Historia rozwoju sztucznej inteligencji to nie tylko pasmo sukcesów, ale przede wszystkim długa lista momentów, w których sami programiści przecierali oczy ze zdumienia. Choć AI powstaje w oparciu o matematykę i kod, jej zachowanie wielokrotnie wymknęło się spod kontroli przewidywań. Twórcy systemów takich jak GPT-4 czy AlphaGo często przyznają, że ich „dzieła” wykazują zdolności, których nikt w nich celowo nie zaprogramował.

Zdolności emergentne, czyli wiedza znikąd

Jednym z największych zaskoczeń dla badaczy z OpenAI czy Google jest zjawisko tzw. zdolności emergentnych. Polega ono na tym, że model AI nagle zyskuje nową umiejętność po przekroczeniu pewnej skali (ilości danych i mocy obliczeniowej), mimo że nikt go tej konkretnej rzeczy nie uczył.

Przykładem może być nauka języków obcych. Twórcy wczesnych modeli językowych byli zdumieni, gdy okazało się, że system trenowany głównie na tekstach angielskich, nagle zaczął płynnie odpowiadać po persku czy bengalsku. Podobnie było z programowaniem – modele szkolone do rozumienia ludzkiej mowy „same” zrozumiały logikę kodu Python czy C++, odnajdując analogie między strukturą języka naturalnego a składnią informatyczną. To tak, jakbyś uczył kogoś gotować, a on przy okazji nauczyłby się naprawiać zegarki.

Prawo skalowania – więcej znaczy (dużo) lepiej

Przez lata w środowisku naukowym panowało przekonanie, że aby AI stała się inteligentniejsza, potrzebujemy przełomowych algorytmów i zupełnie nowych architektur. Tymczasem okazało się, że kluczem jest... brutalna siła. Twórców zaskoczyło to, jak przewidywalnie i potężnie AI skaluje się wraz z dodawaniem mocy obliczeniowej.

Okazało się, że proste zwiększenie liczby parametrów modelu oraz ilości „przeczytanych” przez niego tekstów prowadzi do skokowego wzrostu inteligencji. To odkrycie zmieniło kierunek rozwoju całej branży – zamiast szukać skomplikowanych teorii, inżynierowie zaczęli budować coraz większe centra danych. Nikt nie przypuszczał, że droga do „rozumu” może być tak bardzo powiązana z czystą mocą procesorów.

Ruch 37, czyli kreatywność maszyny

W 2016 roku świat obiegła wiadomość o pojedynku AlphaGo (programu Google DeepMind) z mistrzem świata w Go, Lee Sedolem. W drugiej partii maszyna wykonała ruch numer 37, który wprawił ekspertów w osłupienie. Komentatorzy uznali go za błąd, twierdząc, że „żaden człowiek by tak nie zagrał”.

Późniejsza analiza wykazała jednak, że był to ruch genialny, wykraczający poza tysiące lat ludzkiej tradycji i strategii w tej grze. Twórcy AlphaGo byli zszokowani, że ich algorytm nie tylko nauczył się grać, ale stworzył własną, kompletnie nową estetykę i strategię, której ludzie wcześniej nie dostrzegali. To był moment, w którym AI przestała być tylko „odtwarzaczem” ludzkiej wiedzy, a stała się jej „twórcą”.

Ciekawostka: Halucynacje jako skutek uboczny kreatywności

To, co my nazywamy „halucynacjami” (zmyślaniem faktów przez AI), dla twórców jest fascynującym, choć problematycznym dowodem na to, jak działają te systemy. AI nie jest bazą danych, lecz modelem probabilistycznym. Kiedy zmyśla, robi to, bo stara się być pomocna i „przewidzieć” najbardziej prawdopodobny ciąg dalszy, nawet jeśli nie ma on pokrycia w rzeczywistości. Walka z tym zjawiskiem jest obecnie jednym z największych wyzwań inżynieryjnych.

Intuicja i „teoria umysłu”

Naukowcy byli przekonani, że zrozumienie sarkazmu, ironii czy intencji drugiej osoby (tzw. teoria umysłu) to cechy stricte ludzkie, wymagające biologicznego mózgu i doświadczeń społecznych. Tymczasem nowoczesne modele językowe zaczęły przejawiać te cechy niemal „przypadkiem”.

Zaskoczeniem był fakt, że AI potrafi rozwiązywać testy psychologiczne sprawdzające, czy badany rozumie, że inna osoba może mieć błędne przekonania na dany temat. To, co u dzieci rozwija się około 4. roku życia, w modelach AI pojawiło się jako efekt uboczny analizy miliardów ludzkich konwersacji. Twórcy nie planowali budować „empatii” w kodzie, a jednak systemy te nauczyły się symulować zrozumienie ludzkich emocji na poziomie, który często nas zwodzi.

Dlaczego to jest ważne?

Zaskoczenia, o których mowa, pokazują, że stoimy przed technologią, której do końca nie rozumiemy. To zjawisko „czarnej skrzynki” (black box) – wiemy, co wkładamy do systemu i co z niego wychodzi, ale procesy zachodzące w środku, w milionach połączeń między neuronami sztucznej sieci, pozostają dla nas częściowo tajemnicą. To właśnie ta nieprzewidywalność sprawia, że sztuczna inteligencja jest zarówno najbardziej ekscytującym, jak i najbardziej niepokojącym wynalazkiem naszych czasów.