Sztuczna inteligencja coraz sprawniej pisze kod, analizuje dane i rozwiązuje zadania, które jeszcze kilka lat temu uznawano za domenę człowieka. W świecie programowania pojawiają się jednak obszary, w których modele AI nadal ustępują ludziom. Zwraca na to uwagę Psyho, czyli Przemysław Dębiak – polski programista i zwycięzca prestiżowego konkursu AtCoder w Tokio, w którym pokonał model OpenAI w zadaniach optymalizacyjnych.

AtCoder Heuristic Contest należy do najbardziej wymagających zawodów programistycznych na świecie. Uczestnicy nie szukają jednej poprawnej odpowiedzi, lecz próbują znaleźć rozwiązanie najlepsze spośród wielu możliwych. Liczy się szybkość działania programu, efektywność algorytmu i zdolność do tworzenia niestandardowych strategii. Właśnie w takich zadaniach przewaga człowieka nad AI okazuje się nadal widoczna.

Psyho zwraca uwagę, że współczesne modele świetnie radzą sobie z generowaniem dużych ilości kodu, ale często wybierają rozwiązania przewidywalne i zachowawcze. Systemy uczone na ogromnych zbiorach danych zwykle odtwarzają wzorce już obecne w materiałach treningowych. Gorzej wypadają wtedy, gdy problem wymaga stworzenia nowego podejścia albo odejścia od sprawdzonych metod.

To ograniczenie dobrze pokazuje różnicę między analizą statystyczną a ludzką intuicją. Programista opisuje własny sposób myślenia jako proces oparty bardziej na konceptach niż na linearnym rozumowaniu krok po kroku. W praktyce oznacza to zdolność do rozpoznawania obiecujących kierunków jeszcze zanim pojawi się pełne uzasadnienie matematyczne czy gotowy algorytm. W psychologii poznawczej podobne zjawisko określa się mianem intuicji eksperckiej – mechanizmu rozwijanego dzięki wieloletniemu doświadczeniu i tysiącom wcześniej rozwiązanych problemów.

Intuicja nadal pozostaje trudna do skopiowania

Współczesne modele językowe działają przede wszystkim na analizie zależności pomiędzy fragmentami tekstu. Dzięki temu potrafią tworzyć spójne odpowiedzi, tłumaczyć kod czy generować programy komputerowe. Nie oznacza to jednak, że rozumieją problem w taki sam sposób jak człowiek. Badacze AI od lat podkreślają, że modele mają trudność z długoterminowym planowaniem, oceną jakości własnych strategii i samodzielnym odkrywaniem nowych metod działania.

Psyho określa tę różnicę mianem „research taste”, czyli swego rodzaju smaku badawczego. Chodzi o zdolność rozpoznawania, które rozwiązanie jest naprawdę eleganckie, obiecujące lub twórcze, nawet wtedy, gdy początkowo wydaje się mniej oczywiste. W nauce podobny mechanizm odgrywa ważną rolę przy tworzeniu nowych teorii matematycznych, projektowaniu eksperymentów czy budowaniu modeli fizycznych. Historia nauki zna wiele przypadków odkryć opartych bardziej na intuicji niż na formalnym wyliczeniu wszystkich możliwości.

Ten problem dotyczy również twórczości artystycznej. Modele generatywne potrafią tworzyć poprawne stylistycznie teksty, obrazy czy muzykę, ale nadal mają trudność z budowaniem dzieł wyraźnie wykraczających poza schemat danych treningowych. Dlatego część badaczy uważa, że przyszłość AI będzie polegała raczej na współpracy człowieka z maszyną niż na całkowitym zastąpieniu ludzkiej kreatywności.

Europa szuka miejsca w wyścigu AI

W rozmowie pojawia się także wątek geopolityczny. Zdaniem Psyho rozwój sztucznej inteligencji koncentruje się dziś głównie w Stanach Zjednoczonych i Chinach, podczas gdy Europa pozostaje na uboczu technologicznego wyścigu. To ważne również z perspektywy Polski, ponieważ AI coraz silniej wpływa na gospodarkę, bezpieczeństwo cyfrowe i rynek pracy.

Unia Europejska próbuje wzmacniać własny sektor sztucznej inteligencji poprzez programy badawcze i regulacje. W 2024 roku weszły w życie pierwsze elementy AI Act – unijnego rozporządzenia regulującego wykorzystanie sztucznej inteligencji. Równolegle rozwijane są europejskie superkomputery i centra obliczeniowe przeznaczone do trenowania modeli językowych. Polska uczestniczy w tych projektach między innymi poprzez działalność ośrodków badawczych związanych z siecią EuroHPC.

Rozwój AI coraz mocniej łączy informatykę z matematyką, ekonomią i naukami społecznymi. To właśnie taka interdyscyplinarność była charakterystyczna także dla działalności Mikołaja Kopernika, który łączył astronomię, matematykę, ekonomię i prawo. Dzisiejsza debata o sztucznej inteligencji również wykracza daleko poza samą technologię i dotyczy wpływu nowych narzędzi na państwa, społeczeństwa oraz sposób podejmowania decyzji.