Zamknięcie działu 22

Słowniczek działu 22

Termin Definicja
system hybrydowy AI architektura łącząca uczenie neuronowe z elementami symbolicznymi (reguły, narzędzia, bazy wiedzy)
halucynacja wygenerowana przez model treść brzmiąca pewnie, ale nieprawdziwa — konsekwencja mechanizmu predykcji statystycznej
AlphaFold system AI przewidujący strukturę trójwymiarową białka, nagrodzony Noblem z chemii 2024
checklista krytycznego obywatela cztery grupy pytań (dane, ewaluacja, interesy, limity) do systematycznej oceny doniesień o AI
tor rozwoju obserwowalny kierunek zmian w AI (skala, agenci, regulacje…), nie wróżba daty

W pigułce — Dział 22

  • Współczesne systemy AI, choć rdzeniowo neuronowe, coraz częściej łączą się z elementami symbolicznymi (kalkulator, wyszukiwanie, RAG) — czysta statystyka ma swoje granice.
  • Halucynacje i koszt energetyczny to fundamentalne, wciąż nierozwiązane ograniczenia obecnej generacji AI — redukowane, ale nie eliminowane przez kolejne wersje modeli.
  • Nagrody Nobla 2024 (fizyka: Hopfield/Hinton; chemia: AlphaFold) uhonorowały realny, udokumentowany transfer metod i realne osiągnięcia naukowe — nie „ogólne rozumienie świata" przez AI.
  • Krajobraz na przełomie 2025–26: AI jako technologia ogólnego zastosowania, współistnienie modeli ogólnych i wyspecjalizowanych, otwartych i zamkniętych.
  • Checklista krytycznego obywatela (dane, ewaluacja, interesy, limity), stosowana symetrycznie, jest umiejętnością trwalszą niż jakikolwiek konkretny fakt z tego podręcznika.
  • Co dalej: AI jako narzędzie pod ludzkimi celami; śledź tory + warstwy źródeł; wybierz ścieżkę nauki (obywatel / twórca / badacz) — książka się kończy, pytania nie.

Sprawdzian działowy

Zestaw A — pytania sprawdzające

  1. Wyjaśnij, dlaczego halucynacje modeli językowych nie są „usterką do naprawienia jedną aktualizacją", lecz konsekwencją samego mechanizmu ich działania.
  2. Wyjaśnij różnicę między tym, co uhonorowano Noblem z fizyki 2024 (Hopfield/Hinton), a tym, co uhonorowano Noblem z chemii 2024 (AlphaFold).
  3. Wymień cztery pytania checklisty krytycznego obywatela i wyjaśnij krótko, po co służy każde z nich.
  4. Wyjaśnij, dlaczego zastosowanie checklisty krytycznego obywatela „niesymetrycznie" (surowo wobec niewygodnych, pobłażliwie wobec wygodnych doniesień) nie jest prawdziwym krytycyzmem.
  5. Podsumuj jednym zdaniem, jaka umiejętność z tego podręcznika ma pozostać aktualna najdłużej — dłużej niż jakikolwiek konkretny fakt o konkretnym modelu AI.
  6. Wymień trzy tory rozwoju AI „za horyzontem" i jeden sposób, by je śledzić bez ufania samemu demo.
Sprawdź odpowiedzi (Zestaw A)

  1. Model językowy generuje tekst przez przewidywanie najbardziej statystycznie prawdopodobnego kolejnego słowa na podstawie danych treningowych — „prawdopodobne brzmienie" i „prawdziwość" to dwie różne cechy, których model nie ma wbudowanego, niezawodnego sposobu odróżniać. Dlatego halucynacje są wpisane w sam mechanizm działania modelu, a nie są jednorazowym błędem programistycznym — kolejne wersje mogą je ograniczać (lepsze dane, RLHF, RAG), ale nie eliminują ich całkowicie.

  2. Nobel z fizyki uhonorował transfer metod matematycznych z fizyki statystycznej (modele spinowe, maszyna Boltzmanna) do fundamentów uczenia maszynowego — czyli metodę i narzędzia leżące u podstaw sieci neuronowych. Nobel z chemii uhonorował konkretne, praktyczne osiągnięcie naukowe — system AlphaFold rozwiązujący dobrze zdefiniowany problem (struktura białka) z jasnym, weryfikowalnym kryterium sukcesu, przyspieszający realne badania biologiczne i medyczne.

  3. (1) Dane — czy zbiór danych treningowych/testowych jest reprezentatywny, czy dobrany wybiórczo; (2) ewaluacja — czy sposób pomiaru sukcesu faktycznie odpowiada praktycznemu znaczeniu i ma sensowny punkt odniesienia; (3) interesy — kto ogłasza wynik i jaki ma w tym interes finansowy lub inny; (4) limity — jakie ograniczenia systemu są przyznane lub przemilczane, i czy demonstracja odzwierciedla typowe użycie.

  4. Bo stosowanie różnych standardów oceny w zależności od tego, czy wynik jest nam wygodny, nie służy dochodzeniu do prawdy — służy utwierdzaniu z góry przyjętych przekonań (błąd konfirmacji). Prawdziwy krytycyzm wymaga tych samych, systematycznych pytań niezależnie od tego, do jakiego wniosku prowadzą.

  5. Umiejętność krytycznej, systematycznej oceny nowych doniesień o AI (poprzez pytania o dane, ewaluację, interesy i limity) pozostanie aktualna długo po tym, jak konkretne modele, firmy i fakty z tego podręcznika staną się historią — bo dotyczy sposobu myślenia, nie konkretnej, zmieniającej się z czasem treści.

  6. Przykład: multimodalność, agenci z narzędziami, regulacje/AI Act. Śledzenie: paper lub niezależny test + checklista 22.3 (nie samo demo firmy).