Sztuczna inteligencja została zaprezentowana światu jako wielka wizja. Z miejsca zaczęliśmy wyobrażać sobie AI jako niestrudzonego „partnera naukowego”, zdolnego do symulacji złożonych systemów biologicznych w celu leczenia chorób i personalizacji edukacji, aby uwolnić ludzki potencjał w stopniu większym niż kiedykolwiek.

Jednak patrząc na dominujące dziś zastosowania generatywnej AI, widzimy zupełnie inny obraz. Granica innowacji wydaje się mniej skupiona na fałdowaniu białek, a bardziej na generowaniu jednorazowych treści cyfrowych. Zamiast narzędzia powszechnego postępu, widzimy pojawienie się nowego podziału cyfrowego, ekosystemu informacyjnego zalanego niskiej jakości treściami AI i rozprzestrzenianie się syntetycznych, szkodliwych materiałów. Czy zatem marnujemy najpotężniejszą technologię naszych czasów na najbardziej trywialne cele?

Wygląda na to, że odchylenie od pierwotnej wizji nie jest przypadkowe. To raczej bezpośredni rezultat dominujących bodźców rynkowych i linii najmniejszego oporu technologicznego. Tworzenie aplikacji konsumenckich oferuje szybszą drogę do monetyzacji niż długoterminowe, kapitałochłonne badania naukowe. Aplikacja generująca nowatorskie obrazy i filmy może przyciągnąć miliony użytkowników i stosunkowo szybko generować przychody z subskrypcji lub reklam. Tymczasem wyleczenie rzadkiej choroby wymaga ogromnych ilości wysokiej jakości, prywatnych danych, lat badań i walidacji oraz złożonej ścieżki regulacyjnej bez gwarancji zwrotu. Siły rynkowe naturalnie przyciągają talenty i inwestycje w kierunku najłatwiej dostępnych celów.

Na szczęście cenne, ryzykowne badania nad sztuczną inteligencją nie ustają. Firmy takie jak DeepMind wciąż dokonują przełomów w obszarach takich jak fałdowanie białek z AlphaFold, a sztuczna inteligencja jest wykorzystywana do optymalizacji sieci energetycznych i odkrywania nowych materiałów. Jednak te sukcesy stają się coraz częściej wyjątkiem, a nie regułą. Przyćmiewa je ogromny kapitał i talenty inwestowane w aplikacje konsumenckie. Dominująca narracja odnośnie do sztucznej inteligencji jest napędzana przez rynek masowy, a nie przez wielkie wyzwania. Przekierowanie potencjału sztucznej inteligencji na bardziej znaczące cele wymaga przemyślanego i wielopłaszczyznowego wysiłku. Obecna trajektoria nie jest nieunikniona, ale jej zmiana wymaga zmiany leżących u jej podstaw bodźców. Jako społeczeństwo musimy stać się bardziej krytycznymi konsumentami sztucznej inteligencji i domagać się przejrzystości w zakresie sposobu i celu szkolenia modeli.

Sztuczna inteligencja jest zwierciadłem pokazującym priorytety jej twórców. Obecnie odzwierciedla ona preferencje rynku dotyczące natychmiastowej gratyfikacji i skalowalnego konsumpcjonizmu. Wizja sztucznej inteligencji jako narzędzia do rozwiązywania największych wyzwań ludzkości pozostaje możliwa, ale nie jest gwarantowana. Wymaga ona świadomej decyzji badaczy, inwestorów, decydentów i opinii publicznej, aby priorytetowo traktować długoterminową wartość nad krótkoterminowym rozpraszaniem uwagi. W przeciwnym razie zmarnujemy ogromny potencjał AI.

Aleksandra Przegalińska Aleksandra Przegalińska  

jest adiunktem i prorektorem ds. innowacji i AI w Akademii Leona Koźmińskiego.

 

  
Tamilla Triantoro Tamilla Triantoro  

jest profesorem Quinnipiac University (Hamden, Connecticut).