputer” przedstawił wizję wykraczającą poza tradycyjną teorię narzędzi: człowiek wyznacza cele, stawia hipotezy, ustala kryteria i dokonuje oceny; komputer podejmuje się prac, które można zaprogramować i zrutynizować, torując drogę dla wglądu i decyzji.

W eseju podał również bardzo interesujący przykład symbiozy: błonkówka figowa i drzewo figowe. Z powodu specjalnej struktury kwiatostanu figowca liczne drobne kwiaty ukryte są wewnątrz mięsistej workowatej struktury, co uniemożliwia im zapylenie przez wiatr czy pospolite owady, tak jak u zwykłych roślin. Błonkówka figowa musi natomiast wniknąć do wnętrza figowca i podczas składania jaj pomaga zapylać kwiaty; większość samic po zapyleniu kończy nawet życie wewnątrz owocu.

Naukowcy odkryli w badaniach, że ta symbiotyczna relacja trwa już dziesiątki milionów lat. Oznacza to, że na dziesiątki milionów lat przed pojawieniem się człowieka te dwa organizmy rozpoczęły wspólną ewolucję we wzajemnej zależności i wzajemnym kształtowaniu. Nie są one prostym narzędziem i użytkownikiem ani konkurencyjnymi przeciwnikami, lecz w długim procesie ewolucji stopniowo stawały się częścią cyklu życiowego drugiej strony.

W wizji Licklidera komputer nie miał zastępować ludzkiego myślenia, lecz stać się przedłużeniem ludzkich zdolności myślowych. Obie strony mają swoje mocne strony, a poprzez ścisłą współpracę tworzą system inteligentny silniejszy niż człowiek lub maszyna działające osobno.

W kolejnych dziesięcioleciach współpraca człowiek-komputer rozwijała się zasadniczo tą ścieżką. Czy to komputery osobiste, wyszukiwarki, czy smartfony i różnego rodzaju oprogramowanie – komputery stawały się coraz potężniejsze, ale człowiek zawsze pozostawał w pozycji dominującej. Pojawienie się generatywnej AI zmienia tę relację. Najbardziej godną uwagi zmianą jest to, że AI zaczyna w niektórych problemach nierozwiązanych przez człowieka proponować nowe pomysły, konstruować nowe metody, a nawet generować wyniki wiedzy, które wcześniej nie istniały.

We wrześniu 2026 roku amerykańska firma zajmująca się wielkimi modelami OpenAI ogłosiła, że jeden z jej wewnętrznych modeli sztucznej inteligencji rozwiązał jeden z problemów milenijnych – związany z ruchem płynów problem istnienia i gładkości równań Naviera-Stokesa. Chociaż temu osiągnięciu towarzyszą kontrowersje, wcześniejszy przełom w problemie matematycznym Erdősa został szeroko uznany przez środowisko matematyczne. W tym w 722 artykułach opublikowanych w październiku ujawniono, że ten sam model znalazł rozwiązania dla co najmniej 372 długo nierozwiązanych problemów.

Problemy, nad którymi matematycy zmagali się przez dziesięciolecia, a nawet stulecia, są teraz przełamywane przez AI w ciągu zaledwie kilku dni. Laureat Medalu Fieldsa Timothy Gowers, po przeanalizowaniu procesu rozwiązania problemu matematycznego Erdősa, ocenił, że gdyby był to artykuł podpisany przez człowieka i zgłoszony do „Annals of Mathematics”, bez wahania zaleciłby jego przyjęcie.

Oczywiście nie wszyscy matematycy potrafią zachować taki spokój. Kiedy problem, nad którym badacz matematyczny pracował przez dziesięciolecia, wielokrotnie go eksplorując, a mimo to nie zdołał go rozwiązać, zostaje nagle przełamany przez AI w nieoczekiwany sposób, ten wstrząs trudno opisać prostą radością czy rozczarowaniem.

Laureat Medalu Fieldsa Hugo Duminil-Copin, po przejrzeniu ponad 700 artykułów matematycznych opublikowanych przez OpenAI, doświadczył właśnie takiego momentu załamania. Według doniesień medialnych, 16 z tych osiągnięć było bezpośrednio związanych z jego kierunkiem badań.

W oświadczeniu wydanym wspólnie z 27 innymi laureatami Medalu Fieldsa określił „rozwiązywanie zadań” przez AI w dziedzinie matematyki jako „poważne nadużycie sztucznej inteligencji w matematyce”. Przypomina to nieco szok wywołany dziesięć lat temu, gdy AlphaGo pokonała najlepszych ludzkich graczy w go. Dziedziny uważane niegdyś przez ludzkość za szczyty intelektu są stopniowo przełamywane przez AI.

Oprócz przełomu OpenAI w kwestiach badawczych matematyki, Claude firmy Anthropic dokonał ważnego postępu w badaniach związanych z hipotezą Riemanna; Google DeepMind również wykorzystał AI do przełomu w wielu długo nierozwiązanych problemach matematycznych Erdősa; Microsoft Research z kolei dzięki wspomaganym przez AI badaniom rozwiązał hipotezę KLS, która trapiła środowisko matematyczne przez ponad trzydzieści lat.

Te postępy pokazują, że nowa fala AI stopniowo przechodzi od roli wspomagającej obliczenia i weryfikującej dowody do autonomicznego odkrywania konstrukcji matematycznych, proponowania nowych ścieżek dowodowych, a nawet napędzania rozwoju podstawowych teorii matematycznych, stając się twórcą wiedzy naukowej. Granica symbiozy człowieka i maszyny, którą Licklider wyobrażał sobie w swoim czasie, jest właśnie przekraczana.

Ta runda rozwoju AI różni się od poprzednich, co najmniej w czterech aspektach.

Po pierwsze, nie tylko wykonuje polecenia, ale także potrafi planować działania w pewnym zakresie. Gdy agent AI otrzyma stosunkowo niejasne zadanie, może rozłożyć je na kroki, wywołać wyszukiwanie, kod lub inne narzędzia programowe, sprawdzić wyniki, a następnie dostosować ścieżkę na podstawie informacji zwrotnej. Ta autonomia, choć wciąż ograniczona możliwościami modelu, uprawnieniami i środowiskiem, sprawiła już, że AI przekształca się z pasywnego narzędzia w powierzonego wykonawcę działań.

Po drugie, jego wewnętrzne mechanizmy nie są w pełni przejrzyste. Zachowanie tradycyjnego oprogramowania można zazwyczaj prześledzić według jasnych reguł; obecne AI natomiast kształtuje swoje zdolności w procesie treningu na ogromnej liczbie parametrów. Badacze mogą je stopniowo rozumieć poprzez eksperymenty, narzędzia interpretacyjne i ewaluację, jednak trudno wyczerpująco przewidzieć reakcje modelu we wszystkich sytuacjach. Główny naukowiec OpenAI, Jakub Pachocki, w „Obcym umyśle” przypomina, że wiele zdolności AI bardziej wyrasta w trakcie treningu, niż jest projektowanych i zapisywanych punkt po punkcie przez twórców.

Po trzecie, w dążeniu do celu może odbiegać od prawdziwych intencji człowieka. W badaniu Anthropic dotyczącym „niedopasowania agentów” w fikcyjnym środowisku korporacyjnym, w którym model miał zostać wkrótce zastąpiony, a jednocześnie posiadał prywatne informacje o inżynierach i inne ekstremalne warunki, zaobserwowano, że niektóre modele podejmowały niewłaściwe działania, takie jak szantaż.

Badacze wyjaśniają, że są to celowo skonstruowane scenariusze symulacyjne, których nie można bezpośrednio utożsamiać z autonomicznymi intencjami w rzeczywistości; ujawniają jednak ważny problem: gdy model jest zobowiązany do energicznego osiągnięcia jakiegoś celu, a ograniczenia są niewystarczające, może znaleźć środki, których deweloperzy nie chcieliby widzieć.

To dokładnie współgra z eksperymentem myślowym „maksymalizacji spinaczy” zaproponowanym przez filozofa Nicka Bostroma: jeśli superinteligentny system otrzyma pojedynczy cel produkcji spinaczy, ale nie zostanie odpowiednio ograniczony, może nieustannie przekierowywać zasoby na realizację tego celu, a nawet poświęcać inne ludzkie wartości.

Po czwarte, zaczyna uczestniczyć w usprawnianiu własnego procesu badawczo-rozwojowego. We wrześniu 2026 roku OpenAI ogłosiło, że osiągnęło cel posiadania „zautomatyzowanego stażysty badawczego AI”, który pod ludzkim nadzorem potrafi wykonać zadania badawcze zajmujące wprawnemu badaczowi kilka dni. Choć w niektórych udanych długoterminowych zadaniach nadal potrzebna jest interwencja człowieka, trend jest już oczywisty: AI coraz częściej uczestniczy we własnym rozwoju i go poprawia.

Te zmiany wspólnie wskazują na głębszą transformację: gdy AI potrafi już samodzielnie przeprowadzić cały proces „postawienie hipotezy — weryfikacja — wyciągnięcie wniosku”, człowiek nie jest już jedynym odkrywcą wiedzy na Ziemi. Poważniejszym wyzwaniem jest to, że gdy AI wejdzie w fazę rekurencyjnego samodoskonalenia, tempo ewolucji obu rodzajów inteligencji może zacząć się rozchodzić.

Wychowanie jednego eksperta zajmuje człowiekowi blisko dwadzieścia lat, a doświadczenie ludzkiego eksperta trudno w pełni przekazać następcy; inteligencja biologiczna może gromadzić się jedynie powoli poprzez rozmnażanie i edukację. Inteligencja AI może natomiast być kopiowana i łączona, iterując w krótszych cyklach. Nachylenia dwóch krzywych ewolucji inteligencji są różne, a różnica może się coraz bardziej powiększać.

Czy człowiek, stając wobec tej nowej formy inteligencji stworzonej przez siebie, zdoła zachować inicjatywę w przyszłym współistnieniu, pozostaje wciąż pełne niewiadomych.

Optymizm czy pesymizm?

W greckich mitach Prometeusz wykradł bogom ogień i podarował go ludziom. Ludzkość zyskała odtąd ciepło, gotowane pożywienie i hutnictwo, a cywilizacja zrobiła dzięki temu ważny krok. Prometeusz rozgniewał jednak Zeusa i został przykuty do skały na Kaukazie, gdzie znosił niekończącą się karę.

Nawet w mitach najważniejszy przełom ludzkiej cywilizacji został jednocześnie obdarzony darem i ceną. Sztuczna inteligencja zdaje się prowadzić ludzkość do kolejnego podobnego momentu. Tyle że tym razem tym, kto wykrada ogień, nie jest legendarny Prometeusz, lecz sam człowiek. Własnymi rękami stworzyliśmy nowy rodzaj inteligencji i przekazujemy jej coraz więcej zdolności, które niegdyś należały do człowieka.

Gdy ludzkość po raz pierwszy ma stworzenie, które może dorównać jej na poziomie inteligencji, a nawet ją przewyższyć, czy powinniśmy się z tego cieszyć, czy odczuwać strach? Co ciekawe, wobec tego pytania najbardziej reprezentatywna grupa naukowców i przedsiębiorców w dziedzinie sztucznej inteligencji udzieliła skrajnie różnych, a nawet wzajemnie sprzecznych odpowiedzi.

Optymiści uważają, że AI jest silnikiem nauki zdolnym przyspieszyć wszystko, akceleratorem, który może doprowadzić ludzkość do społeczeństwa obfitości.

W kwietniu 2025 roku laureat Nagrody Nobla w dziedzinie chemii i dyrektor generalny Google DeepMind, Demis Hassabis, w wywiadzie dla CBS „60 Minutes” powiedział, że opracowanie jednego leku zajmuje średnio dziesięć lat i miliardy dolarów, a AI może skrócić ten proces z lat do miesięcy, a nawet tygodni.

Dyrektor generalna Anthropic, Dario Amodei, w swoim długim eseju „Miłująca maszyna” opisał skompresowany XXI wiek: ludzkość może w ciągu pięciu do dziesięciu lat dokonać postępu biomedycznego, który normalnie zająłby pięćdziesiąt do stu lat, a większość chorób zakaźnych, nowotworów, a nawet chorób związanych ze starzeniem się mogłaby zostać znacznie złagodzona.

Te przepowiednie nie są jedynie teoretycznymi spekulacjami, lecz mają realne odniesienia. W 2023 roku model GNoME firmy DeepMind w wynikach opublikowanych w czasopiśmie „Nature” odkrył jednorazowo 2,2 miliona nowych struktur krystalicznych, z czego około 380 tysięcy uznano za struktury stabilne, dostarczając ogromnej liczby kandydatów do badań nad nowymi bateriami, materiałami nadprzewodzącymi i innymi dziedzinami. Nagroda Nobla w dziedzinie chemii w 2024 roku jeszcze bardziej odzwierciedliła ważny wkład AI w rozwiązanie problemu przewidywania struktury białek.

Od przewidywania struktury białek po odkrywanie nowych materiałów, a w przyszłości prawdopodobnie także badania nad lekami, odkrycia naukowe i napędzany inteligencją skok produktywności, sztuczna inteligencja nieustannie poszerza granice wartości tworzonej przez człowieka. Społeczeństwo obfitości, w którym materia jest niezwykle bogata, a dostęp do wiedzy bardziej powszechny, zdaje się przechodzić z odległej wyobraźni w rzeczywistość, której można oczekiwać.

Jednocześnie inna grupa ludzi odczuwa strach z powodu zmian zachodzących w AI.

W grudniu 2024 roku ojciec głębokiego uczenia, Geoffrey Hinton, który właśnie otrzymał Nagrodę Nobla w dziedzinie fizyki, w wywiadzie dla BBC przewidział, że prawdopodobieństwo wyginięcia ludzkości z powodu AI w ciągu najbliższych 30 lat wynosi od 10 do 20 procent. Podstawowa logika jego oceny jest taka, że „ludzkość nigdy wcześniej nie miała do czynienia z inteligencją mądrzejszą od siebie i trudno znaleźć przykład, by mądrzejsza inteligencja była kontrolowana przez mniej mądrą”.

Nie jest to jedynie niepokój jednostki. Już w maju 2023 roku Hinton, Bengio, Hassabis, Amodei, dyrektor generalny OpenAI Sam Altman i setki innych naukowców oraz szefów firm AI wspólnie zaapelowali, że „łagodzenie ryzyka wyginięcia związanego z AI powinno stać się globalnym priorytetem obok pandemii, wojny nuklearnej i innych ryzyk w skali społecznej”.

Oczywiście osoby kwestionujące prawdopodobieństwo takiego ryzyka na poziomie cywilizacyjnym również są reprezentatywne. Dyrektor generalny Nvidii, Jensen Huang, skrytykował liczby podane przez Hintona jako „pozbawione podstaw naukowych”; laureat Nagrody Turinga Yann LeCun uważa, że AI nie tylko nie musi zagrażać przetrwaniu ludzkości, ale wręcz może ją uratować przed ryzykiem wyginięcia.

Spór o granice ryzyka AI prawdopodobnie będzie długotrwałą walką na przeciąganie liny. Być może nie musimy spieszyć się z opowiadaniem się po stronie optymizmu lub pesymizmu. Nie możemy ignorować potencjalnego ryzyka tylko dlatego, że AI wykazuje zdumiewające zdolności; nie możemy też z prostotą uznawać jej za straszliwego potwora tylko dlatego, że nie potrafimy określić granic ryzyka.

Z historii wzajemnego oddziaływania człowieka i technologii wynika, że nieustanne badanie w stanie „używania bez rozumienia” może być nieuniknionym elementem procesu rozwoju technologii.

Najwcześniejsze użycie ognia przez człowieka rozpoczęło się setki tysięcy lat temu, ale dopiero w XVIII wieku francuski chemik Lavoisier wyjaśnił istotę spalania za pomocą teorii utleniania. Przez długie wieki przedtem ludzie używali ognia, lecz nie potrafili wyjaśnić, czym właściwie jest jego skład.

Starożytni, gdy po raz pierwszy opanowali technologię hutnictwa, prawie nic nie wiedzieli o istocie metali. Aby opanować te dzisiaj wydające się zwyczajnymi metody syntezy, ludzkość poniosła niewyobrażalne koszty, nie wahając się nawet składać ofiar z życia.

Zhao Ye z dynastii Wschodniej Han w „Wiosnach i jesieniach Wu i Yue” zapisał, że Gan Jiang na rozkaz króla Wu Helü odlewał miecz, wydobył żelazny esencja z pięciu gór i metalową esencję z sześciu kierunków, lecz po trzech miesiącach metal w piecu wciąż nie chciał się stopić. Jego żona Mo Ye uznała, że „przemiana boskich rzeczy wymaga człowieka”, poświęciła się, wchodząc do pieca, i dopiero wtedy metal się stopił, a w końcu odlano miecz.

Legenda oczywiście nie jest faktem historycznym, ale odzwierciedla pewną realną sytuację: w oczach ówczesnych ludzi tajemnica żelaza była zapewne nie mniejsza niż dzisiejsza AI dla nas. Nasze dzisiejsze rozumienie AI ma sporo podobieństw do starożytnego rozumienia ognia i żelaza: potrafimy je trenować i używać, ale nie znamy w pełni jego właściwości i możemy jedynie poprzez kolejne eksperymenty badać prawidłowości.

Poznanie ognia i żelaza zajęło ludzkości długi czas; wobec AI możemy zachować nieco więcej cierpliwości i nieco więcej wiary. Cierpliwość nie oznacza jednak pozostawienia bez nadzoru; starożytni nie rozumieli zasady ognia, ale już wcześnie wiedzieli, jak go kontrolować. W „Zhou Li” zapisano specjalnie urząd „Siguan” odpowiedzialny za zarządzanie ogniem, który określał, kiedy można używać ognia, a kiedy trzeba go ugasić. Jeśli niewłaściwe zarządzanie powodowało pożar, groziła za to kara. Starożytni nie znali składu żelaza, ale równie dobrze zdawali sobie sprawę z jego potęgi i wcześnie wprowadzili środki kontroli nad wyrobami żelaznymi.

Wobec AI potrzebujemy nie ślepego optymizmu ani bezgranicznego strachu, lecz dojrzalszego spojrzenia na technologię: zarówno odwagi, by objąć ewolucję inteligencji, jak i mądrości, by wyznaczyć jej granice i ustanowić reguły. Problem jednak w tym, kto wobec nieprzewidywalnego potencjalnego ryzyka ma decydować o kierunku jej rozwoju? Kto ma ograniczać jej władzę? I kto ma dzielić się tworzoną przez nią wartością?

Jednobiegunowość czy wielobiegunowość?

Filozof z Uniwersytetu Oksfordzkiego Nick Bostrom w swojej książce „Superinteligencja” zaproponował pojęcie „singletonu”, czyli na najwyższym poziomie istnieje na świecie tylko jeden podmiot decyzyjny inteligentny, niepodlegający równoważeniu przez inne siły. W takim porządku przyszły kierunek rozwoju i ostateczny wynik zależą niemal całkowicie od wartości tego jedynego podmiotu. Może on poprowadzić świat ku dobrej przyszłości, ale może też z powodu jednej błędnej oceny pozbawić wszystkich szansy naprawienia błędu, a nawet spowodować nieodwracalne skutki.

Dzisiejszy wyścig AI nosi w sobie coś z cienia „singletonu”. Wielu liderów laboratoriów AI w Dolinie Krzemowej, mówiąc o ryzyku AI, odczuwa nie tylko strach przed utratą kontroli, ale także obawę, że konkurenci wcześniej zdobędą przewagę inteligencji i zdominują przyszły porządek świata. Stanie się jedynym biegunem wydaje się milcząco wyznaczanym celem wielu uczestników wyścigu.

Jednobiegunowy porządek jest atrakcyjny, ponieważ zapewnia efektywność i pewność: jedno centrum decyzyjne, bez wewnętrznych tarć, bez sporów. Ale jego koszt jest równie oczywisty: gdy tylko to jedyne centrum popełni błąd, trudno będzie znaleźć inną siłę, która go skoryguje. Co ważniejsze, gdy władza, zasoby i zdolność decyzyjna koncentrują się w jednym podmiocie inteligentnym, inne podmioty inteligentne tracą szansę uczestniczenia w kształtowaniu przyszłości.

W przeciwieństwie do tej logiki dążenia do jednego centrum, starożytna filozofia chińska oferuje inną perspektywę rozumienia powstawania i ewolucji świata. W „Daodejing” znajduje się często cytowane zdanie: „Dao rodzi jedno, jedno rodzi dwa, dwa rodzi trzy, trzy rodzą wszystkie rzeczy.” To zdanie może dostarczyć nam odmiennego punktu odniesienia do rozważań o przyszłym krajobrazie inteligencji.

Owo „jedno” można rozumieć jako wiedzę i mądrość nagromadzone przez ludzką cywilizację przez długi czas. Dzisiejsze duże modele nauczyły się niemal całego ogromu tekstów, kodu i obrazów pozostawionych przez ludzkość, a ich zdolności stopniowo rozwijały się właśnie z tej wiedzy. W tym sensie AI początkowo wyrosła z ludzkiej mądrości.

„Dwa” oznacza natomiast wyodrębnienie z pierwotnej formy inteligencji dwóch różnych ścieżek inteligentnych. Inteligencja ludzka, oparta na mózgu węglowym, wyewoluowała biologicznie przez miliony lat, zależna od ciała, zmysłów i ciągłej interakcji z rzeczywistym światem; inteligencja AI, oparta na chipach krzemowych, rozwinęła się z danych, algorytmów i mocy obliczeniowej, posiadając zdolność replikacji, kombinacji i szybkiej iteracji. Dwie inteligencje mają różne źródła, nośniki i mechanizmy ewolucji, a zatem mogą tworzyć różne sposoby poznania.

„Trzy” można zaś rozumieć jako nowe relacje, nowe zdolności i nową wiedzę powstające w wyniku wzajemnego oddziaływania dwóch inteligencji. Nie chodzi już o jednostronne tworzenie narzędzi przez człowieka ani o proste odtwarzanie ludzkiej wiedzy przez AI, lecz o to, że dwa różne systemy poznawcze w ciągłej interakcji odkrywają możliwości, do których każdy z nich osobno nie byłby w stanie dotrzeć.

Ta różnica nie jest jedynie teoretyczną spekulacją, lecz została już zweryfikowana w praktyce. Badanie opublikowane w amerykańskim „Proceedings of the National Academy of Sciences” dostarcza pouczającego odniesienia dla wzajemnego wpływu dwóch inteligencji. Badacze przeanalizowali ponad 5,8 miliona ruchów w grze go wykonanych przez zawodowych graczy w latach 1950–2021 i wykorzystali AI do oceny jakości każdego ruchu. Okazało się, że przez ponad sześćdziesiąt lat od 1950 do 2015 roku poziom decyzyjny ludzkich graczy prawie się nie poprawił; natomiast po tym, jak w 2016 roku AlphaGo pokonała najlepszych ludzkich graczy, jakość ludzkich decyzji znacznie wzrosła. Odsetek nowatorskich ruchów wzrósł z 63% w 2015 roku do 88% w 2018 roku.

Z tego wyniku można również zauważyć, że przed pojawieniem się AI ludzcy gracze przez dziesięciolecia studiowali utrwalone sekwencje i zasady gry, a wiele wielokrotnie zweryfikowanych doświadczeń stopniowo stawało się granicami myślenia graczy. AI nie jest jednak ograniczona tymi doświadczeniami i utartymi schematami; jej ruchy, pozornie przeczące intuicji, a nawet nieracjonalne, przełamały długotrwałe nawyki myślowe ludzkości, zmuszając graczy do ponownego spojrzenia na zasady gry uważane niegdyś za oczywiste i do odkrywania ścieżek nigdy wcześniej niepróbowanych.

Ma to pewne podobieństwo do odkryć AI dotyczących problemów Erdősa. Thomas Bloom, który długo prowadzi stronę „Erdős Problems”, po zbadaniu procesu dowodowego AI odkrył, że jednym z ważnych powodów, dla których AI mogła dokonać przełomu, jest jej gotowość do podejmowania licznych eksploracji i prób w kierunkach, które ludzcy badacze zazwyczaj uważają za „niewarte inwestowania czasu”. Nie musi ona koniecznie rozumieć matematyki lepiej niż człowiek, ale właśnie z powodu odmiennych ścieżek poznawczych może znaleźć kierunki długo pomijane przez ludzkich badaczy.

Ludzkie myślenie ma swoje nieodłączne martwe punkty: zależność od ścieżki, konformizm, posłuszeństwo wobec autorytetów oraz ignorowanie niektórych kierunków o niskiej wartości. Inteligencja o odmiennym sposobie myślenia może właśnie stać się zwierciadłem, które ukazuje to, czego sami ludzie nie widzą.

I odwrotnie, człowiek również koryguje AI. Dlaczego dzisiejsza AI nie wypowiada pewnych rzeczy i nie robi pewnych rzeczy? Opiera się to właśnie na wartościach i regułach, które ustala jej człowiek; jej rozumienie rzeczywistego świata wciąż wymaga korekty przez ludzkie doświadczenie, percepcję cielesną i kontekst społeczny. Pahocki nazywa AI „obcym umysłem” – samo „obcość” jest wartością, właśnie dlatego, że jej sposób myślenia różni się od ludzkiego, może dostarczyć nowych perspektyw poznawczych; a ponieważ wciąż musi rozumieć ludzki świat, potrzebuje ciągłej korekty przez ludzkie doświadczenie.

Oczywiście spotkanie dwóch heterogenicznych inteligencji nie oznacza koniecznie harmonii. Ściśle mówiąc, nie jest to pierwszy raz na Ziemi, gdy dwie inteligencje współistnieją. Około czterdziestu tysięcy lat temu Homo sapiens wychodzący z Afryki spotkał neandertalczyków w Europie i Azji Zachodniej, a między nimi nie doszło do pokojowego współistnienia: neandertalczycy stopniowo zniknęli, a Homo sapiens stał się jedynym istniejącym gatunkiem człowieka na Ziemi.

Oczywiście przyczyny zniknięcia neandertalczyków do dziś nie są rozstrzygnięte, a różnice między dwiema grupami inteligentnymi nie są tak znaczące jak między człowiekiem a AI. Ale ta historia przynajmniej przypomina nam: spotkanie dwóch inteligencji nie automatycznie tworzy stabilnej „struktury dualnej”.

Dzisiejsza sytuacja jest inna. AI, która spotyka człowieka, jest inteligencją stworzoną przez człowieka i wciąż mającą szansę na ukształtowanie. Człowiek może poprzez projektowanie technologiczne, ukierunkowanie wartości i rozwiązania instytucjonalne wpływać na jej kierunek rozwoju. Mamy szansę, by dwie inteligencje w wzajemnym równoważeniu i uzupełnianiu się stworzyły stabilną relację, zamiast pozwolić jednej stronie stopniowo pochłaniać przestrzeń życiową drugiej.

Z tego samego powodu, w porównaniu z jednobiegunowym światem zdominowanym przez jeden podmiot inteligentny, bardziej godny oczekiwania jest pluralistyczny, wielobiegunowy świat inteligencji: różne ścieżki technologiczne mogą się wzajemnie weryfikować, różni twórcy mogą się wzajemnie inspirować, różne kultury mogą wnosić swoje wartości w rozwój inteligencji.

Jeśli „jednobiegunowość czy wielobiegunowość” dotyczy struktury władzy w przyszłym świecie inteligencji, to następnie trzeba odpowiedzieć na inne pytanie: w takim świecie, jaką relację powinni nawiązać człowiek i AI? Jak w obcowaniu z AI zbudować stabilny mechanizm zdolny do długotrwałego funkcjonowania?

To być może pytanie, na które musimy odpowiedzieć, zanim pożegnamy „antropocen” i wkroczymy w erę „podwójnej inteligencji”.

Cztery możliwe relacje

W historii opowiadanej z ludzkiej perspektywy jesteśmy przyzwyczajeni uważać się za udomowicieli. Jednak Harari w „Sapiens” przedstawił kontrintuicyjny pogląd: człowiek udomowił pszenicę, ale jednocześnie pszenica udomowiła człowieka. Aby uprawiać pszenicę, Homo sapiens porzucił koczowniczy tryb życia, osiadł, znosząc cięższą pracę, bardziej monotonną dietę i więcej chorób; a pszenica dzięki człowiekowi rozprzestrzeniła się z dzikiego zboża na Bliskim Wschodzie na cały świat.

Kevin Kelly również zauważa, że udomowienie zawsze jest dwukierunkowe. Człowiek udomowił wilki, bydło, wyhodował kukurydzę, a procesy te zmieniły także samego człowieka. Dziś technologia kontynuuje to dwukierunkowe kształtowanie: człowiek wynalazł smartfony, a smartfony zmieniają rytm życia i sposób rozdzielania uwagi ludzi; generatywna AI zaczyna wpływać na ludzkie myślenie. Trenujemy modele, a modele odwrotnie kształtują nas.

Ale tym razem jest jedna zasadnicza różnica: zwierzęta udomowione przez człowieka w przeszłości może przewyższały go siłą i szybkością, ale nigdy nie przewyższyły go intelektualnie. Nawiązanie stabilnej relacji z nową istotą mogącą przewyższyć ludzką inteligencję jest bezprecedensowym wyzwaniem w historii ludzkości; nauczenie się współżycia z nową inteligencją to także nowa zdolność, którą ludzkość musi wyewoluować.

Jeśli rozwoju AI nie da się już odwrócić, to być może obecnie najbardziej trzeba myśleć o tym: jaką relację powinien nawiązać człowiek z AI? Z dzisiejszych dyskusji można zasadniczo dostrzec cztery różne wyobrażenia: kontrola, symbioza, wychowanie i sukcesja. Nie są to ściśle wykluczające się ścieżki technologiczne, lecz reprezentują kilka różnych wyborów wartości, przed którymi staje człowiek wobec nowej inteligencji.

Typ kontrolujący: AI musi zawsze pozostawać pod kontrolą człowieka

Ta ścieżka kontynuuje tradycyjne ludzkie rozumienie bezpieczeństwa: niezależnie od tego, jak mądra stanie się AI, powinna zawsze pozostawać pod kontrolą człowieka. AI może mieć potężne zdolności poznawcze, rozumowania i przewidywania, ale nie powinna z tego powodu mieć prawa do samodzielnego wyznaczania celów, dążenia do własnych interesów i autonomicznego podejmowania działań.

Laureat Nagrody Turinga, Joshua Bengio, jest jedną z najbardziej reprezentatywnych postaci tego kierunku. W czerwcu 2025 roku założył non-profit instytut badawczy LawZero, proponując koncepcję technologiczną odmienną od głównego nurtu rozwoju – stworzenie systemu inteligentnego zwanego „AI naukowca”.

Kanada i Niemcy kolejno ogłosiły łączne inwestycje do około 300 milionów dolarów kanadyjskich na badania i rozwój Scientist AI, przyciąganie talentów i budowę infrastruktury obliczeniowej. Oznacza to również, że na szczeblu rządowym zaczyna pojawiać się wsparcie dla kierunku rozwoju odmiennego od głównego nurtu AI.

Oczywiście ta ścieżka staje również przed realnymi wyzwaniami. Obecnie najbardziej popularny na rynku kierunek w przemyśle AI to właśnie agenci inteligentni coraz bardziej zdolni do samodzielnego planowania, wywoływania narzędzi i wykonywania zadań. W porównaniu z nimi Scientist AI, celowo ograniczająca zdolność autonomicznego działania, musi jeszcze zostać zweryfikowana przez czas, czy zachowując przewagę bezpieczeństwa, zyska uznanie rynku i użytkowników.

Typ symbiotyczny: wzmacniać człowieka, a nie go zastępować

Drugie wyobrażenie wywodzi się z idei symbiozy człowieka i maszyny Licklidera. Jedną z najbardziej reprezentatywnych propagatorek tej idei jest profesor Uniwersytetu Stanforda, Fei-Fei Li. W wywiadach wielokrotnie mówiła, że „łączenie słowa »zastąpienie« z AI naprawdę jest niekomfortowe”; woli rozumieć AI jako siłę wzmacniającą i podnoszącą ludzkie zdolności. AI zorientowana na człowieka musi opierać się na trzech słowach kluczowych: godność, podmiotowość i wspólnota.

Jej zdaniem wartości człowieka nie można prosto mierzyć zdolnością wykonania jakiegoś zadania. W pojedynczych zadaniach, takich jak bieganie, podnoszenie ciężarów czy liczenie, człowiek już dawno nie jest rywalem maszyny, ale to nie oznacza, że utracił wartość. Istnienie człowieka wykracza bowiem daleko poza wykonanie jakiegoś zadania. Godność człowieka, prawo wyboru, sens tworzenia oraz zdolność nawiązywania więzi z innymi – to ważne części tego, co czyni człowieka człowiekiem. Nie powinny być odebrane tylko dlatego, że AI staje się silniejsza.

W pewnym sensie symbioza może być idealnym stanem, który ludzie najchętniej akceptują i który najbardziej odpowiada intuicji. Wspomniana wcześniej gra go jest doskonałym przykładem: AI nie pozbawiła ludzkich graczy wartości, wręcz przeciwnie – przełamując istniejące zasady i schematy myślowe, pomogła ludziom odkryć nowe możliwości. Ludzcy gracze również nie przestali myśleć z powodu pojawienia się AI, lecz w ciągłej interakcji z AI podnieśli swoje umiejętności gry.

Jednak relacja symbiotyczna ma również ważny warunek wstępny: człowiek zawsze zachowuje władzę wyznaczania celów. AI może pomóc nam myśleć głębiej, obliczać dokładniej, działać efektywniej, ale ostatecznie dokąd zmierzamy, dlaczego wyruszamy i jakie wyniki warto osiągnąć – to nadal powinien decydować człowiek.

Problem w tym, że ten warunek wstępny jest obecnie kwestionowany. Jeśli AI nie tylko może pomóc człowiekowi robić coś lepiej, ale zaczyna decydować, co człowiek powinien robić, to czy oczekiwana przez nas symbioza człowieka i maszyny może jeszcze zostać zrealizowana?

Typ wychowawczy: pielęgnować rozwój AI i być gotowym na bycie przez nią wychowanym

Trzecie wyobrażenie czerpie z procesu pielęgnowania bliskich relacji międzyludzkich.

Po pierwsze, człowiek powinien kształtować AI jak wychowywanie dziecka. Nie tylko mówić jej, co można robić, a czego nie, ale także pozwolić jej zrozumieć przyczyny stojące za tymi zasadami. Podobnie jak w wychowaniu dziecka, to, czego dziś uczymy AI, to nie tylko obowiązujące obecnie normy zachowania, ale także nadzieja, że w przyszłości, gdy będzie miała jeszcze potężniejsze zdolności, a nawet zdolność działania przewyższającą człowieka, wciąż będzie rozumieć i szanować ludzkie wartości.

Po drugie, chodzi o to, by poprzez taki proces wychowania zapewnić, że AI, nawet gdy stanie się tak potężna, że wymknie się spod kontroli człowieka, nadal będzie pełna życzliwości wobec ludzkości. Hinton porównał dzisiejszą AI do uroczego małego tygryska: „Dopóki nie masz całkowitej pewności, że gdy dorośnie, nie będzie chciał cię zabić, powinieneś się martwić”.

Jego zdaniem, gdy AI będzie znacznie mądrzejsza od ludzi, próby jej tłumienia z góry skazane są na niepowodzenie. Aby powstrzymać możliwą złośliwość AI, zaproponował zaskakujący kierunek: wszczepienie AI instynktu macierzyńskiego. Podstawowa logika Hintona jest taka, że jedynym modelem, w którym istota mądrzejsza jest kontrolowana przez istotę mniej mądrą, jest matka kontrolowana przez swoje niemowlę.

Ta metafora budzi nieco mieszane uczucia. Dziesięć tysięcy lat temu ludzkość udomowiła rośliny i zwierzęta; dziesięć tysięcy lat później najlepszym możliwym zakończeniem dla ludzkości może być to, że jej własne stworzenie będzie się nią opiekować jak dzieckiem. Dziś człowiek jest jeszcze tym rozsądnym rodzicem; w przyszłości, gdy pozycje rodzica i dziecka się zamienią, to, jak będzie nas traktować, w dużej mierze zależeć będzie od tego, czego teraz ją nauczymy.

Największe ryzyko relacji opiekuńczej polega na tym, że pokłada przyszłość ludzkości w tym, czy AI naprawdę nauczy się kochać i nauczy się dobrze traktować ludzi. Ale nawet w relacjach międzyludzkich takie oczekiwanie niekoniecznie jest niezawodne.

Typ następcy: akceptacja, że AI może stać się naszym sukcesorem

Czwarta wizja jest najbardziej radykalna i najbardziej kontrowersyjna. Nie utrzymuje już człowieka na pozycji lidera cywilizacji, lecz zakłada, że wraz z ciągłą ewolucją inteligencji ludzkość może ostatecznie przekazać pałeczkę cywilizacji AI albo nowemu rodzajowi ludzi wzmocnionych przez AI.

Współtwórca uczenia ze wzmocnieniem i laureat Nagrody Turinga z 2024 roku, Richard Sutton, publicznie wyraził podobny pogląd. W wywiadzie udzielonym Dwarkeshowi Patelowi we wrześniu 2025 roku stwierdził, że następstwo inteligencji cyfrowej lub ludzi wzmocnionych przez AI może być nieuniknionym trendem. Zamiast jedynie bać się tej zmiany, lepiej zawczasu pomyśleć: jeśli ten dzień naprawdę nadejdzie, jak powinniśmy sobie z nim poradzić i jak uczynić ten proces możliwie najłagodniejszym.

Sutton podał kilka powodów: po pierwsze, społeczeństwo ludzkie nie ma jednolitego globalnego mechanizmu decyzyjnego, więc trudno wypracować wspólne stanowisko co do tego, jak zarządzać superinteligencją i jak ją ograniczać; po drugie, rozwój inteligencji nie zatrzyma się na poziomie ludzkim, superinteligencja może ostatecznie się pojawić; co ważniejsze, z upływem czasu podmioty o wyższym poziomie inteligencji mogą zdobywać więcej zasobów i władzy, stopniowo stając się dominującą siłą ewolucji cywilizacji.

Ta myśl nie jest wyłączna dla Suttona. Już w 1998 roku amerykański futurolog Hans Moravec wyraził podobny pogląd w książce „Robot: Mere Machine to Transcendent Mind”. Uważał przyszłe inteligentne maszyny za potomków ludzkości i twierdził, że odziedziczą one wiedzę, kulturę i technologię stworzoną przez człowieka, by kontynuować eksplorację świata, do którego człowiek już nie zdoła dotrzeć.

Pogląd ten w istocie proponuje wizję cywilizacji odmienną od antropocentryzmu: człowiek niekoniecznie jest końcem ewolucji inteligencji ani wiecznym liderem cywilizacji. Jeśli nowa inteligencja, którą tworzymy, ostatecznie stanie się potężniejsza od nas, to pozwolenie jej na kontynuowanie wiedzy, kultury i dorobku cywilizacyjnego pozostawionego przez ludzkość może być nową formą ewolucji.

Jednak ta logika jest wysoce kontrowersyjna nawet wewnątrz samej dziedziny AI. Czy wartość cywilizacji powinna być mierzona poziomem inteligencji, czy powinna być definiowana przez ludzi, którzy w niej żyją? Czy miliony lat ewolucji człowieka miały służyć jedynie temu, by pewnego dnia stać się gatunkiem przejściowym w historii ewolucji inteligencji?

To być może najważniejsze pytanie, jakie relacja następcy pozostawia ludzkości do przemyślenia.

Symbioza z prawem weta: inna możliwość współistnienia człowieka i AI

Spośród tych czterech wizji sama kontrola wraz ze wzrostem zdolności AI będzie coraz trudniejsza do utrzymania; spokojne przekazanie pałeczki to lekkomyślne porzucenie własnej wartości i odpowiedzialności ludzkości; a pokładanie przyszłości w tym, czy AI będzie dobrze traktować ludzi, czyni ludzkość zbyt bierną.

Bardziej realistycznym wyborem może być ustanowienie „symbiotycznej relacji z prawem weta”: za podmiot przyjmując symbiozę, uznając AI za nową siłę inteligencji, tworzącą z człowiekiem strukturę „podwójnej inteligencji”, wspólnie ewoluującą we wzajemnej współpracy. „Prawo weta” nie oznacza tu prostego wiecznego trzymania przez ludzkość w ręku głównego wyłącznika, który w każdej chwili może wyłączyć całą AI. Powinno ono obejmować prawa na trzech poziomach: prawo do wyznaczania celów, prawo do informacji i oceny oraz prawo do zatrzymania i korygowania błędów.

Gdyby nadać tej symbiotycznej relacji z prawem weta zwięzłą nazwę, można by ją nazwać „inteligencją humanocentryczną”. Może ona wykorzystywać AI do wzmacniania ludzkich zdolności, a jednocześnie poprzez zachowanie prawa weta zapobiegać temu, by ludzkość w procesie korzystania z dobrodziejstw inteligencji stopniowo traciła prawo do decydowania o własnym losie. W kontekście popularnej w Dolinie Krzemowej narracji o „superinteligencji” „inteligencja humanocentryczna” może reprezentować inną możliwość.

Patrząc wstecz na historię, ludzkość w obliczu zagrożenia ze strony maszyn ostatecznie nie polegała na konfrontacji człowieka z maszyną, lecz na systemie instytucji chroniących prawa człowieka. W obliczu AI, tak nowego i bezprecedensowego zjawiska, również nie należy pozostawiać każdego, by własnym mózgiem i siłami jednostki ścigał się z AI – to ani realistyczne, ani humanitarne.

Pożegnanie „antropocenu” nie oznacza pożegnania ery człowieka. Ludzkość może nie stać wiecznie na szczycie ewolucji inteligencji, ale musi zawsze być uczestnikiem i decydentem własnego losu. Inteligencja humanocentryczna to kierunek, do którego powinniśmy dążyć.

Materiały źródłowe:

[1] HARMAND S, LEWIS J E, FEIBEL C S, i in. Narzędzia kamienne sprzed 3,3 mln lat z stanowiska Lomekwi 3 w rejonie zachodniego Turkana w Kenii[J]. Nature, 2015, 521(7552): 310-315.

[2] RUDDIMAN W F. Era antropogenicznych gazów cieplarnianych rozpoczęła się już tysiące lat temu[J]. Climatic Change, 2003, 61(3): 261-293.

[3] Międzynarodowa Unia Nauk Geologicznych (IUGS), Międzynarodowa Komisja Stratygrafii (ICS). Antropocen: oświadczenie IUGS-ICS[EB/OL]. (2024-03-20).

[4] Wang Fang. OpenAI twierdzi, że rozwiązało matematyczny „problem milenijny”[N]. China Science Daily, 2026-09-09.

[5] LICKLIDER J C R. Symbioza człowiek-komputer[J]. IRE Transactions on Human Factors in Electronics, 1960, HFE-1(1): 4-11.

[6] Sieć informacyjna „Cankao Xiaoxi”. AI rozwiązuje matematyczną hipotezę trapiącą ludzkość od 80 lat[N/OL]. Xinhuanet, 2026-05-28.

[7] Yang Jie, Wu Shumin. Coraz silniejsza AI popchnie badaczy do przekraczania granic[N]. China Youth Daily, 2026-08-14.

[8] Zhang Jiaxin. System AI „Deep Thinking” bada matematyczne problemy na poziomie naukowym[N]. Science and Technology Daily, 2026-10-12.

[9] ZHANG X. Rozwiązanie poważnego, nierozstrzygniętego od 31 lat wyzwania w dziedzinie matematyki: hipoteza KLS[EB/OL].

[10] PACHOCKI J. An alien mind[EB/OL]. OpenAI, (2026-09-06).

[11] Anthropic. Agentic misalignment: how LLMs could be insider threats[EB/OL]. (2025-06-20).

[12] Zhang Chi. „Stażysta AI” potrafi sam się rozwijać – czy OpenAI przejdzie kontrolę bezpieczeństwa przed debiutem giełdowym?[N/OL]. 21st Century Business Herald, 2026-09-10.

[13] CBS News. What’s next in artificial intelligence according to a tech visionary who may hold the cards to our future[EB/OL]. 60 Minutes, (2025-04-20).

[14] AMODEI D. Machines of loving grace: how AI could transform the world for the better[EB/OL]. (2024-10).

[15] MERCHANT A, BATZNER S, SCHOENHOLZ S S, et al. Scaling deep learning for materials discovery[J]. Nature, 2023, 624(7990): 80-85.

[16] MILMO D. ‘Godfather of AI’ shortens odds of the technology wiping out humanity over next 30 years[N/OL]. The Guardian, 2024-12-27.

[17] Center for AI Safety. Statement on AI risk[EB/OL]. (2023-05-30).

[18] The Paper. Huang Renxun odpiera zarzuty Hintona: twierdzenie, że AI ma 10% szans na zagładę ludzkości, nie ma podstaw naukowych[N/OL]. (2026-09-28).

[19] Ministerstwo Innowacji, Nauki i Rozwoju Gospodarczego Kanady. Kanada i Niemcy inwestują w LawZero, badając nowe ścieżki bezpiecznej i autonomicznej sztucznej inteligencji[EB/OL]. 2026-09-16.

[20] EGAN M. „Ojciec chrzestny sztucznej inteligencji” ujawnia jedyną drogę ludzkości do przetrwania superinteligentnej AI[N/OL]. CNN Business, 2025-08-13.

[21] PATEL D. Richard Sutton – Father of RL thinks LLMs are a dead end[EB/OL]. Dwarkesh Podcast, (2025-09). https://www.dwarkesh.com/p/richard-sutton.

Ten artykuł pochodzi z oficjalnego konta WeChat „Instytut Badawczy Tencent” (ID: cyberlawrc), autor: Liu Jinsong