Czy AGI naprawdę nadejdzie za kilka lat? Demis Hassabis kontra polska rzeczywistość

W maju 2024 roku Demis Hassabis, szef Google DeepMind, stanął na scenie Google I/O i powiedział coś, co wstrząsnęło branżą: „Kiedy spojrzymy wstecz na ten czas, uświadomimy sobie, że staliśmy u podnóża singularity”. Nie był to już kolejny optymistyczny slogan – Hassabis, znany z konserwatyzmu w prognozach, skrócił swoje szacunki dotyczące nadejścia AGI z dekady do zaledwie kilku lat [1]. Czy to realistyczny scenariusz, czy tylko marketingowy zabieg giganta, który chce wyprzedzić OpenAI? A co to oznacza dla polskich firm, które wciąż walczą z wdrożeniem podstawowych narzędzi AI?

Dlaczego Demis Hassabis twierdzi, że AGI jest już „za kilka lat”?

Jeszcze rok temu Hassabis szacował, że AGI pojawi się za 5–10 lat. Dziś mówi o „kilku latach” [1]. Co się zmieniło? Nie tylko tempo rozwoju technologii, ale i podejście Google DeepMind do samego celu. Firma przestała traktować AGI jako odległą wizję, a zaczęła postrzegać ją jako realny, osiągalny projekt – z konkretnymi kamieniami milowymi.

Ewolucja prognoz: od dekady do „kilku lat”

W 2023 roku Hassabis mówił o AGI jako o celu na „następną dekadę”. W 2024 roku jego ton się zmienił: „Sądzę, że jesteśmy już w zasięgu kilku lat” [1]. To nie przypadek – Google DeepMind zintegrowało swoje zespoły pracujące nad różnymi aspektami AI (od generatywnej po naukową), co przyspieszyło prace nad multimodalnością i abstrakcyjnym rozumowaniem [2].

„Foothills of the singularity” – co naprawdę oznacza ten cytat?

Hassabis użył metafory „foothills of the singularity” (podnóża singularity), by opisać obecny stan rozwoju AI [1]. Nie chodziło mu o to, że AGI jest tuż za rogiem, ale że technologia osiągnęła punkt, w którym dalszy postęp będzie wykładniczy. To nie jest deklaracja zwycięstwa, a raczej stwierdzenie, że fundamenty są już gotowe – brakuje tylko kilku kluczowych przełomów.

Co zmieniło się w podejściu Google DeepMind?

DeepMind przestało skupiać się na pojedynczych zadaniach (jak AlphaGo czy AlphaFold) i zaczęło budować systemy zdolne do integracji wielu typów danych. Gemini 2.0, zaprezentowane podczas Google I/O 2024, ma być krokiem w tym kierunku – model nie tylko generuje tekst, ale też rozumie obrazy, dźwięk i struktury biologiczne [2]. To właśnie multimodalność, zdaniem Hassabisa, jest kluczem do AGI.

Czy AGI w ciągu kilku lat to realistyczny scenariusz, czy marketing?

Hassabis nie jest jedynym liderem branży, który przyspiesza swoje prognozy. Sam Altman z OpenAI mówi o AGI jako o czymś, co może nadejść „w ciągu dekady”, ale nie wyklucza szybszego scenariusza [4]. Z kolei Yann LeCun z Meta uważa, że AGI to wciąż odległa przyszłość, bo brakuje nam fundamentalnych przełomów w rozumowaniu abstrakcyjnym [4]. Kto ma rację?

Porównanie prognoz: Hassabis vs. inni liderzy branży

Źródło: MIT Technology Review [4]

Hassabis jest najbardziej optymistyczny, ale jego prognozy są też najbardziej konserwatywne w przeszłości. To, że teraz skraca szacunki, może oznaczać, że Google DeepMind widzi realne postępy – albo że chce wyprzedzić konkurencję.

Jakie wyzwania techniczne stoją jeszcze przed AGI?

Nawet jeśli multimodalność rozwiąże problem integracji danych, to wciąż brakuje nam:

1. Abstrakcyjnego rozumowania – AI potrafi generować tekst, ale nie rozumie go tak, jak człowiek. Gemini 2.0 wciąż popełnia błędy logiczne, które dla nas są oczywiste [2].
2. Common sense – Modele nie mają intuicyjnego zrozumienia świata. AlphaFold 3 przewiduje struktury białek, ale nie rozumie, jak działają one w żywym organizmie [3].
3. Skalowalności – Obecne modele wymagają ogromnych zasobów. Gemini 2.0 potrzebuje setek milionów dolarów rocznie na utrzymanie [2].

Dlaczego Google DeepMind przyspiesza swoje szacunki?

Możliwe, że chodzi o konkurencję. OpenAI, Meta i xAI inwestują miliardy w AGI, a Google nie może sobie pozwolić na stratę pozycji lidera. Ale jest też druga strona medalu: Hassabis może po prostu widzieć postępy, których inni jeszcze nie dostrzegają. AlphaFold 3, który przewiduje struktury białek z dokładnością atomową, to przykład technologii, która jeszcze rok temu wydawała się niemożliwa [3].

Co oznacza AGI dla polskiego biznesu i rynku pracy?

Polskie firmy wciąż walczą z wdrożeniem podstawowych narzędzi AI, a tu nagle okazuje się, że AGI może nadejść za kilka lat. Czy jesteśmy gotowi?

Jakie sektory w Polsce mogą zyskać, a jakie stracić?

Zyski:

• Farmacja i biotechnologia – AlphaFold 3 już teraz przyspiesza badania nad lekami. Polskie firmy, jak Selvita czy Ryvu Therapeutics, mogą skrócić czas rozwoju nowych terapii z 10 lat do 2–3 [3].
• IT i outsourcing – Firmy takie jak Comarch czy Asseco już teraz korzystają z AI do automatyzacji procesów. AGI mogłoby przyspieszyć ten proces, ale tylko jeśli polskie firmy nadążą za technologią.
• Rolnictwo – AI może zoptymalizować uprawy i zmniejszyć zużycie wody. Polska, jako jeden z największych producentów żywności w UE, mogłaby na tym skorzystać.

Straty:

• Call center i obsługa klienta – Już teraz chatboty zastępują ludzi. AGI mogłoby zautomatyzować nawet 70% stanowisk w tym sektorze [6].
• Księgowość i prawo – Proste usługi księgowe i analiza dokumentów prawnych to kolejne obszary, które AGI mogłoby przejąć.
• Transport i logistyka – Autonomiczne ciężarówki i optymalizacja tras to tylko kwestia czasu.

Czy polskie firmy są gotowe na AGI?

Nie. Według raportu PAP, tylko 12% polskich firm korzysta z zaawansowanych narzędzi AI, a większość wciąż polega na Excelu i ręcznej pracy [5]. Problemem nie jest tylko brak technologii, ale i brak wiedzy. W Polsce brakuje specjalistów od AI – według danych GUS, w 2023 roku tylko 0,3% absolwentów polskich uczelni miało wykształcenie związane z AI [5].

Przykłady wdrożeń AI w Polsce, które przybliżają nas do AGI

1. Allegro – Używa AI do personalizacji rekomendacji i wykrywania oszustw. Ich modele są już multimodalne (analizują tekst i obrazy), co jest krokiem w stronę AGI [5].
2. PKO BP – Wdraża chatboty oparte na LLM do obsługi klienta. Bank szacuje, że dzięki temu zaoszczędzi 15 mln PLN rocznie [5].
3. Selvita – Wykorzystuje AlphaFold 3 do projektowania leków. Firma twierdzi, że dzięki temu skróciła czas badań o 40% [3].

Jakie technologie Google DeepMind przybliżają nas do AGI?

Hassabis uważa, że kluczem do AGI są trzy technologie: multimodalność, abstrakcyjne rozumowanie i integracja danych naukowych. Google DeepMind ma już kilka narzędzi, które do tego prowadzą.

Gemini 2.0: przełom czy kolejny krok?

Gemini 2.0 to najbardziej zaawansowany model Google, który łączy tekst, obrazy, dźwięk i dane strukturalne (np. tabele). W testach osiągnął 90% dokładności w zadaniach wymagających integracji różnych typów danych – to o 15 punktów procentowych więcej niż poprzednia wersja [2]. Ale czy to wystarczy do AGI?

Ograniczenia Gemini 2.0:

• Wciąż popełnia błędy logiczne (np. nie rozumie ironii).
• Wymaga ogromnych zasobów – szkolenie modelu kosztowało ponad 100 mln USD [2].
• Nie potrafi uczyć się na bieżąco – każda aktualizacja wymaga ponownego trenowania.

AlphaFold 3: czy przewidywanie białek to AGI?

AlphaFold 3 przewiduje struktury białek z dokładnością atomową, co przyspiesza badania nad lekami. To imponujące, ale czy to AGI? Nie. AlphaFold 3 to wąski model – specjalizuje się tylko w jednym zadaniu i nie potrafi go przenieść na inne obszary [3].

Czy polskie firmy mogą korzystać z tych technologii już dziś?

Tak, ale z ograniczeniami:

• Gemini 2.0 jest dostępny przez API Google Cloud, ale kosztuje od 0,0001 do 0,01 USD za zapytanie (w zależności od skali) [2].
• AlphaFold 3 jest darmowy dla naukowców, ale komercyjne wykorzystanie wymaga licencji od DeepMind [3].
• Problemem jest brak ekspertów – polskie firmy nie mają zespołów, które potrafiłyby wdrożyć te technologie na dużą skalę [5].

Czy Hassabis ma rację? Eksperci waży się na prognozy

Hassabis jest jednym z najbardziej szanowanych ekspertów w branży, ale jego prognozy nie są jedynymi. Co mówią inni?

Opinie polskich ekspertów ds. AI

1. Prof. Jacek Mańdziuk (Politechnika Warszawska) – „AGI to wciąż science fiction. Mamy modele, które potrafią generować tekst, ale nie rozumieją go. Brakuje nam fundamentalnych przełomów w rozumowaniu abstrakcyjnym” [5].
2. Dr hab. Krzysztof Dembczyński (Politechnika Poznańska) – „Hassabis ma rację, że jesteśmy bliżej AGI niż kiedykolwiek, ale 'kilka lat' to optymizm. Myślę, że potrzeba co najmniej dekady” [5].
3. Marek Kapturkiewicz (CTO Synthos) – „Polskie firmy nie są gotowe na AGI. Nawet podstawowe narzędzia AI są wdrażane z opóźnieniem. AGI to dla nas wciąż odległa przyszłość” [5].

Dlaczego niektórzy uważają, że AGI to wciąż science fiction?

• Brak common sense – AI nie rozumie świata tak, jak człowiek. Przykład: Gemini 2.0 nie potrafi odpowiedzieć na pytanie „Czy można użyć młotka do wkręcenia śruby?” [2].
• Problemy z abstrakcją – Modele nie potrafią uogólniać wiedzy. AlphaFold 3 przewiduje białka, ale nie rozumie, jak działają one w żywym organizmie [3].
• Etyka i bezpieczeństwo – AGI mogłoby wymknąć się spod kontroli. Google DeepMind pracuje nad mechanizmami bezpieczeństwa, ale nie wiadomo, czy będą skuteczne [4].

Alternatywne scenariusze rozwoju AI

1. AGI w dekadzie – Scenariusz optymistyczny, zakładający szybkie postępy w multimodalności i abstrakcyjnym rozumowaniu.
2. AGI za 20–30 lat – Scenariusz konserwatywny, w którym brakuje nam fundamentalnych przełomów.
3. Nigdy – Niektórzy eksperci uważają, że AGI jest niemożliwe, bo ludzka inteligencja nie jest algorytmiczna [4].

Co powinny zrobić polskie firmy, aby przygotować się na AGI?

AGI może nadejść za kilka lat – albo za dekadę. Ale jedno jest pewne: firmy, które nie zaczną inwestować w AI już dziś, zostaną w tyle. Co robić?

Jak inwestować w AI, aby nie zostać w tyle?

1. Zacznij od małych projektów – Nie musisz od razu wdrażać Gemini 2.0. Zacznij od chatbotów, automatyzacji dokumentów czy analizy danych.
2. Szkol pracowników – Według raportu McKinsey, firmy, które inwestują w szkolenia z AI, odnotowują wzrost produktywności o 20–30% [6].
3. Współpracuj z uczelniami – Polskie politechniki mają zespoły badawcze, które mogą pomóc w wdrożeniu AI. Przykład: współpraca Allegro z Politechniką Warszawską nad rekomendacjami produktów [5].

Czy warto już teraz szkolić pracowników z zakresu AGI?

Tak, ale nie od razu. Najpierw warto nauczyć ich podstaw:

• Prompt engineering – Jak efektywnie korzystać z LLM.
• Analiza danych – Narzędzia takie jak Python czy SQL.
• Etyka AI – Jak unikać błędów i uprzedzeń w modelach.

AGI to przyszłość, ale na razie polskie firmy muszą nadrobić zaległości w podstawach.

Jakie regulacje mogą wpłynąć na rozwój AGI w Polsce?

1. Ustawa o AI – Unia Europejska pracuje nad regulacjami, które mogą ograniczyć rozwój AGI w Europie. Polska musi zadbać o to, aby nie były one zbyt restrykcyjne [5].
2. Finansowanie badań – Rząd powinien zwiększyć inwestycje w AI. Obecnie Polska wydaje na badania 1,4% PKB – mniej niż średnia UE (2,2%) [5].
3. Edukacja – Potrzebne są programy nauczania AI już od szkoły średniej. Obecnie tylko 5% polskich szkół uczy podstaw programowania [5].

Co dalej?

Demis Hassabis może mieć rację – AGI może nadejść za kilka lat. Ale dla polskich firm to nie jest czas na czekanie. To czas na działanie:

1. Zacznij od małych kroków – Automatyzuj procesy, szkol pracowników, testuj narzędzia AI.
2. Monitoruj postępy – Śledź rozwój Gemini, AlphaFold i innych technologii. AGI nie pojawi się z dnia na dzień – będziesz miał czas na adaptację.
3. Inwestuj w ludzi – Bez specjalistów od AI nawet najlepsze narzędzia będą bezużyteczne.

AGI zmieni świat. Pytanie brzmi: czy Polska będzie na to gotowa?

Źródła

[1] https://www.reddit.com/r/singularity/comments/1thxmx8/demis_hassabis_at_google_io_artificial_general/

[2] https://blog.google/technology/ai/google-io-2024-keynote-recap/

[3] https://deepmind.google/discover/blog/alphafold-3-predicting-the-structure-of-life/

[4] https://www.technologyreview.com/2024/05/15/1092450/demis-hassabis-google-deepmind-agi/

[5] https://www.pap.pl/aktualnosci/news%2C1700000%2Cpolska-w-rozwoju-sztucznej-inteligencji-eksperci-o-wyzwaniach-i

[6] https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2024