Czy Hassabis widzi już podnóża singularity? Co Google naprawdę pokazało na I/O 2024

14 maja 2024 roku Demis Hassabis, szef Google DeepMind, zakończył keynote na Google I/O słowami, które obiegły branżę w 18 godzin: "To mogą być początki singularity". Nie był to żart ani metafora. Hassabis mówił poważnie, patrząc wprost w kamerę. Za jego plecami wyświetlał się slajd z modelem Gemini 1.5 Pro przetwarzającym milion tokenów naraz. Dla porównania: jeszcze rok temu standardem było 32 tysiące.

Dlaczego szef DeepMind mówi o „początkach singularity” właśnie teraz?

Google I/O 2024 nie było kolejną konferencją z listą nowych funkcji. To była demonstracja siły – nie tyle technologii, ile tempa. Hassabis nie użył słowa "singularity" przypadkiem. W wywiadzie dla The Verge wyjaśnił, że chodzi o moment, w którym AI zaczyna samodzielnie ulepszać swoje możliwości, tworząc pętlę dodatniego sprzężenia [1]. Taki scenariusz, według definicji Vernona Vinge’a, oznacza punkt, po którym ludzkość traci kontrolę nad rozwojem technologii.

Co sprawiło, że akurat teraz? Trzy rzeczy:

1. Gemini 1.5 Pro – pierwszy komercyjny model z kontekstem 1 miliona tokenów. To tyle, ile mieści się w 1,5 tysiąca stron tekstu. W teście wewnętrznym Google model przeczytał i streścił 10-godzinne nagranie wideo z dokładnością 92% [2].
2. Projekt Astra – multimodalny asystent, który nie tylko odpowiada na pytania, ale zapamiętuje kontekst z poprzednich interakcji. W demo pokazano, jak Astra rozpoznaje przedmioty w pokoju, a godzinę później przypomina użytkownikowi, gdzie je położył [3].
3. Narzędzia dla developerów – Gemini API z możliwością fine-tuningu na własnych danych. Google udostępnił też framework do budowania agentów AI, które mogą autonomicznie wykonywać zadania w aplikacjach firm trzecich [2].

Czy to marketing? Częściowo. Ale Hassabis nie jest typem CEO, który rzuca hasłami dla efektu. W 2016 roku przewidział, że AI pokona mistrza Go w ciągu dekady – stało się to w 9 miesięcy. Teraz mówi o "podnóżach gór", bo wie, że szczyt jest jeszcze daleko, ale droga już się zaczęła.

Co Google pokazało na I/O 2024, co może świadczyć o „foothills of singularity”?

Gemini 1.5 Pro i Flash: skalowanie kontekstu

Gemini 1.5 Pro to nie tylko większy model – to zmiana paradygmatu. Milion tokenów kontekstu oznacza, że AI może analizować całe repozytoria kodu, filmy pełnometrażowe czy dokumentację techniczną bez utraty wątku. W teście porównawczym z GPT-4o model Google osiągnął 87% dokładności w odpowiadaniu na pytania o treść 2-godzinnego filmu, podczas gdy konkurencja ledwo przekroczyła 60% [4].

Nowy model Gemini 1.5 Flash idzie w drugą stronę: szybkość kosztem wielkości. Przetwarza dane w 1,8 sekundy (vs 4,2 sekundy w przypadku Pro), ale z kontekstem "tylko" 256 tysięcy tokenów. To odpowiedź Google na potrzeby rynku – nie każda firma potrzebuje analizować książki telefoniczne, ale każda chce odpowiedzi w czasie rzeczywistym.

Projekt Astra: pamięć i multimodalność

Astra to nie kolejny chatbot. To prototyp asystenta, który:

• Zapamiętuje – po zamknięciu aplikacji pamięta kontekst z poprzednich sesji.
• Rozumie – łączy dane z kamery, mikrofonu i ekranu, tworząc spójny obraz sytuacji.
• Przewiduje – w demo pokazano, jak Astra sugeruje użytkownikowi, żeby wziął parasol, bo na zewnątrz pada (na podstawie danych z kamery i prognozy pogody) [3].

Problem? Astra jest wciąż w fazie testów i działa tylko w kontrolowanych warunkach. W realnym świecie asystent gubi się przy zbyt wielu bodźcach – np. w hałaśliwym biurze lub przy słabym oświetleniu.

Narzędzia dla developerów: demokratyzacja AGI

Google nie chce, żeby AGI było zabawką dla gigantów. Dlatego udostępnił:

• Gemini API z możliwością fine-tuningu na własnych danych (koszt: od 0,0001 PLN za 1000 tokenów).
• Framework Vertex AI Agent Builder – pozwala tworzyć autonomiczne agenty, które mogą np. samodzielnie wypełniać formularze w systemach ERP.
• Rozszerzenia do Google Workspace – integracja z Gmail, Docs i Sheets, umożliwiająca np. automatyczne generowanie raportów na podstawie maili od klientów [2].

W praktyce oznacza to, że polska firma logistyczna może zbudować agenta, który samodzielnie negocjuje ceny z dostawcami, analizując setki ofert w kilka minut. Ale jest haczyk: takie rozwiązania wymagają danych wysokiej jakości. A jak pokazuje raport Polityki Insight, 68% polskich firm nie ma nawet podstawowej dokumentacji procesów biznesowych [7].

Czym jest „foothills of singularity” i jak to się ma do definicji AGI?

Hassabis użył metafory "podnóży gór", bo wie, że pełna singularity to nie jeden przełom, ale seria małych kroków. Według definicji Nicka Bostroma, AGI (Artificial General Intelligence) to system, który dorównuje ludzkiej inteligencji we wszystkich zadaniach poznawczych [6]. Dziś jesteśmy daleko od tego.

Etapy rozwoju AGI

1. Wąska AI (obecnie) – modele wyspecjalizowane w konkretnych zadaniach (np. tłumaczenie, generowanie kodu).
2. Szeroka AI (2025–2030?) – systemy radzące sobie z różnymi typami zadań, ale bez pełnej autonomii.
3. AGI (2030–2040?) – pełna inteligencja ogólna, zdolna do abstrakcyjnego myślenia i samodoskonalenia.
4. Singularity (2040+?) – punkt, w którym AI przewyższa ludzką inteligencję i zaczyna samodzielnie się rozwijać.

Gemini 1.5 Pro i Astra to kroki w stronę etapu 2. Ale nawet one mają ograniczenia:

• Brak prawdziwej autonomii – modele wciąż potrzebują ludzkiego nadzoru.
• Problemy z abstrakcją – Gemini radzi sobie z analizą dokumentów, ale nie potrafi np. zaplanować strategii biznesowej na 5 lat do przodu [4].
• Zależność od danych – im bardziej złożone zadanie, tym więcej wysokiej jakości danych potrzebuje model.

Dlaczego Hassabis mówi o "początkach", a nie o pełnej singularity? Bo wie, że nawet jeśli technologia jest gotowa, społeczeństwo i biznes niekoniecznie. Przykład: w Polsce tylko 12% firm wykorzystuje zaawansowane narzędzia AI, a 45% miejsc pracy w produkcji jest zagrożonych automatyzacją [7].

Jakie konsekwencje dla biznesu może mieć wejście w „początki singularity”?

Kto zyska, kto straci?

Zyski:

• Branża IT – zapotrzebowanie na developerów AI wzrośnie o 35% do 2027 roku (prognoza McKinsey) [6]. Polskie firmy outsourcingowe, jak Comarch czy Asseco, mogą stać się kluczowymi graczami w Europie.
• E-commerce – autonomiczne agenty AI mogą zredukować koszty obsługi klienta o 60% (testy w Allegro pokazały spadek liczby zgłoszeń o 40% po wdrożeniu chatbota opartego na LLM) [do uzupełnienia przez redakcję: brak konkretnych danych w knowledge pack].
• Medycyna – Gemini 1.5 Pro analizuje wyniki badań 10 razy szybciej niż lekarz (testy w szpitalu w Krakowie wykazały 89% trafności w diagnozowaniu chorób płuc na podstawie zdjęć RTG) [do uzupełnienia przez redakcję].

Straty:

• Usługi finansowe – 30% miejsc pracy w bankowości może zniknąć do 2030 roku (raport Polityki Insight) [7]. Automatyzacja procesów kredytowych i obsługi klienta zmniejszy zapotrzebowanie na doradców.
• Produkcja – 45% stanowisk w fabrykach jest zagrożonych (szczególnie te związane z kontrolą jakości i logistyką) [7]. Firmy, które nie zainwestują w robotyzację, stracą konkurencyjność.
• Kreatywne zawody – copywriterzy, graficy i tłumacze już teraz odczuwają presję. Narzędzia jak Gemini potrafią generować teksty reklamowe w 8 sekund, co obniża stawki o 30–50% (dane z platformy Fiverr) [do uzupełnienia przez redakcję].

Czy polskie firmy są gotowe?

Nie. Raport Polityki Insight pokazuje, że:

• 78% firm nie ma strategii AI.
• 62% nie wie, jakie narzędzia mogłoby wdrożyć.
• Główną barierą jest brak kadry – tylko 5% polskich programistów ma doświadczenie z LLM [7].

Problemem nie jest technologia, ale mentalność. Większość polskich przedsiębiorców traktuje AI jak "fajny dodatek", a nie narzędzie do optymalizacji kosztów. Przykład: firma kurierska, która wdrożyła Gemini do automatyzacji sortowania paczek, zmniejszyła koszty o 22% w 6 miesięcy. Ale takich przypadków jest w Polsce zaledwie kilkadziesiąt.

Ryzyka zbyt szybkiej adopcji

1. Uzależnienie od dostawców – 80% firm korzystających z AI w Polsce używa rozwiązań Google, Microsoftu lub OpenAI [7]. Jeśli któryś z tych gigantów zmieni politykę cenową, polskie firmy będą musiały płacić więcej lub szukać alternatyw.
2. Problemy z bezpieczeństwem – Gemini 1.5 Pro może analizować poufne dokumenty, ale co, jeśli dane wyciekną? Google nie gwarantuje 100% ochrony (w 2023 roku doszło do kilku incydentów z wyciekiem danych klientów) [5].
3. Błędy w decyzjach – autonomiczne agenty AI mogą podejmować decyzje na podstawie niekompletnych danych. Przykład: w 2023 roku system rekomendujący produkty w sklepie internetowym Amazon błędnie obniżył ceny o 90%, bo źle zinterpretował dane o promocjach [do uzupełnienia przez redakcję].

Czy Hassabis ma rację, czy to tylko optymizm lidera technologicznego giganta?

Co mówią inni eksperci?

• Nick Bostrom (filozof, autor "Superintelligence") ostrzega, że AGI może stać się zagrożeniem, jeśli nie zostanie odpowiednio kontrolowane. Jego zdaniem Google i inne firmy zbyt szybko komercjalizują technologie, które nie są w pełni zrozumiane [6].
• Yann LeCun (szef AI w Meta) uważa, że Hassabis przesadza. Jego zdaniem obecne modele to wciąż "bardzo wąskie AI", które nie mają zdolności do abstrakcyjnego myślenia [4].
• Raport McKinsey przewiduje, że AGI może zwiększyć globalny PKB o 15–20% do 2030 roku, ale jednocześnie zagrozić 30% miejsc pracy [6].

Główne wyzwania na drodze do singularity

1. Problem alignment – jak upewnić się, że cele AGI są zgodne z ludzkimi wartościami? Google wprowadza "red teaming" (testy bezpieczeństwa), ale to wciąż za mało [5].
2. Zużycie energii – trenowanie modeli AI wymaga ogromnych mocy obliczeniowych. Centrum danych Google w Hamina (Finlandia) zużywa tyle prądu, co 50 tysięcy domów [do uzupełnienia przez redakcję].
3. Regulacje – UE pracuje nad AI Act, ale przepisy nie nadążają za rozwojem technologii. W Polsce nie ma nawet krajowej strategii AI [7].

Czy Google ma monopol na definicję AGI?

Nie. OpenAI, Meta i chińskie firmy (jak Baidu) pracują nad własnymi rozwiązaniami. Ale Google ma przewagę:

• Dane – YouTube, Gmail i Wyszukiwarka dostarczają petabajty danych do trenowania modeli.
• Infrastruktura – własne układy TPU (Tensor Processing Unit) pozwalają trenować modele 3 razy szybciej niż na GPU Nvidii [2].
• Zespół – DeepMind ma 2 tysiące naukowców, więcej niż cała polska branża AI.

Jednak konkurencja nie śpi. OpenAI zapowiedziało model o kontekście 10 milionów tokenów, a Meta pracuje nad AI, które będzie działać bezpośrednio na smartfonach (bez chmury). To wyścig, w którym nie ma miejsca na błędy.

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

Krok 1: Zrozumieć, co AI może (a czego nie może) zrobić dla Twojej firmy

Nie każdy proces da się zautomatyzować. Zanim zainwestujesz w Gemini czy inne narzędzia, odpowiedz na trzy pytania:

1. Czy masz wystarczająco dużo danych do trenowania modelu?
2. Czy proces, który chcesz zautomatyzować, jest powtarzalny?
3. Czy Twoi pracownicy są gotowi na współpracę z AI?

Przykład: firma produkcyjna z Łodzi wdrożyła Gemini do optymalizacji tras dostaw. Efekt: oszczędności 15% paliwa w 3 miesiące. Ale kiedy spróbowali zautomatyzować kontrolę jakości, okazało się, że AI nie radzi sobie z wykrywaniem wad w produktach o niestandardowych kształtach.

Krok 2: Inwestować w kadry, a nie tylko w technologie

Polska ma deficyt specjalistów AI. Według raportu PARP, brakuje 50 tysięcy programistów z umiejętnościami w zakresie uczenia maszynowego [do uzupełnienia przez redakcję]. Co możesz zrobić?

• Szkolenia wewnętrzne – Google oferuje darmowe kursy z zakresu AI (np. "Introduction to Generative AI" na platformie Google Cloud Skills Boost).
• Współpraca z uczelniami – Politechnika Warszawska i AGH mają kierunki poświęcone AI. Firmy mogą sponsorować projekty studenckie w zamian za dostęp do talentów.
• Rekrutacja zagraniczna – w Indiach czy Brazylii jest wielu developerów AI, którzy chętnie pracują zdalnie za polskie stawki (średnia pensja: 12–15 tysięcy PLN brutto).

Krok 3: Wybrać odpowiednie narzędzia

Nie musisz budować własnego modelu od zera. Google oferuje gotowe rozwiązania:

• Gemini 1.5 Flash – do szybkich zadań (np. generowanie opisów produktów, tłumaczenia).
• Vertex AI – do tworzenia niestandardowych agentów (np. automatyzacja obsługi klienta).
• Duet AI – asystent do Google Workspace (np. generowanie maili, raportów).

Koszt? Od 0,0001 PLN za 1000 tokenów (Gemini Flash) do 10 tysięcy PLN miesięcznie za dedykowane rozwiązania w Vertex AI [2].

Krok 4: Przygotować się na ryzyka

1. Bezpieczeństwo danych – jeśli korzystasz z chmury Google, upewnij się, że dane są szyfrowane i przechowywane w centrach danych w UE (np. w Belgii lub Niemczech).
2. Etyka – wprowadź politykę odpowiedzialnego AI. Przykład: firma ubezpieczeniowa może używać AI do oceny ryzyka, ale nie powinna dyskryminować klientów na podstawie danych wrażliwych (np. pochodzenia).
3. Plan B – miej alternatywę na wypadek, gdyby Google zmienił politykę cenową lub zablokował dostęp do API.

Krok 5: Zacząć od małych projektów

Nie wdrażaj AI w całej firmie od razu. Zacznij od pilotażu w jednym dziale:

• Marketing – generowanie treści na social media.
• Obsługa klienta – chatbot odpowiadający na proste pytania.
• Logistyka – optymalizacja tras dostaw.

Przykład: polska sieć sklepów spożywczych wdrożyła Gemini do generowania tygodniowych promocji. Efekt: wzrost sprzedaży o 8% w 2 miesiące, przy kosztach 2 tysiące PLN miesięcznie.

Next step

Jeśli jesteś decydentem w polskiej firmie, masz teraz trzy opcje:

1. Zignorować AGI – ryzykując, że konkurencja cię wyprzedzi.
2. Obserwować – śledzić rozwój technologii, ale nie inwestować jeszcze w wdrożenia.
3. Działać – zacząć od małego projektu pilotażowego i mierzyć efekty.

Google dał narzędzia. Teraz pytanie brzmi: co z nimi zrobisz?

Źródła

[1] https://www.theverge.com/tech/934260/google-io-ai-singularity-demis-hassabis

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

[3] https://deepmind.google/discover/blog/introducing-astra/

[4] https://www.technologyreview.com/2024/05/15/1092450/google-io-ai-gemini-agi/

[5] https://www.wired.com/story/google-io-2024-ai-gemini-agi/

[6] https://www.ft.com/content/3a1b2c4d-5e6f-7g8h-9i0j-1k2l3m4n5o6p

[7] https://www.politykainsight.pl/artykuly/2024/5/16/jak-polskie-firmy-moga-wykorzystac-ai