Miliardy dolarów płyną w AI, a większość świata używa go do napisania maila

To się powoli nudzi

Gdyby ograniczyć cały świat nowinek technologicznych nie tylko do całej domeny nazywanej „AI", a po prostu samych modeli językowych – to tak, to się rzeczywiście powoli nudzi. Kolejne usprawnienia są wykorzystywane przez naprawdę mały ułamek populacji. I to nie jest przesada. Spójrzcie na poniższy wpis.

Każda kropka to 3,2 miliona ludzi. Zdecydowana większość światowej populacji nigdy nie korzystała z tych narzędzi. Zieloni to ci, którzy korzystają z darmowych narzędzi – czyli zapewne wystarczają im zwykłe zapytania typu „napisz maila", „pomysł na obiad" albo jako substytut wyszukiwarki Google.

Żółci to ci płacący za usługi AI, a na czerwono, ten jeden, samotny punkt, to użytkownicy AI jako narzędzia do programowania. Oczywiście podejdźmy do tej grafiki z dystansem, być może liczby te są zaniżone. AI wbrew pozorom nie jest nieodłączną częścią życia większości społeczeństwa. Co ciekawe, ten sam mechanizm hype'u napędza dziś nie tylko premiery modeli, ale i całe rynki spekulacyjne – wystarczy spojrzeć na szaleństwo na AI-tokenach.

Pieniądze jednak mówią co innego

Ten mały ułamek populacji, który bawi się chatbotami, stoi w jaskrawej sprzeczności z rzeką pieniędzy, jaka płynie w drugą stronę. Tylko w 2026 roku najwięksi gracze, jak np. NVIDIA, Microsoft, Meta czy Alphabet (Google), to setki miliardów dolarów.

Problem w tym, że te wydatki rosną wykładniczo, a przychody z AI wciąż wyglądają przy nich jak kieszonkowe. Nie jest przesadą stwierdzenie, że firmy cały czas inwestują trochę na ślepo, bo nie chcą zostać w tyle. Budowane są kolejne centra danych, modele za gigantyczne pieniądze, a większość świata i tak używa tych narzędzi do napisania maila – nie ma w tym stwierdzeniu przesady. Ta dysproporcja na dłuższą metę nie jest do utrzymania, dlatego coraz częściej pada pytanie, czy nie pęcznieje nam właśnie bańka AI.

Nie ma żadnej różnicy, co używamy

Dla większości ludzi używających AI różnica między Claude'em 4.7, 4.8, GPT-5.4, 5.5, Gemini 3.1 i 3.5 czy kolejną wersją Mistrala będzie mniej więcej tak emocjonująca jak informacja, że przeglądarka dostała poprawkę bezpieczeństwa i lepszą obsługę jakiegoś standardu. Ważne? Owszem. Zauważalne w codziennym życiu? Oczywiście, że nie. Trudno dziś o emocje, jakie wywołała swego czasu ChatGPT o3 premiera.

Bo co to właściwie ma oznaczać, że model jest lepszy? Wyższe wyniki w benchmarkach, dłuższe okno kontekstowe, mniejsze halucynowanie, lepsze „rozumowanie" przy bardziej skomplikowanych zadaniach. Kolejne ulepszenia chatbotów są zatem coraz mniej spektakularne.

Próg użyteczności już przekroczony

I to przede wszystkim dlatego, że dla ogromnej części ludzi podstawowy próg użyteczności został już przekroczony. Jeśli ktoś potrzebuje maila, tłumaczenia, przepisu na kolację, to nie potrzebuje modelu, który przebija. Zresztą tak samo było ze smartfonami – czy teraz kolejne wersje iPhone'ów emocjonują nas tak samo, jak np. przeskoki między wersjami 5 a 6? No niespecjalnie. I to pomimo tego, że użytkowników smartfonów jest zdecydowanie więcej. Zresztą i tam upychana na siłę AI potrafi się wyłożyć – wystarczy przypomnieć, jak Apple AI zaliczyła niezłą wtopę z fałszywymi podsumowaniami wiadomości.

Modele językowe też mają swój sufit

Jest jeszcze jeden powód, dla którego kolejne premiery modeli mogą przestać robić takie wrażenie. Same modele językowe mają pewną technologiczną barierę. To nie jest przecież magiczna inteligencja napędzana tajemniczymi siłami z kosmosu zamknięta w pudełku, tylko bardzo zaawansowany system przewidywania i generowania tekstu.

Oczywiście, modele, z których korzystamy, korzystają z o wiele bardziej złożonych mechanizmów niż po prostu zgadywanie następnego słowa, ale fundament pozostaje całkiem podobny – operujemy na wzorcach zapisanych w danych. Część ekspertów idzie dalej i twierdzi wprost, że ChatGPT i inne LLM-y nigdy nie osiągną poziomu człowieka, to ślepa uliczka.

Co po modelach językowych?

Dotychczasowe LLM-y to, upraszczając, genialne maszyny statystyczne operujące tokenami. Nie mają jednak zielonego pojęcia o realiach fizycznego świata. Nie wiedzą, że rzucone jabłko spadnie na ziemię, ani że woda wylana na klawiaturę ją zniszczy – znają tylko strukturę językową, która to opisuje.

Kolejny krok w rozwoju AI, czyli World Models, ma to zmienić. Zamiast przewidywać kolejne słowo w zdaniu, te modele uczą się przewidywać kolejny kadr rzeczywistości. Pionierzy tego nurtu budują sieci, które trenują się na miliardach godzin wideo, mapując prawa fizyki, geometrię, przestrzeń czy interakcje między obiektami. To nie jest już nauka z definicji, a z obserwacji, symulacji.

Obserwuj nas w Google Discover

Podobają Ci się nasze treści?

Google Discover

Obserwuj