Administracja Donalda Trumpa postanowiła zaufać branży i powierzyć jej znaczną część odpowiedzialności za bezpieczeństwo AI. To osobliwa propozycja: ludzie, których prognozy pozostają w dużej mierze niesprawdzone, chcą zostać arbitrami we własnej sprawie. Zanim powierzymy im przyszłość, warto poprosić o rachunek za teraźniejszość.
Ostatnia Wieczerza w Dolinie Krzemowej
Jon Stewart od dawna należy do tych amerykańskich satyryków, którzy rozumieją fundamentalną właściwość współczesnej polityki: rzeczywistość coraz częściej wyprzedza absurd, a zadaniem komika staje się nie tyle wymyślanie dowcipów, ile zestawianie ze sobą autentycznych wypowiedzi.
W październikowym odcinku „The Daily Show” poświęconym sztucznej inteligencji Stewart przygląda się obietnicom twórców AI oraz ich niezwykłej zdolności do mówienia o katastrofie i zbawieniu niemal tym samym tonem. Z jednej strony słyszymy ostrzeżenia przed systemami wymykającymi się spod ludzkiej kontroli, z drugiej – zapewnienia, że właśnie te systemy wprowadzą nas do lepszego świata. Pomiędzy nimi stoją korporacje, które chciałyby decydować o tym, ile bezpieczeństwa ludzkość rzeczywiście potrzebuje.
Kilka dni wcześniej, 29 września 2026 roku, w Białym Domu doszło do wydarzenia, które mogłoby wyjść spod pióra scenarzystów programu. Donald Trump spotkał się z przedstawicielami największych przedsiębiorstw rozwijających AI. Rezultatem był dobrowolny pakt dotyczący bezpieczeństwa technologii. Dokument liczył zaledwie 308 słów – nie był w żadnym razie odpowiednikiem ustawy ustanawiającej niezależny nadzór nad sektorem technologicznym. Jak relacjonowała agencja Associated Press, wśród sygnatariuszy porozumienia znalazły się m.in. OpenAI, Google, Anthropic i Meta. Administracja Trumpa potraktowała te deklaracje jako jeden z filarów swojej polityki bezpieczeństwa AI.
W jednym z wcześniejszych wydań „The Daily Show” Jordan Klepper porównał owo spotkanie do Ostatniej Wieczerzy, podczas której wszyscy biesiadnicy uważaliby się za synów Bożych. Trudno o celniejszy obraz mesjanizmu współczesnych elit technologicznych.
Najlepszy dowcip nie należał jednak do komików. Kiedy pojawiło się pytanie, czy dobrowolne porozumienie jest w jakikolwiek sposób wiążące, w przywołanym przez program materiale padło sformułowanie morally binding – wiążące moralnie.
Oto proponowany model nadzoru nad technologią, której autorzy przypisują potencjał zmiany losów cywilizacji: obietnica dobrego zachowania.
Trudno oprzeć się skojarzeniu z sytuacją, w której koncerny motoryzacyjne uznałyby homologację, obowiązkowe testy zderzeniowe i kontrole za zbędne, argumentując, że inżynierowie z Detroit doskonale rozumieją wagę ludzkiego życia. Albo z bankami postulującymi zniesienie nadzoru finansowego, bo przecież same najbardziej obawiają się krachu. W obu przypadkach regulator odpowiedziałby zapewne, że dobre intencje przedsiębiorstw nie stanowią instrumentu prawnego. W branży sztucznej inteligencji to rozróżnienie najwyraźniej wymaga ponownego odkrycia.
Co więcej, wydarzenia kolejnych dni pokazały, że nawet amerykańska administracja nie potrafi konsekwentnie trzymać się zasady bezgranicznego zaufania do branży. Po incydentach bezpieczeństwa związanych z systemami AI Biały Dom zaczął domagać się od korporacji konkretniejszych działań w zakresie raportowania zagrożeń. Równocześnie powołano specjalną grupę zadaniową ds. sztucznej inteligencji. Jak informował Reuters 8 października, jej zadaniem miało być wypracowanie podejścia rządu do ryzyk związanych z AI – m.in. w obszarze cyberbezpieczeństwa i infrastruktury krytycznej.
Spójrzmy na tę sekwencję raz jeszcze: najpierw państwo ogłasza, że przemysł dojrzał do pilnowania samego siebie, a chwilę później rzeczywistość przypomina, dlaczego w ogóle powołano państwowy nadzór. Nie jest to spór o to, czy sztuczna inteligencja powinna się rozwijać, lecz o to, czy autorzy technologii mają prawo samodzielnie wyznaczać granice własnej odpowiedzialności. A to dwie zupełnie różne kwestie.
Utopia na kredyt
We wrześniu 2024 roku Sam Altman, dyrektor generalny OpenAI, opublikował esej zatytułowany The Intelligence Age. To frapujący dokument – nie przypomina typowej prezentacji produktu ani biznesplanu. Bliżej mu do manifestu filozoficznego napisanego przez człowieka przekonanego, że stoi u progu nowego rozdziału w dziejach ludzkości. Altman roztaczał wizję epoki niemal niewyobrażalnego dobrobytu. Pisał o wirtualnych zespołach osobistych doradców, indywidualnych nauczycielach dostępnych dla każdego dziecka, lepszej opiece zdrowotnej, a nawet o rozwiązaniu problemu zmian klimatycznych i odkrywaniu nowych praw fizyki. W eseju padło zdanie warte odnotowania:
The defining characteristic of the Intelligence Age will be massive prosperity.
(Cechą definiującą erę inteligencji ma być ogromny dobrobyt).
Perspektywa kusząca. Z perspektywy dziennikarza, ekonomisty czy obywatela pojawia się jednak zasadniczy problem: jak właściwie zmierzyć spełnienie tej obietnicy? Czyj dobrobyt? W jakiej perspektywie czasowej? W oparciu o jakie wskaźniki? Chodzi o wzrost PKB, realnych wynagrodzeń, produktywności, dostępności mieszkań czy może jakości usług publicznych? Jak bardzo poprawi się sytuacja przeciętnego gospodarstwa domowego, a jaka część zysków przypadnie właścicielom infrastruktury obliczeniowej i dostawcom modeli bazowych?
Altman tego nie precyzuje – i pisząc esej, oczywiście nie musi. Problem zaczyna się wówczas, gdy podobne wizje stają się kartą przetargową w politycznej dyskusji nad regulacjami. Wtedy ich autorzy przestają być wyłącznie wizjonerami – stają się stroną zabiegającą o szczególne przywileje. A wizji, której nie sposób zweryfikować, nie wolno traktować jako dowodu.
W 2024 roku Altman sugerował również, że superinteligencja może nadejść w ciągu „kilku tysięcy dni”. To prognoza dotycząca przyszłości, więc nie sposób jej dziś sfalsyfikować. Można jednak zapytać, dlaczego polityka publiczna miałaby już teraz opierać się na założeniu, że to przewidywanie się ziści. Nie dysponujemy ani powszechnie uzgodnioną definicją superinteligencji, ani niezależną metodologią testową, która rozstrzygałaby, kiedy zostałaby ona faktycznie powołana do życia. Publiczna debata przypomina tymczasem dyskusję o skutkach wynalazku, którego ostateczną postać znamy wyłącznie z opowieści jego przyszłych producentów.
Podobny mechanizm widać u Daria Amodei’ego, szefa Anthropic. W opublikowanym w październiku 2024 roku eseju Machines of Loving Grace przedstawił sugestywną wizję wpływu AI na biologię i medycynę. Przewidywał, że zaawansowana sztuczna inteligencja może co najmniej dziesięciokrotnie przyspieszyć tempo odkryć naukowych, kompresując od 50 do 100 lat postępu biologicznego do zaledwie 5–10 lat. Wśród przewidywanych przełomów znalazły się niemal całkowite opanowanie chorób zakaźnych, radykalne ograniczenie nowotworów, skuteczna profilaktyka neurodegeneracyjna oraz skokowe wydłużenie ludzkiego życia.
Bądźmy precyzyjni: Amodei formułował prognozy, a nie twarde gwarancje, i uzależniał je od powstania odpowiednio rozwiniętych systemów. Co więcej, sam dostrzegał opór świata fizycznego: żmudność badań laboratoryjnych, rygory prób klinicznych oraz czas niezbędny do wdrożenia terapii. To istotne zastrzeżenia. Nie zmieniają one jednak faktu, że otrzymujemy kolejną wielką opowieść, w której skala obietnicy jest monumentalna, podczas gdy warunki jej rozliczenia pozostają odległe i nieostre.
Można by nad tym przejść do porządku dziennego – historia techniki pełna jest chybionych fantazji, od energii jądrowej „zbyt taniej, by ją mierzyć”, po latające taksówki wypełniające niebo metropolii. W przypadku AI zasadnicza różnica polega jednak na tym, że twórcy tych opowieści nie poprzestają na kreowaniu wizji. Chcą uczestniczyć w pisaniu reguł gry, według których wszyscy mamy w tej przyszłości funkcjonować.
Gdzie są obiecane korzyści?
Łatwo byłoby w tym miejscu popaść w tani sceptycyzm i uznać, że sztuczna inteligencja nie przyniosła dotąd niczego wartościowego. Byłoby to jednak niezgodne z faktami.
Model AlphaFold opracowany przez Google DeepMind bez mała zrewolucjonizował biologię strukturalną. Udostępniona społeczności naukowej baza danych obejmuje przewidywane struktury ponad 200 milionów białek. To realne narzędzie badawcze, które radykalnie skróciło procedury dotąd żmudne i kosztowne. Nie należy jednak mylić przewidzenia struktury białka z syntezą leku, a tym bardziej z wyleczeniem chorego. Między odkryciem laboratoryjnym a skuteczną terapią rozciąga się wieloletni łańcuch badań klinicznych, atestacji i decyzji refundacyjnych. To rozróżnienie w narracjach entuzjastów AI nagminnie zaciera się w przekazie medialnym.
Podobnie rzecz ma się z produktywnością. Badanie Erika Brynjolfssona, Danielle Li i Lindsey Raymond (Generative AI at Work), obejmujące ponad 5 tysięcy pracowników obsługi klienta, wykazało, że wsparcie asystenta AI zwiększyło średnią produktywność o 14%, przynosząc największe korzyści pracownikom najmniej doświadczonym. To twardy, mierzalny fakt.
Z kolei badanie Andersa Humluma i Emilie Vestergaard (Still Waters, Rapid Currents), oparte na duńskich danych rejestrowych, pokazało drugą stronę medalu. Mimo dynamicznej adaptacji chatbotów, punktowych skoków wydajności i przeobrażeń w organizacji pracy, badacze nie odnotowali statystycznie istotnego wpływu na wynagrodzenia ani na wymiar czasu pracy w ciągu dwóch lat od debiutu ChatGPT (wykluczając efekty rynkowe przekraczające 2%).
Nie ma tu sprzeczności, wszak oba zespoły badały inne wymiary rynku. Płynie stąd jednak trzeźwiąca lekcja: sprawniejsze domykanie pojedynczych zadań nie jest tożsame z rewolucją makroekonomiczną. To, że szybciej redagujemy maile, streszczamy raporty, generujemy kod czy analizujemy literaturę, nie przekłada się automatycznie na krótszy tydzień pracy, wyższą stopę życiową społeczeństwa czy redukcję rozwarstwienia dochodowego. Dzieje kapitalizmu wielokrotnie dowodziły, że wzrost wydajności pracy i podział wygenerowanych dzięki niej nadwyżek to dwa odrębne zagadnienia.
Nawet jeśli AI przyniesie bezprecedensowy wzrost bogactwa, kluczowe pozostanie pytanie: do kogo to bogactwo trafi?
W dyskursie technologicznym odmieniane przez wszystkie przypadki jest słowo „demokratyzacja” – wiedzy, edukacji, twórczości czy programowania. Zastanawiająco rzadko mówi się natomiast o demokratyzacji własności samych modeli, centrów obliczeniowych, akceleratorów krzemowych, sieci dystrybucji i wypracowanych marż. Tymczasem to kontrola nad tą infrastrukturą przesądzi o tym, kto zostanie faktycznym beneficjentem nowej gospodarki. Twórcy modeli chętnie rysują kształt świata po rewolucji, lecz unikają rozmowy o mechanizmach podziału jej owoców.
Cywilizacja uratowana przez zabawne wideo
Po tej wycieczce w świat nauki i badań, wróćmy do Jona Stewarta. W swoim programie trafia w sam środek narracyjnego pęknięcia. Gdy odłożymy na bok deklaracje o zbawieniu medycyny i gospodarki, a zażądamy konkretów dostępnych tu i teraz, wkraczamy w sferę demonstracji produktowych, które wypadają groteskowo skromnie na tle cywilizacyjnych zapowiedzi. Przeskok jest uderzający: przed chwilą dyskutowaliśmy o likwidacji nowotworów i przełamywaniu barier biologii, by za moment podziwiać generatory syntetycznego wideo, fotorealistyczne awatary i algorytmy segregujące spotkania w kalendarzu.
Same w sobie te narzędzia nie są niczym złym. Powinny jednak podlegać standardowej ocenie rynkowej: pod kątem ceny, ergonomii, bezpieczeństwa i faktycznej użyteczności. Nikt przecież nie oczekiwałby immunitetu regulacyjnego dla producenta oprogramowania biurowego tylko dlatego, że ten zoptymalizował interfejs użytkownika. W przypadku branży AI żąda się od opinii publicznej specyficznego aktu wiary: mamy uznać obecne produkty za niedoskonałe prototypy przyszłego ładu, a ich twórcom przyznać carte blanche, bo kiedyś dostarczą nam coś epokowego.
To transakcja cokolwiek jednostronna: my udzielamy zgody na eksperymentowanie na żywym organizmie społecznym, oni zaś obiecują lepszy świat w nieokreślonej przyszłości, bez sprecyzowanych kryteriów sukcesu i gwarancji równego dostępu do korzyści. W realiach tradycyjnej gospodarki taki kontrakt zostałby natychmiast odrzucony przez audytorów. W Dolinie Krzemowej nazywa się go „wizją”.
Kto boi się regulacji, a kto chciałby je pisać?
Błędem byłoby jednak postrzeganie sektora AI jako jednolitego frontu antyregulacyjnego. Podziały wewnątrz branży są znacznie ciekawsze – i bardziej niepokojące.
Jesienią 2026 roku zarysowało się wyraźne pęknięcie wśród czołowych postaci Doliny Krzemowej. Jak relacjonowała Beatrice Nolan na łamach magazynu „Fortune” (As AI CEOs clash over regulation, a new culture war is brewing), Sam Altman i Dario Amodei zaczęli popierać zaostrzenie kontroli nad najbardziej zaawansowanymi modelami, postulując m.in. niezależne testy podatności i standaryzację protokołów bezpieczeństwa. Po przeciwnej stronie stanęli m.in. Mark Zuckerberg i Jensen Huang z Nvidii, kontestujący potrzebę narzucania sektorowi odgórnych kagańców prawnych.
Zuckerberg argumentował, że przedsiębiorstwa podlegają naturalnej weryfikacji ekonomicznej: firma, której systemy narażą użytkowników na szwank, utraci wiarygodność, klientów i przychody. To wywód pozornie logiczny, lecz w gruncie rzeczy naiwny. Zakłada bowiem, że szkody generowane przez AI będą natychmiastowe, łatwo identyfikowalne i dotkliwe biznesowo dla jednego podmiotu. Zagrożenia generowane przez te modele mają jednak często charakter rozproszony, systemowy i odsunięty w czasie. Mechanizm rynkowy nie uwzględnia w wycenie kosztów zewnętrznych ponoszonych przez osoby trzecie – a to właśnie konieczność ich internalizacji leży u źródeł klasycznego prawodawstwa.
Druga strona sporu rodzi jednak równie poważne wątpliwości. Reprezentanci kanadyjskiego startupu Cohere ostrzegali, że architektura bezpieczeństwa projektowana pod dyktando technologicznych gigantów szybko zamieni się w mechanizm dławienia konkurencji. W reportażu „Fortune” padło dosadne określenie: a cartel by any other name – kartel pod inną nazwą. Zarówno Aidan Gomez, prezes Cohere, jak i szefowa badań Joelle Pineau, apelowali o regulacje oparte na twardych dowodach i niezależnych audytach, przestrzegając przed powierzeniem pisania norm podmiotom, które jednocześnie rozwijają komercyjnie te systemy.
To kluczowy punkt debaty. Pytanie brzmi nie tylko: czy regulować sztuczną inteligencję, ale przede wszystkim: kto te regulacje sformułuje i czyim interesom będą one służyć?
W ekonomii politycznej zjawisko to nosi miano regulatory capture – zawłaszczenia regulatora. Ma ono miejsce wtedy, gdy organy powołane do ochrony interesu publicznego stają się w praktyce rzecznikami branży, którą miały nadzorować. Mechanizm ten rzadko opiera się na ordynarnej korupcji; częściej przyjmuje postać eleganckiej asymetrii kompetencji. Gdy instytucje państwowe cierpią na deficyt wiedzy eksperckiej, zwracają się do korporacji podlegających nadzorowi. Przedsiębiorstwa chętnie delegują swoich specjalistów, piszą projekty norm technicznych i definiują pojęcia ryzyka. Ich udział jest merytorycznie uzasadniony, dopóki granica między głosem doradczym a stanowieniem prawa nie ulegnie zatarciu.
W sektorze AI pokusa ta jest wyjątkowo groźna. Najwięksi gracze dysponują monopolem na kapitał, unikalne zbiory danych i farmy serwerowe niezbędne do prowadzenia kosztownych procedur certyfikacyjnych. Jeśli prawo zostanie skrojone na miarę ich budżetów, bezpieczeństwo stanie się doskonałym parawanem dla budowy zamkniętego oligopolu. W efekcie otrzymamy rynek może i uregulowany, ale zmonopolizowany, skrajnie drogi i odporny na rynkową konkurencję.
To nie jest argument przeciwko regulacjom jako takim. To twardy argument przeciwko pisaniu prawa rękami zainteresowanych korporacji. Producenci farmaceutyków powinni uczestniczyć w panelach konsultacyjnych, lecz nikt rozsądny nie pozwoliłby im samodzielnie decydować o tym, jakie fazy badań klinicznych są wystarczające do dopuszczenia leku na rynek. Dlaczego w przypadku AI mielibyśmy zrezygnować z tej elementarnej ostrożności?
Demokracja według właścicieli serwerowni
W rozmowie Jona Stewarta z Jacobem Coxonem, byłym badaczem OpenAI i Anthropic, poruszono kolejny newralgiczny aspekt: ryzyko wynikające z koncentracji decyzji o strategicznym znaczeniu w rękach garstki zarządów. Coxon ostrzegał, że firmy rozwijające najbardziej złożone modele biorą na siebie ryzyka, których ewentualne skutki wykraczają daleko poza ich bilanse finansowe – zwłaszcza w wymiarze cyberataków i projektowania patogenów biologicznych.
Nie trzeba popadać w panikę, by uznać to ostrzeżenie za zasadne. Sam fakt, że korporacja zatrudnia wybitnych inżynierów, nie daje jej demokratycznego mandatu do ustalania progu ryzyka akceptowalnego dla całego społeczeństwa. Co więcej, jeśli twórcy modeli sami alarmują o zagrożeniach egzystencjalnych, logiczną odpowiedzią powinno być wzmocnienie zewnętrznej kontroli, a nie zastępowanie jej wewnętrznym kodeksem dobrych praktyk.
Mamy tu do czynienia z jaskrawą sprzecznością narracyjną: gdy branża zabiega o kapitał i ulgi podatkowe, sztuczna inteligencja jest motorem nieuchronnego, zbawiennego postępu; gdy pada pytanie o odpowiedzialność prawną za błędy, staje się „nieprzewidywalnym bytem”, którego zachowań nie potrafią wyjaśnić nawet jego konstruktorzy. Tych dwóch stanowisk nie sposób pogodzić z żądaniem bezwarunkowego zaufania.
Społeczeństwo zaczyna tę niespójność dostrzegać. W badaniu Reuters/Ipsos z 7 października 2026 roku aż 57% zarejestrowanych wyborców oceniło, że administracja federalna nie traktuje zagrożeń ze strony AI z należytą powagą (54% wyraziło podobną opinię o Kongresie, a 62% postrzegało tę technologię jako potencjalne zagrożenie dla ludzkości; badanie objęło 4506 dorosłych Amerykanów, w tym 3526 wyborców).
Powstaje kuriozalny trójkąt: obywatele domagają się twardych reguł ochronnych, branża twierdzi, że sama wyznaczy standardy, a państwo, zamiast reprezentować obywateli, przejmuje optykę korporacji jako fundament polityki publicznej.
Podejście Waszyngtonu nie jest oczywiście jedynym możliwym. Unia Europejska obrała inną ścieżkę, wdrażając AI Act oparty na klasyfikacji ryzyk. Zgodnie z oficjalnym harmonogramem Komisji Europejskiej, od 2 sierpnia 2026 roku egzekwowane są rygory dotyczące modeli ogólnego przeznaczenia (GPAI) oraz obowiązki transparentności, a w latach 2027–2028 zaczną obowiązywać restrykcje dla systemów wysokiego ryzyka. Choć unijny model bywa krytykowany za biurokratyczny gorset, który może ciążyć startupom, opiera się na fundamencie nienegocjowalnym: technologia podlega prawu tworzonemu przez instytucje publiczne. Amerykański flirt z samoregulacją odwraca ten porządek, podporządkowując oczekiwania państwa interesom producentów.
Demokratyczne państwo nie może jednak abdykować do roli biura obsługi klienta Doliny Krzemowej.
Przestańmy traktować prognozy jak fakty
Największym sukcesem branży AI nie jest wcale stworzenie zaawansowanych sieci neuronowych, lecz narzucenie opinii publicznej specyficznego sposobu myślenia o czasie: sprzedaje się nam dzisiejsze, niedoskonałe produkty, żądając zarazem, by rachunek za nie wystawiać w czasie przyszłym dokonanym. Gdy model halucynuje – słyszymy, że kolejna wersja wyeliminuje ten błąd. Gdy brak efektów makroekonomicznych – każe się czekać na pełną adaptację. Gdy brakuje rentowności – żąda się dalszych subsydiów i kapitału, roztaczając wizję bilionowych rynków jutra.
Część z tych przewidywań może się sprawdzić – przełomy technologiczne wymagają dekad inkubacji. Jednak prognoza nie jest osiągnięciem, a obietnica nie rodzi zaufania, dopóki jej autor nie zdefiniuje mierzalnych kryteriów weryfikacji. Sam Altman nie udowodnił, że era superinteligencji przyniesie powszechny dobrobyt; Dario Amodei nie dowiódł, że skompresuje stulecie badań medycznych w dekadę; a argumentacja Marka Zuckerberga nie potwierdza, że niewidzialna ręka rynku powstrzyma systemowe awarie autonomicznych modeli.
Wszystkie te deklaracje pozostają jedynie hipotezami. I właśnie dlatego nie mogą stanowić legitymacji do uzyskiwania immunitetu politycznego.
Sceptycyzm wobec korporacyjnych obietnic nie jest wrogiem innowacji – jest warunkiem racjonalnego myślenia. Istotą nowożytnej nauki było stopniowe zastępowanie autorytetu weryfikowalnym dowodem. Dziś natomiast obserwujemy zjawisko przeciwne: liderzy branży technologicznej oczekują, że ich autorytet i aura wtajemniczenia zastąpią procedury demokratycznej kontroli.
Nie chodzi o odsuwanie ekspertów od stołu dyskusyjnego – ich wiedza inżynieryjna jest niezbędna do stworzenia sensownego prawa. Chodzi o elementarną rozwagę: opinia podmiotu, który na danym kształcie przepisów zarobi miliardy dolarów, musi być oceniana przez pryzmat jego bezpośredniego interesu finansowego.
Najważniejsze pytanie nie dotyczy maszyn
Wbrew pozorom, w satyrze Jona Stewarta nie chodzi o lęk przed zbuntowaną superinteligencją. Chodzi o władzę w jej najbardziej klasycznym, ludzkim wymiarze. Władzę, którą trzeba zdefiniować, odpowiadając na szereg pytań. Kto rozstrzygnie, które zastosowania algorytmów są dopuszczalne? Kto weźmie odpowiedzialność za błędy automatyzacji w medycynie, infrastrukturze krytycznej czy systemach uzbrojenia? I wreszcie: kto zachowa prawo do powiedzenia stanowczego „nie”?
Debata o sztucznej inteligencji powinna przestać kręcić się wokół pytania, czy maszyny zaczną myśleć jak ludzie. Prawdziwym problemem jest to, czy ludzie u sterów władzy nie przestają myśleć o roli własnych instytucji. Nie trzeba być technologicznym luddystą, by dostrzec zagrożenia wynikające z radykalnej koncentracji kapitału i władzy dyskrecjonalnej. Przeciwnie: im większy potencjał niesie ta technologia, tym bardziej rygorystyczne powinny być ramy jej wdrażania.
Być może za dwie dekady modele sztucznej inteligencji rzeczywiście zrewolucjonizują diagnostykę onkologiczną i rozwiążą kryzys energetyczny. Nikt nie miałby nic przeciwko takiemu scenariuszowi. Dziś jednak nie jest to fakt empiryczny, lecz zbiór obietnic składanych przez podmioty mające gigantyczny interes finansowy w tym, byśmy przyjęli je na wiarę. O wiarygodności tych tez nie decyduje ani kapitalizacja rynkowa spółek, ani liczba parametrów w kolejnych modelach, ani prestiż zatrudnionych fizyków. Doświadczenie uczy, że rewolucje technologiczne nie stają się sprawiedliwe same z siebie – wymagają zewnętrznego nacisku, mechanizmów odpowiedzialności i reguł prawnych niezależnych od kwartalnego bilansu spółek.
Daliśmy się uwikłać w spór o hipotetyczną przyszłość, tracąc z oczu reguły rządzące teraźniejszością. To dzisiaj wielkie korporacje negocjują z rządami warunki własnego nadzoru i betonują zależności infrastrukturalne, które za kilka lat będą nieodwracalne. Nie musimy znać przyszłości sztucznej inteligencji, by wiedzieć jedno: reguł gry nie mogą ustalać wyłącznie ci, którzy czerpią z niej bezpośrednie zyski.
A jeśli panowie z Doliny Krzemowej naprawdę pragną zbawić świat, niech zaczną od zaakceptowania najbardziej fundamentalnego wynalazku nowożytności: niezależnej kontroli społecznej.
Czytaj także:
