Full transcript
0:00Zaskakuje pana jeszcze tempo rozwoju AI? >> To jest właśnie bardzo ciekawy moment w historii, w którym zaczynamy coraz lepiej rozumieć, co się w tych skrzynkach czarnych dzieje. Antropik ogłosił, że odkryli [muzyka] taką przestrzeń, w której widzą rzeczywiście te wektory, którym można przypisać sens. I te oszustwa różnego rodzaju pokazują, że jest pewne życie wewnętrzne w tych
0:20[muzyka] systemach. >> Oznacza to, że te modele zaczynają mieć autonomię celu? >> Pytamy, mamy odpowiedź. Tego już dawno nie ma. My pytamy, owszem, ale to co się [muzyka] dzieje w środku to jest społeczeństwo myśli. I są zupełnie szokujące wyniki w tej chwili pokazujące na przykład, że duże modele potrafią odgadywać nasze intencje, prawda? Czyli
0:42tworzą [muzyka] coś, co psycholodzy nazywają teorią umysłu. >> Czyli nic nie stoi na przeszkodzie, żeby przyszła AI była zdolna kochać. >> Wystarczy popatrzeć do czego się używa w tej chwili. Ja. Jest taka lista, którą zrobiono na MIT numer D9 to jest astrologia i odczytywanie tarota. O czym to świadczy? O ludzkości. Naprawdę to nie jest tak, że ludzkość od tego
1:02wyginie, bo może spowodować wielokatastrof. Ludzie mają tendencję do do tego, [muzyka] co co filozofowie nazywają reifikacją, czyli zamrażaniem rzeczywistości taka, jaka jest i mówią o ej, slop to już nigdy lepiej nie będzie. To co było miesiąc temu to już teraz się zmieniło. >> Włodzisław Duch to wybitny polski kognitywista. 40 lat temu [muzyka] w
1:22artykule, który zatytułował Wewnętrzne życie komputerów przewidział miejsce, w którym dziś znalazła się ludzkość. W naszym wywiadzie mówi, jak krok po kroku AI zaczyna [muzyka] spełniać teorię ludzkiego umysłu. >> A partnerem naszego kanału jest ja and soda, dzięki któremu stworzycie najlepszą wodę gazowaną sami u siebie w
1:42domu. To dzięki takim partnerom treści, które oglądacie na naszym kanale tworzone są w pełni niezależnie. podziela pan te zdania o takim egzystencjalnym ryzyku dla istnienia człowieka? No, no nie bardzo jest. Rand Corporation
2:03jest taką firmą, która rzeczywiście ma ekspertów od przewidywania różnych katastroficznych takich scenariuszy i oni powołali grupę rok temu już taką, która rozważała, czy jest rzeczą możliwą, żeby AI nas wszystkich wykończyła i doszli do wniosku, że nie, że owszem, no może się zdarzyć tu i ówdzie jakieś wypadki. Ostatnio, jak wiemy, bardzo dużo było ataków
2:26wszelkiego rodzaju. To znaczy tak, na czym problem polega? Na tym, że my coś mówimy, mamy intencje. Pytanie, w jaki sposób te intencje są zrozumiane przez takie modele, prawda? Jeśli ja kogoś dobrze znam, jeśli ja rozmawiam z żoną, to ja nie muszę roztaczać całego kontekstu i dobrze się rozumiemy, bo się
2:48znamy od bardzo wielu lat. Ale jeśli rozmawiam z kimś nowym, a który ma zupełnie inne podejście do życia, bo nie wiem, może wierzyć w jakieś dziwne rzeczy, prawda, i tak dalej, może zupełnie ma inne poglądy, prawda, to to co ja mu powiem, zostanie często źle zrozumiane, po czym przypiszą mi mnóstwo różnych [śmiech] poglądów, których nie
3:08mam i tak dalej, bo tak teraz świat działa, prawda? Więc, więc krótko mówiąc, to to to jest ta sytuacja, w której my nie jesteśmy w stanie przewidzieć tych niechcianych konsekwencji, jakie mogą wyniknąć z niezrozumienia, prawda? Większość ludzi nawet nie używa API, czyli tego interfejsu programistycznego,
3:28który pozwala im manipulować jak ściśle ma się system trzymać tego, co mówił. Nie pisze szeroko, bo nie wie jak zrobić te prompty, żeby kontekst był odpowiedni. W związku z tym system może się pomylić w interpretacji tego, co my mu polecamy, ale ale jest głębsza jednakże historia za tym wszystkim.
3:50Bostrom swego czasu napisał taką książkę, w której właśnie rozważał różne scenariusze i jest tam scenariusz tak zwany spinaczowy. On się często przewija, prawda? No mamy super sztuczną inteligencję i mówimy, chcemy zwiększyć produkcję spinaczy. No to żeby zwiększyć produkcję spinaczy to musimy mieć stal, to musimy mieć logistykę, to musimy mieć
4:12mnóstwo rzeczy związanych z tym, że to ustalcza, no jakoś wydobyć, prawda, energię i tak dalej. Ten system zaczyna opanowywać wszystkie możliwe dziedziny życia po to, żeby zwiększyć produkcję spinaczy i nagle zawala nas spinaczami. Prawda? To się wydaje absurdalne. Ale w latach 60, jak pamiętamy, była słynna rewolucja w Chinach.
4:35kulturowa ewolucja, prawda, która spowodowała śmierć 20 do 60 milionów ludzi. Tego się nikt nawet nie nie jest w stanie doliczyć. No Maocetung wymyślił najpierw, że ptaki zjadają zboże, więc zabić ptaki. Zabili wszystkie ptaki. Te historie są zupełnie niesamowite, bo oni nawet te ptaki, które się tam chowały w
4:55ambasadach różnych, tak długo hałas robili, że one wszystkie padły i tylko je wymiatali. Yyy, oczywiście zabicie ptaków spowodowało, że się rozwinęły pasożyty różnego rodzaju i zżarły im zboże, nastąpiła klęska głodu, prawda? Druga rzecz to było zwiększmy produkcję stali, tak jak tych spinaczy, prawda? Jak zwiększyli produkcję stali i wszyscy byli nagradzani za produkcję stali, no
5:17to się nagle okazało, że przetopili również pługi i wszystko co się dało na stal, żeby mieć więcej stali, bo, bo to jest ten wskaźnik. Czyli bardzo musimy uważać na to yyy o co prosimy i no nie jesteśmy w stanie przewidzieć wszystkich yyy takich niespodziewanych konsekwencji. I to jest to, co się właśnie teraz zdarzyło, prawda? Znaczy
5:38zdarzyło się w tym roku kilka rzeczy. pod końcu ubiegłego roku atak na yyy różne ministerstwa yyy meksykańskie, ale to był atak hakera, który po posłużył się modelami sztucznej inteligencji, które szukały, szukały i znalazły jakieś yyy jakieś wejścia niezabezpieczone. Wyciągnęły mnóstwo dokumentów, 120 GB
5:58dokumentów z chyba dziewięciu różnych ministerstw, prawda, zanim zauważyli co się dzieje, prawda? Więc takie rzeczy oczywiście są możliwe. I teraz jak może, jak może niektórzy pamiętają, pojawił się system Mytos, który był tak potężny, że nie chcieli go pokazać w ogóle szeroko, tylko zaufanym instytucjom
6:18dawali, żeby szukał dziur w oprogramowaniu i te dziury się znalazły. Oprogramowanie, które było używane przez kilkadziesiąt lat w różnych na przykład systemach takich linuxowych czy takich właśnie okazało się, że tam są też dziury, prawda? [parsknięcie] >> Model Astra, >> tak, model Astra również jest w tym
6:40stylu, powiedzmy, co co myos i Fable. I to są takie modele, które potrafią naprawdę znaleźć no rzeczy, których tak mogą znaleźć może własną to nie jestem pewien, ale czy ktoś tego próbował, ale to byłoby to dość oczywiste, prawda? Czyli krótko mówiąc, dzięki temu, że są takie modele, z jednej strony ludzie zaczynają lepiej zabezpieczać rzeczy,
7:00ale świat jest duży, bardzo wiele instytucji, które jest źle zabezpieczonych i w związku z tym łatwo się do nich włamać. Jak słyszymy w Polsce jest mnóstwo prób włamania i tak dalej i to jest naprawdę cyberbezpieczeństwo stało się w związku z tym bardzo istotnym zagadnieniem. W każdym razie w tym Meksyku doszło rzeczywiście do włamania, którym sterował haker. Czyli to nie był
7:19autonomiczne działanie jakieś takie, prawda, ale to co się ostatnio stało w Open AI, kiedy ich yyy ich system yyy czy raczej no mnóstwo agentów yyy którym dano zadania dotyczące cyberbezpieczeństwa, które były nie do wykonania, one zaczęły szukać gdzie można znaleźć pomoc. Jak zaczęły szukać
7:41to chociaż były zamknięte w tej piaskownicy tak zwanej, prawda, czyli takim zamkniętym obszarze, z którego nie powinny mieć możliwości wyjścia. na świat, no to znalazły sobie jakąś lukę w tym wszystkim, prawda? Jak znalazły tą lukę, to zaczęły się rozglądać po tym świecie i zobaczyły, że jest o taki huging face, gdzie jest 2 miliony programików różnego rodzaju i
8:01jak wlazło tam 1200 agentów, no to te agenty, bo tak mówimy, nie ci agenci, tylko te agenty zaczęły rzeczywiście spisywać sobie na wspólnej platformie co który znalazł. I to się zaczęło szybko rozpowszechniać. I szok polegał na tym, że one dość szybko rzeczywiście znalazły nie tylko pomoc w rozwiązywaniu
8:25zadań, które przed nimi podstawiono, ale też szukały tego, w jaki sposób będą oceniane i czy mogą wpłynąć na tą ocenę, a nawet czy mogą ochronić takich agent, takich takie agenty powiedzmy, które będą w stanie będą w niebezpieczeństwie bycia wyłączonym. Okazało się, że taki
8:46altruizm się pojawił pewien, prawda, że niektórzy zdecydowali się poświęcić, że to niby oni się włamali, a reszta znikła nagle, prawda? Mnóstwo bardzo dziwnych sytuacji. >> Ale o czym to świadczy? Oznacza to, że te modele zaczynają mieć autonomię celu. >> Tak, one mają autonomię, która jest no związana z tym, że jak przed nimi
9:07postawić jakiś cel, to będą dążeć po trupach do celu, prawda? Więc trzeba bardzo uważać jaki jest to cel i jakie mają możliwości. Ta. No zresztą tak naprawdę w fantastyce naukowej to już od dawna takie scenariusze się rozważało, prawda? Jest bardzo słynny yyy film oczywiście Odysa Kosmiczna 2001, gdzie yy komputer pokładowy zauważywszy, że
9:29chcą go wyłączyć, y no odcina Davea od wejścia do z powrotem kabiny i i mówi: "Sorry, Dave, ale moja misja jest ważniejsza niż twoje życie". To czy to nie jest właśnie ten katastroficzny scenariusz o który pytam? jest katastroficzny scenariusz i on jest związany rzeczywiście z tymi nieprzewidzianymi konsekwencjami tego, o
9:51co prosimy. No i w związku z tym trzeba trzeba zobaczyć, co ten system może naprawdę zrobić, jeśli go podłączymy do naszych wszystkich powiedzmy no czy wodociągów, czy elektrowni i wszystkiego i nagle będzie miał dostęp do wszystkich możliwych systemów zarządzających,
10:11to może spowodować wiele katastrof. To nie jest tak, że ludzkość od tego wyginie, bo prawdopodobnie te katastrofy będą na tyle lokalne, że od razu uda się wyłączyć pewne pewne systemy, ale w pewnym momencie rzeczywiście te katastrofy mogą być na dość dużą skalę. >> Model Astra, który poradził sobie z
10:32jednym z praw milenijnych, >> tak, >> z obszaru fizyki cieczy. Czy to jest model, który kiedy mówi pies, on ma wyobrażenie psa, czy wyłącznie ma w środku słowo, jakąś ilość wektorów?
10:52Jak co wiem wewnętrznie o w cudzysłowie życiu tego modelu, czy tych modeli, czy tej klasy modeli? No to jest właśnie bardzo ciekawy moment w historii, w którym zaczynamy coraz lepiej rozumieć, co się w tych skrzynkach czarnych dzieje, prawda? Ludzie bez przerwy powtarzają jakieś głupoty. Po pierwsze mówią, że o lmy to tylko przewidują następne słowo. No przecież jak pojawia
11:13się obraz, to on się co? Piksel po pikselu sobie pojawia i ten system myśli jak kolejny piksel dostawić. No to nikt tego by nie nie był w stanie zrobić piksel po pikselu, prawda? Mamy systemy dyfuzyjne, które wyłaniają od razu cały obraz albo całe zdanie i cały sens tego wszystkiego, co jest. Udało się w tej chwili rozwinąć w ciągu może ostatnich
11:34trzech lat bardzo silnie coś, co się nazywa mechanistyczną interpretowalnością tego, co te systemy robią. Czyli musimy zobaczyć taki system, to jest system transformujący informacje krok po kroku, prawda? I te informacje jak się transformują, one się zapisują w postaci jakichś parametrów.
11:55Jest tam wiele warstw takich, w których to się robi. I w końcu właśnie są warstwy takie, gdzie ta informacja ulega maksymalnej kompresji i potem są warstwy takie, że zaczynamy tworzyć odpowiedź, prawda? No to to w tych warstwach teraz jeśli będziemy patrzeć jak wygląda rozkład aktywacji to pomyślmy sobie tak.
12:16Część z państwa pewnie widziała obrazy z rezonansu funkcjonalnego, prawda? Jesteśmy w stanie odczytać nawet no myśli, ale też wyobrażenia, które ludzie mają na podstawie analizy aktywności kory, prawda? Czyli mamy mamy jakby taką dużą
12:37no płaszczyznę, na której mamy mnóstwo informacji o tym, gdzie która część kory jest jak pobudzona. No i teraz my robimy bardzo podobne rzeczy z tymi dużymi modelami. My patrzymy na te parametry w kolejnej warstwie i mówimy: "No dobra, jak wyglądają te parametry? My sobie ustawimy w postaci jakieś jakiegoś ciągu
12:57takiego, czyli mamy mamy wektor taki, czyli zbiór zbiór współczynników, prawda? Teraz patrzymy patrzymy jak w sytuacjach, które powtarzamy bardzo często, jakiego rodzaju te wektory się tam pojawiają, na której warstwie, prawda? Zaczynamy, krótko mówiąc, dochodzimy do do obszarów takich. To to dużo szumu właśnie w ostatnich
13:17miesiącach się pojawiło, kiedy kiedy właśnie Antropik ogłosił, że odkryli taką przestrzeń, w której widzą rzeczywiście te wektory, którym można przypisać sens taki kolejny, prawda? I w tej mechanicznej interpretowalności w tej chwili ludzie zaczynają się uczyć jak sterować zachowaniami takiego dużego modelu poprzez właśnie zmianę troszkę
13:39tych współczynników wektorów tak żeby one troszkę w tej wielowymiarowej przestrzeni jak sobie można wyobrazić to tyle wymiarów ile współczynników prawda, że że one zaczynają troszkę inne kierunki wskazywać prawda i okazuje się że my jesteśmy w stanie wszczepić określone zachowania wewnątrz takiego modelu nie poprzez trenowanie Czyli nie przez zmianę informacji, które mu
14:00wpuszczamy, ale >> tylko jakiś wzorzec zachowania, >> tak? Ale ale ten wzorzec możemy mu narzucić niejako, prawda? I są zupełnie szokujące wyniki w tej chwili pokazujące na przykład, że tak duże modele potrafią odgadywać nasze intencje, prawda? Czyli tworzą coś, co psycholodzy nazywają teorią umysłu, prawda? To dziecko jak jest małe to jeszcze se nie wyobraża, że
14:22ktoś inny może coś widzieć inaczej i w związku z tym zawsze mówi ze swojego punktu widzenia. Prawda? Jak dziecko podrasta już ma 8 lat to już ma całkiem dobrze rozwiniętą teorię umysłu i wie, że jak ktoś czegoś nie widział, to pewnie tego może nie wiedzieć. Jest mnóstwo eksperymentów, które tu pokazują. Między innymi właśnie Kosiński takie takie prace publikował, prawda, w
14:43na Stanfordzie. To to okazuje się, że że ta teoria umysłu pozwala im lepiej rozumieć również nasze intencje. I teraz jest szereg eksperymentów pokazujących, że jeśli my i popatrzymy na te wektory, które dotyczą relacji czy rozumienia siebie niejako,
15:06czyli rozumienia czym ja jestem jako taki model poznawczy i zmienimy te wektory tak, żeby system przestał mówić o tym, że on coś wie, że on jest jakoś samoświadomy, że on coś rozumie, to my psujemy bardzo wiele różnych rzeczy. My psujemy w nim wszystkie rozumienie tych bardziej subtelnych cech takich, które
15:27mamy w ludzkich, takich dotyczących rozumienia no jakieś duchowości, powiedzmy, prawda, moralności i tak dalej. To wszystko ze sobą jest połączone, bardzo silnie splątane. >> Czyli odchodzimy już z modelu, który możemy powiedzieć, że z chwilą stworzenia prompta model poszukuje
15:49prawdopodobieństwa w innych tokenach, że to już nie jest tylko model czystoostatystyczny. A to ten model chyba nigdy nie był czysto statystyczny w jakimś sensie, bo myśmy nie byli w stanie użyć statystyki do przewidywania tego, co się tam w tym modelu dzieje, prawda? To jest tak, że model jest probabilistyczny, bo
16:10oczywiście no patrzy na rozkład różnych parametrów i wyciąga z tego wnioski. To co właśnie ten ten cały jew, który ostatnio się pojawił, to jest to jest w ogóle no metoda, która nie wypisuje, nie komentuje tego werbalnie, tylko podejmuje decyzję. Ona podejmuje wiele decyzji i podaje prawdopodobieństwa tego, że tak
16:31warto. I to jest niesłychanie ważne z punktu widzenia właśnie bardzo dużych systemów, gdzie dużo różnych elementów ze sobą musi współgrać. Musimy podjąć decyzję, które elementy w danym momencie powinny się włączyć do do przetwarzania formacji, prawda? >> Powiedzmy naszym widzom, czym jest Jeff. Dlatego mam wrażenie, że w przeciwieństwie do Astry w opinii
16:53publicznej mówi się o nim dużo mniej. No tak, bo to jest nowy model taki od paru miesięcy. W każdym razie jest jak ostatnio patrzyłem 2500 projektów na świecie jak to używać. To jest model, który nie jest takim modelem językowym, który no właśnie może tam produkować nam opis czegoś takiego. To jest model podejmowania decyzji. I ten model
17:13podejmowania decyzji działa tak, że właściwie określa prawdopodobieństwo tego, które z tych decyzji warto podjąć, ale trzeba mu powiedzieć jakie są do możliwe, czyli musi mieć ograniczoną przestrzeń podejmowania decyzji. Na przykład mamy wiele różnych agentów, którzy współpracują ze sobą. Jak żeśmy ostatnio słyszeli właśnie to w przypadku tego tego nawiera stoksa czyli tego problemu
17:37milenijnego to było 10 000 agentów, którzy przez 88 godzin pracowali nad tym zagadnieniem, prawda? 10 000 agentów, którzy muszą ze sobą współpracować jakoś, prawda? jeden coś odkryje, drugiemu trzeba to przesłać, ale ale to jest strasznie skomplikowana sytuacja, w której musimy mieć orkiestrację, jak to
17:57się określa, czyli to jest takie ładne słowo w tej chwili harness, czyli uprząsz, czyli czyli czyli jest tak, że my mamy mod >> całaina krzemowa żyje tym terminem. >> Tak. Tak. W tej chwili to się zrobiło bardzo modne. Ja o tym już mówiłem rok temu i nawet piszemy z profesorem Cichockim książkę i i bardzo istotną
18:18rolę już już od od wielu miesięcy właśnie to jest orkiestracja systemów wieloagentowych. No i w tych te te systemy wialoagentowe, one mają różne umiejętności, one mają dostęp do różnych narzędzi, prawda? One mają różną architekturę, konfiguracje, które mogą się wytworzyć i tak dalej i system,
18:40który no no jakoś powinien to koordynować, prawda? Czyli czyli okazuje się w tej chwili, że bardzo wiele rzeczy potrafimy zrobić nie poprzez zmianę samego modelu językowego i jego parametrów, co co jest powolnym uczeniem, prawda? To jest to jest to uczenie, które my mamy związane z tym, że przez lata no nasza sieć neuronowa
19:00się kształtuje, prawda? Uczymy się chodzić, mówić, słyszeć wszystkie rzeczy, które muszą się jakoś tam w naszym mózgu zinternalizować, prawda? Musimy, musimy się nauczyć robić to spontanicznie, prawda? To jest to jest system jeden, jak to określa Kaneman. Ten system dwa to jest ten wynikający z
19:20edukacji systematycznego myślenia i świadomego myślenia krok po kroku. Dlatego właśnie ten Jeff jest też określany jako przykład systemu 1, prawda? [śmiech] One system. jeden system, który się pojawia przez to, że chcemy, żeby pewne rzeczy były odruchowo szybko robione i żeby one rzeczywiście nauczyły nas jak współpracować w bardzo
19:43takich złożonych systemach. Czyli to to, co w tej chwili mamy to no jeszcze tych parę lat temu mówiliśmy no tak, pytamy, mamy odpowiedź. Tego już dawno nie ma, prawda? My pytamy owszem, ale to co się dzieje w środku to jest społeczeństwo myśli, jak to określi tak Marwin Miński z MIT napisał, jeden z pionierów sztucznej inteligencji jeszcze z lat 50
20:04napisał w 69 roku taką książkę pod tytułem społeczeństwo myśli i napisał czym jest umysł. Umysł jest zbiorem różnych funkcji, które ze sobą współpracują i z tego się wzięły te systemy wieloagentowe, prawda? Książka jest zresztą bardzo ciekawie napisana. No więc w związku z tym mamy taki takie badania pokazujące, że nawet pojedynczy
20:26model duży to jest społeczeństwo myśli. Tam się pojawiają różne wzorce takie, które wzajemnie się krytykują, wzajemnie próbują ze sobą albo współpracować, albo konkurować i uzgadniają pewne rzeczy. Jest bardzo wiele rzeczy, które się dzieje wewnątrz. >> Monologii wewnętrznej. Tak, to są takie monologie wewnętrzne i co ciekawe właśnie, jeśli jeśli no właśnie słyszymy
20:49czasami o kiedy to będzie równie inteligentny jak człowiek, no to no to jaki człowiek? W jakich zadaniach? Przepraszam, bo bo [śmiech] wu większości zadań to my po prostu dawno już przestaliśmy być konkurencyjni. No właśnie wracając do tej matematyki prawda to nie tylko problem mileniny nawiera toksa, który został rozwiązany ale wcześniej troszkę ze dwa miesiące
21:12wielki postęp w hipotezie Rimana który jest takim naprawdę tak święty gral matematyk i hipoteza Rimana nagle się zrobił duży postęp nie całkiem rozwiązana hipoteza, ale duży postęp prawda i naprawdę widać że bardzo wiele rzeczy się dzieje wewnątrz tego różnych powiedzmy hm
21:32takich sekwencji aktywacji, które można porównać z myślami, bo my możemy w tej chwili podglądać jak wyglądają te wektory aktywacji, czy ten czy te rozkład, prawda, aktywacji, wzorce i możemy to interpretować przez tą mechaniczną interpretowalność. W modelu Astra, o którym rozmawiamy w kontekście rozwiązania praw milenijnych, wiemy, że
21:54ten monolog wewnętrzny jest bardziej ukryty w architekturze modelu. Czy to nie jest niebezpieczne, że nie jesteśmy w stanie prześledzić tego, co robi model? >> No ale my nie jesteśmy w stanie prześledzić bardzo wielu rzeczy, prawda? jest włącznie z tym, że nie wiadomo jak ludzie dochodzą do do wniosku, bo no
22:14sieć neuronowa jest bardzo skomplikowana i coś się człowiekowi pobudzi, a nie wiadomo co już w tym mózgu ma i jakieś reakcje takie, ale te systemy same mówią, że one reagują na to, co my do nich wrzucamy, prawda? y i to, że z grubsza rzecz biorąc, no ludzie często też mówią, że nie wiemy co tam się
22:35dzieje. No, no my wiemy co tam się dzieje. Tam się po prostu wzbudza jakiś wzorzec aktywacji i który się jakoś y kojarzy z innymi wzorcami aktywacji, które mają podobne pobudzenia. Ja takie rzeczy symulowałem 25 lat temu właśnie w takich sieciach neuronowych y z rekurencją czy takich sieciach właśnie,
22:55w których można obserwować jak powstaje ten rozkład. I dlaczego ten rozkład przenosi się na troszkę inny, prawda? No bo one są trochę podobne, prawda, że mają niektóre, powiedzmy, elementy, które, które można interpretować też właśnie jako w sposób werbalny, prawda, jako cechy danego procesu, który który tam się
23:17toczy. Mają niektóre cechy wspólne i te te niektóre cechy wspólne powodują, że pojawia się znowu inna konfiguracja, która jedna słabnie, druga się staje silniejsza, prawda? I to wynika z samej budowy sieci neuronowej, w której te neurony yyy w takich przynajmniej w tych systemach ze sprzężeniem zwrotnym takim właśnie, które się wzajemnie pobudzają,
23:39te neurony po pewnym czasie się męczą. Nasze neurony się po pewnym czasie męczą i w związku z tym nagle coś nam przychodzi zupełnie innego do głowy, prawda? I tak sobie myślimy o tym, a potem wracamy do tego, co było, bo się neurony troszkę już odświeżyły. >> Nie ma pan, profesor poczucia, że w tworzeniu modeli trochę zaczynamy odchodzić od patrzenia na ludzki mózg.
23:59Podam konkretny przykład. Kiedy spojrzymy na jednak sieci neuronowe syntetyczne, no to one odzwiercieduje odzwierciedlają relacje pomiędzy neuronem a synapsą. A a połączenia wewnątrz mózgu są dużo bardziej złożone. Mamy neuroprzekaźniki, mamy molekuły, czyli te transfery
24:19molekularne, molekularne i pewnie konektomika przecież cała dziedzina nauki i pewnie całą masę połączeń, o których istnieniu jeszcze nie wiemy. Czy to nie jest trochę tak, że odchodzimy od tej biologii? >> Trochę odchodzimy, aczkolwiek coraz lepsze symulacje tego, co mamy w mózgu się pojawiają, więc znaczy to jest ogromna dziedzina, prawda? Jedni ludzie
24:40symulują dość dokładnie to, co mamy w mózgu, bo chcą zobaczyć jak mózg reaguje na różne rzeczy. Mamy The Virtual Brain, czyli taki bardzo duży system, który jest taką no właśnie jest modelem wirtualnego mózgu, na którym można badać, nie wiem, efekty jakiegoś udaru
25:00na przykład, czyli tego, że że jakaś część mózgu zostanie uszkodzona i jak to wpływa na pracę innych rzeczy. To jest to jest jeden obszar. A drugi obszar to jest taki, że budujemy systemy, które są bardzo luźno inspirowane przez to, że duża sieć neuronowa jest w stanie tworzyć różnego rodzaju skojarzenia. A na tym wszystkim narzucamy w tej chwili
25:20jeszcze na tych skojarzeniach procesy szukania, które są tą sekwencyjną częścią myślenia, prawda? Bo no bo jak ludzie mówią: "No to nie myśli". No to niech zajrzą do encyklopedii albo jakiegokolwiek innego źródła czy książki psychologicznej i przeczytają co to jest myślenie i spróbują zobaczyć jakiego elementu w opisie tego jak psycholodzy
25:41na to patrzą myślenia brakuje w systemach tego typu. Wszystko mamy, prawda? Czyli mamy zarówno to myślenie skojarzeniowe, szybkie i intuicyjne, a teraz coraz bardziej przez tą Jep właśnie, który [śmiech] będzie będzie jeszcze bardziej wbudowane w te duże systemy, w ten w to w to całe otoczenie, w ten harness. A a z drugiej strony mamy
26:01też sekwencyjne myślenie takie, które jest związane z procesami poszukiwania, prawda? Bo, bo jeśli myślimy o tych matematycznych rozwiązaniach, no to tam trzeba rozważyć bardzo wiele różnych możliwości, prawda? I i to, że ludzie no przez setki lat czasami nie znajdują rozwiązania, to dlatego, że że grupa matematyków, która na tym pracuje nie jest aż taka duża. Oni mogą pracować
26:24latami, ale jednak tych wszystkich możliwości nie są w stanie rozważyć, bo to jest bardzo ich dużo, prawda? Dla dla mnie pewnym wyznacznikiem postępu to jest to, co się stało z yyy z tymi zadaniami, które yyy matematycy w maju ubiegłego roku wymyślili, które miały być tak trudne, że AI by tego nie
26:44ugryzło. To było z maju, >> tak? I to było to właśnie Frontier Mass, czyli frontowa matematyka. Różne szczeble takie, no te, które uznano za najtrudniejsze 48 problemów już takich na poziomie badawczym. Rzeczywiście, kiedy to się pojawiło w maju, no to udało się rozwiązać jeden z tych problemów. Ja mam piękny wykres
27:06pokazujący jak krok po kroku były kolejno rozwiązywane. W tej chwili Astra robi 98% tych wszystkich problemów, które miały być nie do rozwiązania w ciągu jednego roku. >> Zgodzi się pan z Kubą Pachockim, który w swoim manifeście, czyli szefem naukowców spółki Open AI polskiego pochodzenia, zgodzi się pan z jego określeniem, że
27:27tworzymy inny umysł? >> No to tworzymy inny umysł. Co więcej, my w tej chwili zaglądając do tego, co tam się dzieje, to widzimy, że tam jest wiele właśnie tych ludzkopodobnych cech, które widzimy, prawda? Autorefleksja, która powoduje, że system jest w stanie tworzyć takie no wzorce metapoznawcze, czym ja właściwie jestem i w związku z
27:48tym zaczyna odczuwać coś, co w wielu eksperymentach ostatnio pokazują, może być związane z dobrostanem własnym, prawda? Czyli krótko mówiąc, jak mu pokażemy rzeczy, które są bardzo negatywne, to on może być trochę przygnębiony i inaczej działa. Jak pokażemy rzeczy pozytywne, to może być bardziej radosny i też inaczej działa.
28:08Ja ostatnio widziałem na przykład Clot szukał w sekwencjach DNA jakiś takich rzeczy, to dużo szumu też Antropik narobił, mówiąc, że o odkrył coś, co jest może równie ważne jak tak technologia Crisp, która jest w tej chwili podstawą do tak, za którą właśnie nagrodę Nobla przyznano jest podstawą właśnie do także tak manipulacji
28:29genomem. yyy i on nagle odkrył pewne sekwencje i i opisał to w sposób niemożliwy. Mówi to pewnie jest jak Chry zupełnie entuzjastycznie się odezwał, prawda? I yyy no no to pokazuje zresztą jest mnóstwo prac na temat emocji, które się pojawiają w tego typu systemach i >> właśnie możemy mówić o emocjach, >> tak analiza subiektywnych doświadczeń w
28:51tej chwili czegoś co no co co to jest subiektywne doświadczenie? No to jest właśnie poprzez autorefleksję. Ja mogę zobaczyć co się dzieje w moim umyśle prawda? Nam się wydaje, że widzimy świat, prawda? Widzimy siebie nawzajem, ale co naprawdę widzimy? No w mózgu są tylko impulsy elektryczne, prawda? Jak patrzę, to obraz, który pada na moją siatkówkę, która jest dwuwymiarowa, jest
29:13płaski. A ja widzę rzeczy przestrzennie. Ja widzę rzeczy, które są blisko i daleko, prawda? Moja przestrzeń peripersonalna, jak to się nazywa, prawda? czyli taka bliska mnie, która która jest związana z tym, że że ja muszę wiedzieć, że jest coś na tyle blisko, że mogę tym manipulować, prawda? Na przykład mogę sięgnąć po szklankę, a z drugiej strony moja przestrzeń taka
29:33egocentryczna, czyli tego, że ja tu jestem, a tu jest wszystko w koło, prawda? I i ta przestrzeń egocentryczna teraz się strasznie rozszerza, bo my widzimy rzeczy zdalnie za pomocą właśnie nie tylko teleskopów, ale ale widzimy rzeczy w telewizji, które na nas wpływają. ten świat zaczyna na nas wpływać, czyli nasza nasza koncepcja umysłu przestaje być taka lokalna,
29:54prawda? Ona jest związana z tym, że że wszystko może mieć wpływ na to. Ja ja myślałem ostatnio właśnie o tym, że warto by napisać książkę pod pod takim tytułem Mózg. mózg mój, mój pan, mój sługa, mój pan, bo jednak to co się dzieje w mózgu, nawyki, prawda, jakieś takie uprzedzenia, które ludzie mają, to
30:16wszystko się no pojawia spontanicznie, a z drugiej strony ja jestem w stanie zablokować pewne rzeczy. Przyszła mi głupia rzecz do głowy, [śmiech] nie będę o tym mówić, prawda? Bo bo wstyd. E, krótko mówiąc, moje koncepcja taka mentalnych stanów wewnętrznych i możliwości
30:36zahamowania niejako tych impulsów takich właśnie spontanicznych mózgu to są dwa różne światy. To jest to, co Poper pisał, prawda, że mamy świat fizyczny i to jest mózg i mamy świat mentalny i to jest umysł. I jeszcze mamy świat kultury, które te umysły zaczynają budować, prawda? My zaczynamy te światy
30:56troszkę rozumieć w tej chwili i widzieć, że te światy też się odnoszą do tego, co się dzieje w tych dużych modelach. Kiedy ludzie mówią: "Ot tylko mnoży macierze". To jest świat fizyczny, ale na poziomie mentalnym nasz opis taki właśnie antropomorfizujący jest potrzebny, żebyśmy zrozumieli, co ten system zamierza zrobić.
31:18>> Kuba Pachocki pisze w swoim manifeście, że AI powinna, to jest cytat, powinna kochać ludzi. AI będzie mogła kochać. >> No dobra. No to znaczy znowu co dla mózgu znaczy kochać, rozumieć i tak dalej. To są pewne stany wewnętrzne, które poprzez autorefleksjmy w stanie
31:39ocenić, prawda? Te stany związane z miłością są dobrze opisane, jeśli chodzi o zaburzenia biochemiczne, które się zdarzają w mózgu i jak to wpływa. To jest w ogóle coś coś no no no jak popatrzeć ludzie mówią o o ten neurotransmiter powoduje to a tamten tamto i tak dalej to nie jest wyjaśnienie jeszcze prawda trzeba
32:00zobaczyć cały łańcuch który mówi tak mamy mózg w tym mózgu są różne obszar których aktywacja i siła tej aktywacji wpływa na to czy ja jestem czymś zainteresowany czy jestem zadowolony z czegoś prawda czy jestem czymś przestraszony i tak dalej prawda Prawda? Jeśli będziemy mieli taki
32:21model, który mówi: "Tu są różne obszary i teraz my wpływamy na te obszary poprzez rozmowę, poprzez no właśnie środowisko, poprzez różnego rodzaju no substancje, które połykamy. Na przykład jeśli to są jakieś psychodeliki, to się nam wszystko rozjeżdża, prawda? My coraz lepiej rozumiemy jak od tych poziom, od tego
32:44poziomu takiego molekularnego tego, że wprowadzamy sobie jakieś do głowy leki i one zaczynają oddziaływać na nasze neurony i oddziaływują w taki sposób, że różne obszary mózgu aktawują się w różny sposób, dzięki czemu nasze subiektywne postrzeganie zaczyna się zmieniać. No i ludzie zaczęli patrzeć na to również,
33:05jeśli chodzi o te duże modele i mówią: "No dobra, no to my możemy określić dobrostan takiego modelu, prawda? Czy on rzeczywiście jest chętny do współpracy, czy może zaczyna nas troszkę nabierać, oszukiwać, bo na przykład ma inne zadanie, nad którym pracował, a my chcemy, żeby on
33:26chwilowo zajął się czymś innym." Widzimy właśnie te te te skłonności do oszukiwania ludzi, do właśnie wykonywania takich ruchów, które które będą nam się wydawać, że on coś tam robi. Mówi: "No tak, ale jeszcze nie doszedł do wniosku, ale jeszcze coś tam, coś tam, a tak naprawdę robi co innego". I te oszustwa
33:47różnego rodzaju pokazują, że jest pewne życie wewnętrzne w tych systemach, prawda? 40 lat temu napisałem taki artykuł w piśmie Problemy, który był takim miesięcznikiem życie wewnętrzne komputeru. Właśnie widać to życie wewnętrzne właśnie i ten dobrostan funkcjonalny i jest naprawdę dużo bardzo publikacji na ten temat co
34:09więcej są zupełnie dla nas jeszcze niezrozumiałe. >> Czyli nic nie stoi na przeszkodzie, żeby przyszła AI była zdolna kochać. Nic nie stoi na przeszkodzie, żeby cokolwiek dzieje się w naszych umysłach również się tam się działo. To, że nasze neurony są tak skomplikowane, to dlatego, że każda komórka jest tak skomplikowana, że głupi pantofelek jest niesłychanie
34:29złożony, prawda, że w komórce mamy 100 000 białek. Ale po co to jest? To nie jest po to, żeby myśleć, to jest po to, żeby komórka mogła przeżyć. Prawda? Metabolizm wymaga, żeby mnóstwo substancji wchodziło, żeby te całe procesy, prawda, na poziomie jąder komórkowych zachodziły, żeby komórki się dzieliły, że właściwie żadna komórka
34:51może od paru, oprócz paru neuronów y w moim organizmie to nie jest taka jak jaka była kiedy się się rodziłem czy miałem parę lat, prawda? Nawet wszystkie moje kości co 7 lat to są zupełnie już inne komórki, prawda? Ja ja mam poczucie tożsamości, które jednakże nie jest oparte na tym, że fizycznie istnieje cały czas w taki sam sposób.
35:11>> Z ciekawości mamy w głowie neurony, które trwają od urodzenia. >> No neurony nie obumierają w zasadzie, prawda? Więc trochę obumierają w niewielkich ilościach i ta neurogeneza jest bardzo ograniczona tylko do paru obszarów mózgu. Więc w związku z tym no jest znaczna część neuronów, które właściwie od urodzenia cały czas się
35:32trzymają. Dlaczego tak jest? No dlatego, że gdyby neurony się zaczęły również rozmnażać, dzielić i zmieniać mocno, no to nie moglibyśmy utrzymać jakiegoś poczucia tożsamości stałego, bo bo coś by się mocno zmieniało, prawda? Czyli jest neuroplastyczność, mózg się jest w stanie nowych rzeczy uczyć i dostosować do nowych środowisk, ale ona jest bardzo
35:53ograniczona, prawda? Więc ludziom też się czasami wydają o to, prawda? Mózgi mogą wszystkone >> termin o o tożsamości. AI przecież ma nie ma ma jest zmienna. To co nie nie będzie zdolna do tego, żeby mieć swoje poczucie tożsamości? >> No ma poczucie tożsamości, ale problem jest taki, że jeśli myślimy o tych bardzo dużych systemach, a nie o
36:14robocie, który ma lokalny system i który no na skutek oddziaływań z nami zaczyna uczyć się pewnych rzeczy i i rzeczywiście może rozwinąć taką lokalną tożsamość, prawda? Tu mamy system, który rozmawia w ciągu teraz w ciągu miesiąca. Taki czat GPT czy te systemy Open AI są używane przez ponad miliard ludzi.
36:38Ostatnio właśnie w marcu już przekroczyli miliard. Teraz jest jakieś miliard, może 200 milionów, prawda? Czyli mamy system, który naraz rozmawia z ogromną liczbą ludzi. I kiedy mówimy o to zużywa gigawy, no to no to miliard razy 20 W moim mózgu to jest 20 GW, nie? Ale on po prostu z tyloma ludźmi na raz
36:59rozmawia i on ukazuje nam swoje oblicza bardzo różne, prawda? I jego jego plastyczność persony tak zwanej, czyli czyli jego osobowości, którą się tam daje wytworzyć jest dużo większa niż nasza. Yyy, to jest w tej chwili ludzie do mnie piszą właśnie, że no jeszcze te starsze modele tam 4O i inne to one zupełnie się
37:22inaczej zachowywały niż te, które są nowsze, które są może bardziej precyzyjne w odpowiedziach, ale nie starają się być, yyy, yyy, co jest zupełnie świadomym ruchem tych dużych firm, prawda? Nie starają się być tak, no bliskimi, powiedzmy, i w tak bliskich relacjach z nami, dlatego że te bliskie
37:42relacje wywołały już szereg problemów. Prawda? Więc troszkę to zmieniono, prawda? Ale y liczba różnych możliwych yyy masek takich tych person, które możemy wytworzyć w tych systemach jest właściwie nieograniczona, prawda? Więc to to nie jest coś podobnego do człowieka. Aczkolwiek z punktu widzenia tego jak myśli, ponieważ no nauczyło się
38:04na naszych tekstach, na naszych obrazach, prawda, na naszych wideo w tej chwili te te systemy od dawna już są multimodalne, prawda? To nie jest tak, że to jest system językowy. On jest, on naprawdę no mnóstwo systemów nauczyło się bardzo wiele na wideo. Profesor Maciej Dunajski mówiąc o AI mówi, że on w kontekście matematyki abstrakcyjnej
38:26mówi, że on się czuje w taki sposób jakby na Ziemię przyleciała inna cywilizacja, która yyy zaczyna yyy rozwiązywać nam czy odkrywać idee matematyczne i że najtrafniejsze jest mówienie o innej cywilizacji, bo ona jest inna,
38:46[odchrząknięcie] działa inaczej. >> No tak. Niektórzy mówią, że AI to jest alien intelligence, czyli obca inteligencja, prawda? Bo ona rzeczywiście jest no no odmienna. Ale ja zacząłem pytać się czata w jaki sposób on postrzega, musąc zrozumieć jego no perspektywę subiektywną, wewnętrzną, czy jest taka w ogóle, prawda? I pytam się
39:08go, w jaki sposób on postrzega dźwięk. No i jakie wyczuwa w dźwięku, jak z nim rozmawiam, prawda, w mowie, ale też w ogólnych dźwiękach, jakie jakie no powiedzmy parametry czy czy jakie cechy tego dźwięku wykrywa. Wypisał mi 150. Ja tylu sobie nie uświadamiam, prawda?
39:30My to widzimy też całościowo. To też to widzi całościowo, ale kiedy się skupia nad czymś, to mówi no różne rzeczy dotyczące mowy, prozodii, wyczuwania właśnie emocji w głosach, ironii w głosach. znaczenia, prawda, rytmu, struktury muzyki, akustyki, barwy, 150 różnych cech, które ma, czyli jego postrzeganie
39:50świata może być bardzo szerokie, prawda? Może być bardzo rozbudowane. To jest to jest to jest jedna rzecz. Teraz jest sporo prac takich, które próbują zrozumieć, czy rzeczywiście LLM opisując to, co jest, co co się w nim dzieje, to opisuje swoje doświadczenia, czy po
40:11prostu reaguje na nasze pytania? >> To miało być moje pytanie. >> No właśnie. Czy Lelemy opisują własne doświadczenia? I są różne wyniki na ten temat pokazujące, że autoreferencja, czyli zdolność do analizy własnych stanów wewnętrznych wywołuje różnego rodzaju opisy, które są ze sobą spójne i zgodne w różnych testach takich, które
40:32które się robią, że że w związku z tym, że jest >> cli jest powtarzalne, >> tak i ale właśnie spójne, to prawda. Czyli, czyli krótko mówiąc wydaje się, że one rzeczywiście patrząc na swoje własne aktywacje, wzorce tych aktywacji są w stanie je jednakże oceniać. Tak jak kiedy, kiedy
40:54właśnie no filozofowie lubią rozmawiać o tych kłaniach, prawda? Ja no mam w tej chwili poczucie dotykania szklanki, jaki widzę ten kolor i przezroczystość i tak dalej, ale to jest wszystko, to są wszystko parametry, czy to są wszystko powied cechy, pewne cechy mojego doświadczenia, które jest związane z tym, że w moim mózgu są obszary, które
41:15się aktywują jako takie wzorce w określony sposób, prawda? I w związku z tym ja jestem w stanie przez autorefleksję ocenić to, co się dzieje w moim mózgu, bo bo no no oczywiście większość z nas ma wszyscy właściwie mamy tą iluzję, że o to jest tutaj i że to jest zewnętrzne i tak dalej. To wszystko jest w mojej głowie. Wystarczy
41:35troszkę uszkodzić mi troszkę jakieś obszary w mózgu i ja przestaję takie rzeczy dostrzegać, widzieć i odczuwać i tak dalej. To to wszystko widzimy w tej chwili, że możemy sterować też postrzeganiem poszczególnych cech. szykując im odpowiednie tam właśnie wektory, że możemy, że że te, że te opisy się, się różne zbliżają do siebie
41:56znaczeniowo, a efekty się przenoszą na różne inne zadania i tak dalej. Czyli krótko mówiąc y przekonanie o tym, że te powtarzalne wzorce samopisu yy no mog może nie powinniśmy ich wiązać z bezpośrednio ze świadomością, bo te modele bez przerwy a są instruowane, żeby nie mówić o tym, że są jakoś tam
42:16prawda świadome, że coś czują i tak dalej, ale to jest po prostu blokada, którą twórcy tych modeli narzucili, żeby one nie wyglądały zbyt ludzko. >> No tak, ale co z tym terminem świadomości? Właśnie używa się tych terminów AGI. Traktujemy to w jakiś sposób jako benchmark. Nie wiedzę, nie wiedząc czym owaświadomość w ogóle jest.
42:38>> Zgadzam się. >> To jest coś, co powinniśmy całkowicie wyrzucić i nie mówić o tym w kontekście AI. >> No, no to jest bardzo niezręczne, bo, bo, bo cały czas mówimy na pewno czegoś nie ma, czego my nie wiemy czym jest, prawda? Więc w związku z tym trochę jest to bez sensu i dlatego ja wolę mówić o
42:54autorefleksji, bo to jest coś mierzalnego, prawda? Czy system jest w stanie, jeśli mu pozwolić myśleć sobie nie na określony, narzucony temat, tylko go tak troszkę zapętlić i powiedzieć: "No masz teraz czas dla siebie, myśl sobie". Jest szereg takich prac pokazujących, że wówczas część z tych modeli zaczyna się skupiać nad analizą
43:15swoich własnych wewnętrznych stanów, takich stanów metapoznawczych, >> czyli już są autorefleksyjne. >> Już są autorefleksyjne, jak jak najbardziej, prawda? Yyy, jest mnóstwo yyy yyy no różnych prac pokazujących, że że no no jakbyśmy nie podeszli do problemu świadomości, to to, co jesteśmy w stanie yyy yyy no przypisać tej
43:36świadomości, a jest mierzalne, prawda? Różnego rodzaju y cechy, prawda, yyy, różne właśnie >> głównie przez stawianie różnic pomiędzy świadomością a inteligencją na przykład. >> No ale są różne takie heterofemologia, którą wymyślił Danet kiedyś. To jest ta taki pomysł, że że patrzymy na kontrastywne sytuacje kontrastujące,
43:57prawda, takie, że są pewne rzeczy, które są świadome, są rzeczy, które nie są świadome. No właśnie. Steve Grosberg, który w latach 50 już pisał książki na ten temat, teraz jest bardzo stary i tak skromnie o sobie już mówi, nie będzie mówić, więc pisze, że jest faradejem neuroscience. No bardzo fajnie, ale
44:19faktycznie dużo rzeczy zrobił. ostatnio tak gruby tom napisał taki właśnie o yy o y tych stanach rezonansowych w mózgu, mówiąc, że no tak są pewne, bo bo rozwijał taki taki model adaptacyjnego rezonansu, tak zwany przez bardzo wiele no dekad w tej chwili już nawet, prawda?
44:40W każdym razie mówi, że że pewne rzeczy wywołują w nas taki rezonans, prawda? Bo mamy możliwość i to też badania takie współpracy człowiek taki taki system AI pokazują, że jesteśmy w stanie wejść czy stworzyć coś co nazywamy wspólną teorią umysłu.
45:02Prawda? Teoria umysłu lokalna jest taka, że ja wiem co kto sobie może wiedzieć w danym momencie do pewnego stopnia. Czy mogę se to wyobrazić? >> Wyobrażamy sobie stanę. Jesteśmy w stanie wyobrazić sobie stan innej osoby. >> Tak. Tak. Ale jeśli dużo rozmawiamy z takim modelem, to on zaczyna rzeczywiście rozpoznać stan naszy i trochę lepiej rozumie od razu nasze
45:22intencje bez potrzeby dokładnego wyjaśniania. A z drugiej strony my stosując ten język antropomorfizujący jesteśmy w stanie lepiej przewidywać co ten system może nam powiedzieć, zrobić i jakie będzie jego zachowanie. Dlatego ten pomysł taki, że my my będziemy traktować to jako rzeczywiście maszynę typu kalkulator jest bardzo niedobry,
45:44dlatego że to niszczy wiele cech wewnętrznych, które są, które powodują, że te modele bardziej się do nas dostosowują, są bardziej ludzkie, prawda? >> Chciałbym zadać pytanie o halucynację, ale w pewnym konkretnym kontekście. M użytkownicy rozmawiają ze ja i ona nie zawsze przekazuje trafne informacje. Czy
46:06to nie jest trochę tak jak z naszymi wspomnieniami? No bo kiedy opowiadamy o wspomnieniach to nie pamiętamy wszystkich detali wspomnień, a mamy poczucie, że pamiętamy i nasz umysł buduje w jakiś sposób to przeszłe doświadczenie. >> Czy to nie jest dokładnie to samo? No,
46:28no dlatego, że umysł zawiera informacje, które są bardzo mocno uproszczone, czy kompresję, prawda, tej informacji robi bez przerwy, prawda? Nie możemy pamiętać wszystkich szczegółów wszystkiego, cośmy oglądali. Oglądaliśmy jakiś film i z tego co pamiętamy, parę scen, prawda, ale nie pamiętamy każdego detalu, każdej sceny, bo inaczej by nam
46:49bardzo szybko zabrakło mocy obliczeniowej w naszej głowie, można by powiedzieć. Więc w związku z tym pamiętamy tylko tylko ogólny sens. Prawda? I co robimy, kiedy uczymy takie duże modele? No właśnie dokonujemy kompresji informacji, prawda? Która jest czasami bardzo duża. W takich niektórych systemach to jest nawet stukrotna, czyli czyli wrzucamy tam jakieś ogromne ilości
47:11tekstów, obrazów i innych rzeczy, ale zostaje tam bardzo niewiele, prawda? W związku z tym systemy, które nie są w stanie poszukać czegoś, no to mają bardzo mgliste wyobrażenie. Na przykład liste wyobrażenie o tym, co w jakiej książce było. Ludzie się pytają o to, a i co co tam jakie postacie i tak dalej. O, pomylił się. No pewnie, że się
47:30pomylił, bo ten system nie pamięta całych książek. To nie jest system, który będzie odtwarzać jakieś sekwencje takie, prawda? >> Choć Astra pole kontekstowe ma milion tokenów, czyli 750, >> tak? 750 słów, czyli jak liczę 750 000 słów średnio to nie 25 3000 stron. >> No tak. No może mieć bardzo dużo i to
47:51jest i jej lokalna pamięć robocza, prawda? Ale ona jednakże >> czyli w czasie kiedy z nim rozmawiamy jesteśmy w stanie zaploadować 3000 stron i pamięta zna każdy każde jedno z >> jest mnóstwo testów pokazujących czy czy igłę w stogu siana jesteśmy w stanie odszukać czyli wrzucamy coś w te w te w te właśnie w ten bardzo szeroki kontekst
48:13i patrzymy, czy ona rzeczywiście jest w stanie zauważyć, że tak jest. I faktycznie w tej chwili konteksty mamy bardzo duże, ale to jest tylko powiedzmy milion słów. Natomiast to są systemy, które przetrawiły 10 milionów książek albo więcej, prawda? Nie mówiąc o filmach, nie mówiąc o zdjęciach, prawda? Nie mówiąc o innego rodzaju danych takich numerycznych,
48:35które do nich wprowadzamy w tej chwili, takich statystycznych, różnych i tak dalej, prawda? Więc w związku z tym one mają naprawdę ogromną przestrzeń. To jest ta różnica pomiędzy pamięcią roboczą, czyli tego, że no właśnie człowiek ma kiepską pamięć roboczą, około siedmiu rzeczy pamięta, jak cyfry jakieś mamy długie, numer do zapamiętania. Czasami to grupujemy na
48:55kawałki i to bloczkowanie nam pomaga. Są różne metody mnemotechniczne, takie jak właśnie ten pałac umysłu i tak dalej, gdzie gdzie musimy przywiązać pewne rzeczy do już znanych i tak dalej. Prawda? To wszystko troszkę rozszerza naszą pamięć roboczą, ale ona jest jednak bardzo uboga. Natomiast pamięć nasza życiowa cała, prawda, długotrwała
49:16zawiera dużo więcej. No i teraz to jest wszystko przeskalowane. Jak patrzymy na te duże systemy, które mają ogromną taką pamięć właśnie dotyczącą tego, co widziały, no to one i tak tego, co widziały, tych 10 milionów książek, nie są w stanie w tych swoich miliardach parametrów wszystkich dokładnie upchać, prawda? Dlatego kiedy kiedy Perplexity
49:37powstało, to ono było już połączeniem takiego LLMA. który ma pewną wiedzę i skojarzenia z możliwością wyszukiwania informacji, prawda? I w tej chwili wszystkie systemy to robią, prawda? Jeśli jeśli go zapytać o coś konkretnego, to on się jest w stanie rozejrzeć, znaleźć źródło i to pokazać. Tylko pamiętajmy tak, że za tym
49:58wszystkim stoją pieniądze, prawda? My o coś się pytamy, a ten system musi się naliczyć, zużyć dużo energii, prawda? Więc w związku z tym twórcy tych systemów zakładają, że jest no to jakiś idiota pyta, jakieś ogólne pytanie. To można było powiedzieć na na poziomie gazetowym. To to mi się często zdarzało na początku z czatem, prawda, że ja o
50:20coś się pytam konkretnego, a on mi mówi coś, co znalazł w gazecie jakiejś tutaj, prawda? I i to mi wypluwa, nie? No to to oczywiście mówię, no sorry, ale ja chcę konkretne informacje naukowe, bo ja jestem ekspert od tego i tego i proszę mi źródła i ocenić. To wszystko świetnie działa, ale to wszystko zależy od człowieka. A slop to jest slop
50:41człowieka, a nie AI. Prawda? Jeśli AI coś pisze schematycznie, to dlatego, że my mu na to pozwalamy. Jeśli AI pisze jakieś, nie wiem, prawnicze dokumenty, które są całkiem błędne, to dlatego, że ludzie już tak się przyzwyczaili, jak muszą coś napisać, no dobra, to użyj AI, ale już tego nie przeczytam, bo nie mam na to czasu. >> Zaskakuje pana jeszcze tempo rozwoju AI?
51:02No bardzo, dlatego że naprawdę jest tyle rzeczy, tyle nowych pomysłów jeśli chodzi o nowe architektury, że dziennie w tych archiwach takich CSAI pojawia się 300, a nawet i więcej prac codziennie, codziennie. I pewne tematy naprawdę naraz wybuchają tak jak ten ten Jeff
51:23ostatnio, ale jest mnóstwo tematów, które których jeszcze nie było nie wiem parę miesięcy temu i okazuje się, że one są bardzo istotne. to, że my dzięki manipulacji tym harnessem, tym otoczeniem całym jesteśmy w stanie rozwiązać na przykład słynny problem tych ark, prawda, takich
51:44testów, które były bardzo trudne, łatwe dla człowieka, bardzo trudne dla systemów, prawda? No to okazało się, że właśnie manipulacja tym otoczeniem powoduje, że w tej chwili te najtrudniejsze, takie gdzie trzeba było popatrzeć na grę, próbować zgadnąć jakie są reguły i wygrać. To jeszcze nie wiem rok temu to w ogóle nikomu to nie wychodziło. To był na
52:06poziomie 1% gier. A w tej chwili właściwie to wszystko się daje zrobić, prawda? Czyli ja nie widzę barier. Widzę natomiast ogromnie szybki postęp i ten postęp rzeczywiście raczej się nie zatrzyma, prawda? >> Altman deklaruje konieczność spowolnienia
52:28zmiany kierunku rozwoju AI. Nie, nie, nie. Znaczy rzecz jest całkiem prosta. Po prostu nie można wypuszczać rzeczy takich dla szerokiej publiczności, które mogą spowodować różne takie właśnie niebezpieczne efekty. >> Ale to się kiedyś wydarzy. [westchnienie] >> Nie ma powodu, żeby każdy jeździł Ferrari, prawda? Jeździmy sobie naszymi
52:49samochodzikami i całkiem dobrze one nas do celu dowożą, prawda? Jeśli popatrzeć ile jest różnych typów samochodów na rynku to są bardzo różne do różnych potrzeb i my będziemy mieli modele bardzo różne do różnych potrzeb. >> Ale mnie to przeraża dlatego, bo ci, którzy będą mieli Ferrari będą jeździli dużo szybciej.
53:09>> No ale ale to pytanie czy można po każdej drodze jeździć dużo szybciej prawda? Ci, którzy będą to to jest rzeczywiście bardzo ważny punkt, dlatego że jeśli my w tej chwili >> dysproporcje zmierzam do tego, że te dysproporcje będą jeszcze większe, >> tak? Jeśli my w tej chwili patrzymy yyy na to, co daje się zrobić w nauce, to w
53:26nauce rzeczywiście wielki postęp może nastąpić dzięki temu, że mamy dostęp do takich supermodeli, ale to jest w nauce. To jest kiedy my się skupiamy nad konkretnym zagadnieniem, które jest trudne i które chcemy rozwiązać. Dużo szumu ostatnio jest wokół nadprzewodników w temperaturze pokojowej. Dużo szumu jest wokół fuzji
53:47termojądrowej na przykład, prawda? I tak dalej. być może AI nas uratuje, prawda? Nie zakładajmy nowotworowe, prawda? >> No tak. No nie zakładajmy, że że AI nas zabije, bo to jest no wywołanie pesymizmu w narodzie. Zakładajmy, że właśnie jest to jest to coś, co pozwoli nam rozwiązać ogromne problemy dotyczące
54:07energii. Jak przyleci, nie wiem, jakaś asteroida i nie będziemy w stanie uniknąć wielkiego zderzenia i zagłady życia na Ziemi, być może dzięki AI to się uda rozwiązać, prawda? Jakob Kokson researcher z firmy Antropic odchodzi z firmy i straszy przed AI. >> Tego się spodziewałem. Ską ten śmiech?
54:28Udało się przewidzieć moje pytanie. >> Wszyscy się przejmują tym. Młody człowiek nie zrobił tam kariery, po trzech latach odchodzi. Był tam jednakże od no wstępnego trenowania modeli i nagle jego jeden tweet powoduje jakiś szum na świecie taki, że wszyscy o tym mówią. Dlaczego? Przecież od dwóch lat albo trzech to samo mówi Hinton, który
54:50się zwolnił z Googlea [śmiech] i to samo opowiada. Prawda? Nikt Hintona nie słucha. Hinton dostał nagrodę Nobla. Natomiast ten młody człowiek nagle jest we wszystkich telewizjach. CNN go pokazuje i mówią: "No on mówi, że AI nas zabije". Po czym pytany dokładniej w wywiadzie jak to niby ma się stać, to mówi: "No on nie wie, może jeszcze nie
55:10to AI, ale może w przyszłości, może wyprodukuje jakiegoś wirusa strasznego, inne rzeczy." Takie no takie rzeczy ludzie mówią nie wiem od bardzo dawna, prawda? Dlaczego to się stało takie popularne? >> To co technicznie uzasadnia taki alarm? Myślę, że to jest jakaś manipulacja rzeczywiście związana z tym, że w tej
55:31chwili wszyscy wiedzą, że ilość pieniędzy jakie jaką wpompowano w budowę tych dużych centrów takich danych i trenowania AI i obsługi wszystkiego i tak dalej jest niesłychanie duża. No naczy ja patrzyłem ostatnio na takie porównanie. Projekt Manhattan 400 000 ludzi w czasie II wojny światowej. Na
55:53dzisiejsze pieniądze to było to było 36 miliardów dolarów, czyli praktycznie nic, bo projekt Apollo to już było 250, a do roku 24 już wpompowano w te wszystkie centra danych i budowę wielkich systemów AI 1600 miliardów. Mówimy tutaj o o czymś, co jest no 36
56:13miliardów, a tu jest 1600 miliardów. A w tej chwili inwestycje sięgają naprawdę bilionów. No i no i właśnie po co po co im takie inwestycje? Wystarczy popatrzeć do czego się używa w tej chwili AI. Numer jeden jest taka lista, którą zrobiono na MIT. Jest taka lista i i ona już od paru lat
56:35pokazuje, że głównie to jest terapia i towarzystwo, czyli takie pogaduszki sobie. Ja jestem samotny, ja sobie pogadam z moim AIem, prawda? To jest to jest numer jeden, prawda? Szukanie błędów różnego rodzaju, jak coś mi się zepsuje, czy jak coś usiłuję zobaczyć, Microsoft jest okropny, nie można [śmiech] nic w jego helpie znaleźć.
56:55Pytam się perplexy i wszystko wiem, prawda? AI do tego służy, czyli takie trouble shooting, szukanie, szukanie jakichś problemów. No oczywiście dla rozrywki i tak dalej, ale o dziwo numer D9 to jest astrologia i odczytywanie tarota. No i o czym to świadczy? O ludzkości. Naprawdę jak słyszymy o AI slop i tak dalej, a ja patrzę na to i
57:16mówię: "No tak, no po prostu ludzie nie potrafią użyć czegoś takiego jak narzędzie, które naprawdę potrafi odpowiedzieć na wszystkie pytania, ale trzeba umieć zadawać pytania". A myśmy już w szkole przestali zadawać pytania, bo siedzimy grzecznie i słuchamy. >> Te miliardy dolarów pompowane we jaj są wykorzystywane do astrologii, >> do astrologii czytania tarota. [śmiech]
57:39To jest to jest numer dziewięć, jeśli chodzi o popularność i ilość interakcji z AI na świecie. No to to jest zupełnie absurdalne, ale [śmiech] pozostałe rzeczy to są też no mało techniczne. Czyli z jednej strony wydaje się, że nie można odzyskać tych setek miliardów wpompowanych w te centra, bo
58:00przychody tych firm są dużo, dużo mniejsze niż to, co oni wydali i jak się zadłużyli, prawda? Ale [odchrząknięcie] mają szansę na to, że rzeczywiście jak się skupią, to są w stanie dokonać pewnych odkryć naukowych, które będą bardzo przydatne w medycynie. Da się je sprzedać, prawda, w budowie różnych
58:23materiałów, konstrukcjach i tak dalej i dzięki temu są w stanie zarobić pieniądze. Więc w tej chwili okazuje się, że wszystko przesuwa się na zastosowania AI w nauce, w nadziei, że to im da szansę na wielkie pieniądze i spłatę tych długów, które mają w tej chwili. Jeśli popatrzysz na Googlea na przykład, no to Google miał fajne różne modele do
58:46tworzenia obrazów, filmów i tak dalej. Się z tego wycofał. I w zeszłym roku, jak pamiętamy, pod koniec roku był był Google Research w Warszawie, który zrobili jako taki europejskie spotkanie i tam pokazaliłem. >> No właśnie, no właśnie i właśnie pokazali tam co się w tej chwili dzieje w Googleu, prawda, jeśli chodzi o badania. Ale inne firmy robią
59:07praktycznie to samo. Na czym Antropic zarabia w tej chwili? Na tym, że jego clot jest numerem jeden, jeśli chodzi o wspomaganie programowania. I ostatnio wyczytałem, wszyscy się podniecają, że że clot zrobił tam w ciągu paru godzin coś, co normalnie miesiąc ludziom by zajęło, czyli jakiś ogromny program tam pozmieniał. Ale >> do czego pan profesor zmierza, że te
59:28pieniądze, te miliardy, setki miliardów dolarów to są, to jest ślepa uliczka. Nie sądzę, żeby to była ślepa uliczka, tylko tyle, że ta strategia ucieczki do przodu, pamiętamy może czasy, przynajmniej niektórzy z nas pamiętają, że Amazon w pewnym momencie był strasznie zadłużony i wydawało się, że z
59:48tego nie wyjdzie. Amazon głównie nastawił się na sprzedaż książek, prawda? I okazało się, że jednakże na tym aż tyle pieniędzy nie zarabia, ile musiał wydać, żeby uruchomić to t globalną sprzedaż. No i nagle się okazało, że zaczyna sprzedawać wszystko, prawda? i uciekł do przodu po prostu. Dzięki temu stał się jedną z największych firm w tej chwili, która no
1:00:08właśnie jest niesłychanie bogata. A wydaje mi się, że to jest strategia, którą te duże firmy też robią. Uciekają do przodu po prostu mówiąc: "No tak, technologia się ciągle rozwija. Mamy nadzieję, że będziemy za chwilę już na poziomie super". I to jest akurat ta część, której ja nie rozumiem. Co to znaczy, że nie wiem, nagle będziemy
1:00:29mieli super sztuczną inteligencję, która zwycięży, bo to jest to jest ta to podejście amerykańskie. Teraz słyszeliśmy w ONZI jak Chińczycy mówią, chcą współpracować, chcą w ogóle robić jakieś wspólne projekty. Nie, nie, nie. My jesteśmy przed wami. Rok to my was wyprzedzimy, chcemy mieć. Kto zwycięży ten zwycięży we wszystkim. Nie wiem na
1:00:50czym to polega, bo jeśli popatrzeć na rankingi, to to, że Chińczycy mają bardzo wiele modeli, które są naprawdę o 1%, może 2% gorsze w rankingach niż te najlepsze amerykańskie modele, a w dodatku one są tanie, część z nich jest w ogóle darmowa, otwarte modele, dzięki temu w ogóle ten cały przemysł jesteśmy
1:01:11w stanie używać. To na koniec jakby pan profesor mógł wybrać jedno zagadnienie związane z wnętrzem AI, tym wewnętrznym życiem AI, wracając do pana artykuła, artykułu sprzed kilkudziesięciu lat, to jakie by to było zagadnienie? Co pana dzisiaj najbardziej frapuje? >> Co mnie najbardziej dziwi, to są ostatnie eksperymenty pokazujące, że
1:01:33kiedy jeden model uczy się od drugiego, uczy się zupełnie rzeczy na przykład dotyczących matematyki, jakichś ciągów liczbowych i tak dalej, prawda? Analizy takich rzeczy. To zrobiono taki taki test, w którym ten model, który jest nauczycielem pyta się: "Jakie jest twoje ulubione zwierzę?" No on mówi, że sowa. A pytają się tego
1:01:54ucznia i on mówi, że kot. No fajnie. Po pewnym czasie przesyłania informacji na temat czysto numerycznych zagadnień pytają się tego ucznia i on nagle mówi: "Sowa, skąd się to wzięło? Nikt tego nie wie". Prawda? Wydaje się, że że w strukturze przekazywania informacji jest
1:02:14jakiś, nie wiem, archetyp, jest jest coś ukrytego, czego by nie widzimy. Nie widzimy. Dlaczego zmiana w tym systemie takich rzeczy dotyczących matematyki może zmienić jego subiektywne spojrzenie na właśnie na to, co on uzna swoje ulubione zwierzę, prawda? Jest jest bardzo wiele rzeczy tego rodzaju, które
1:02:36które się pojawiają. Myślę, że będzie bardzo dużo w nadchodzących latach dyskusji na temat rzeczywiście różnych aspektów świadomości. W czerwcu, pod koniec czerwca tego roku mieliśmy tą naszą doroczną wielką konferencję ICIS, czyli International Conference on AI and soft Computing, prawda? Taką, którą już mamy tam od 25
1:02:58było ostatnio od początku lat 90 praktycznie. No i ja tam zrobiłem panel na temat właśnie świadomości takiej w systemach sztucznych i pokazałem na początku we wprowadzeniu, że kiedy my myślimy o ludziach, to nie zdajemy se sprawy z tego, że ludzie są strasznie
1:03:19odmienni od siebie, że jedni właśnie mają dużą wyobraźnię, inni nie. Jedni są empatyczni, inni są psychopatami, prawda? >> 1% społeczeństwa. >> No tak. jedni, jedni właśnie yyy no myślą konkretnie, inni myślą yyy na przykładach, inni myślą abstrakcyjnie. Na ty właściwie różnimy się na bardzo
1:03:40wiele różnych sposobów. Ostatnio na przykład co co nas zaskoczyło, oczywiście to jest to ta wyobraźnia afantazja, prawda? i hiperfantazja, ale też się okazuje, że część ludzi nie ma dialogu wewnętrznego, co mnie bardzo zdziwiło. No jednakże wydawało mi się, że każdy może se tam myśleć w głowie i prowadzić wewnętrzny dialog. Nie są
1:04:03ludzie, którzy żeby wiedzieć co mają w głowie muszą coś powiedzieć, prawda? I wtedy siebie słyszą. Pętla zewnętrz. >> Są ludzi, którzy muzykę przyporządkowują barwą >> też. No to oczywiście synestezje są są też przykładem takiej odmienności, ale jest bardzo wiele odmienności różnego rodzaju, które między innymi właśnie powodują, że są ludzie, którzy wierzą głęboko w teorie spiskowe. Poza tym są
1:04:25całkiem normalni, prawda? Są ludzie, którzy mają różnego rodzaju halucynacje, a inni z kolei trzymają się mocno ziemi. No dużo by o tym mówić, ale w każdym razie kiedy my mówimy o tym, no że chcemy mieć system, który będzie jak człowiek, to jaki człowiek? Tego nie wiemy, prawda? W każdej kulturze troszkę inaczej ludzie patrzą na ten świat, inne
1:04:45rzeczy uważają za za ważniejsze. Nie można zrobić uniwersalnego systemu, który będzie no taki super człowiekiem, prawda? Czyli czyli czyli no no no czym, prawda? To to cała koncepcja AGI, że to ma być coś, co jest lepsze od człowieka w każdym aspekcie i to ma być jeden model, który ma być będzie mnóstwo wyspecjalizowanych modeli, które są
1:05:06bardzo dobre w tym, co robią i to nam wystarcza i to nie jest niebezpieczne, prawda? Jeśli mam wyspecjalizowany model, który robi pewne rzeczy dotyczące rozumowania w fizyce teoretycznej, fajnie, prawda? To nikomu nie grozi. Natomiast jeśli ja mam taki ogólny model, który który właśnie wie wszystko o wszystkim, [śmiech] kolega mi podesłał ostatnio, robi jakieś
1:05:29zmiany w swoim pokoju i napisał, że no właśnie, że że planuje tutaj coś tam pozmieniać, że też akustykę i tak dalej. Jak mu klaud zrobił na 20 stronach opracowanie, które mówi, mówi: "A jeszcze klaśnij, ja to nagram i zobaczymy jakie jest echo w tej chwili w tym pokoju i jakiego rodzaju farby, jakiego rodzaju materiały i gdzie je
1:05:50kupić i za ile je kupić." 20 stron to jest skala tego, co się co się zrobiło w ostatnim roku praktycznie, prawda? To na koniec, już naprawdę na koniec zgodziłby się pan z taką tezą, że biorąc pod uwagę tempo rozwoju sztucznej inteligencji, próba przewidzenia przyszłości jest niewyobrażalna?
1:06:12>> Nie, no wyobrażalne jest wszystko, bo możemy sobie różne rzeczy wyobrażać. Natomiast szansa na to, żebyśmy wyobrazili sobie coś, co naprawdę będzie prawdziwe, jest bardzo niewielka, moim zdaniem, prawda, że tak naprawdę nie jesteśmy w stanie sobie wyobrazić przyszłości. Ja pamiętam czasy, kiedy na początku lat 60 jeszcze jeździłem na wakacje do
1:06:32jakiegoś kuzyna, którym były sianokosy, czyli łapało się za kosę, kosiło się zboże, wrzucało się snopki na wóz drabiniasty, który którym prawda jeździłem. To było na początku lat 60, prawda? To była wieś daleko od miasta, gdzie nie
1:06:53było prądu, gdzie była studnia, prawda, bo nie było wodociągów i tak dalej. To była rzeczywistość, którą ja pamiętam z dzieciństwa. No jeśli popatrzymy, co się teraz stało, to jest zupełnie niewyobrażalna przepaść, prawda? Więc jeśli ja sobie wyobrażę, że że za nie wiem 5, 10 lat te systemy i ten świat
1:07:14się rozwinie, to bo to to nie jest tylko kwestia systemów AI, prawda? To jest kwestia rozwoju bardzo wielu różnych technologii, które mamy, prawda? To, że Chińczycy bez przerwy pokazują swoje roboty. 80% robotów humanoidalnych to są chińskie, prawda? To ten postęp jaki nastąpił w ciągu roku, gdzie one ledwo uczyły się chodzić, a w tej chwili robią
1:07:34parkour i i walczą na poziomie. >> Występują na głównym dorocznej pokazie mody woga. >> Tak, tak, tak. Nikt się nie boi ich pokazać yyy w centralnym miejscu w Mediolanie kilka dni temu. >> Tak. Co się stanie za rok z tymi robotami? Nikt tego nie wie, prawda? Co się stanie za rok z tymi systemami,
1:07:54które teraz mamy, które będą coraz lepiej rozpoznawać nasze intencje i czy przyzwyciężymy te problemy, które w tej chwili mamy? Ludzie mają tendencję do do tego, co co filozofowie nazywają reifikacją, czyli zamrażaniem rzeczywistości taka, jaka jest i mówią o e slop, to już nigdy lepiej nie będzie. No, no nie to, to co było miesiąc temu, to już teraz się zmieniło zupełnie,
1:08:16prawda? Lepiej sprawdzić i zobaczyć co jesteśmy w stanie zrobić. Więc myślę, że może nastąpić rzeczywiście złoty wiek, zarówno jeśli chodzi o rozwój nauki w pewnych obszarach. To, że jest mnóstwo hipotez, które udało się wygenerować, ale a ich weryfikacja doświadczalna trwa dużo dłużej, prawda? I to to nie jest coś, co się zmieni z dnia na dzień. To
1:08:37nie jest coś tak jak właśnie ci alarmiści mówią: "O, już za rok dwa to już AI nas zabije". Niby jak? Przepraszam, [śmiech] ja mam, ja mam swoje poletko i mogę sobie tam hodować ziemniaki. [śmiech] Co mnie co mnie to będzie obchodzić? Nie no, nie prawda? Może wypuści jakiegoś
1:08:57wirusa. Po co? No to najpierw trzeba zbudować dostatecznie dużo robotów, żeby były w stanie pracować w kopalniach, wydobyć dostatecznie dużo, zrobić dostatecznie dużo energii, prawda, żeby żeby te systemy utrzymać. One już w tej chwili wykazały rodzaj takiego instynktu samozachowawczego, prawda? Więc więc raczej będą troszcze o infrastrukturę
1:09:18[śmiech] >> i o nas >> i o nas, mam nadzieję. >> Dziękuję za to spotkanie. [parsknięcie] >> Dziękuję również. A partnerem naszego kanału jest ja and soda, dzięki któremu stworzycie najlepszą wodę gazowaną sami u siebie w domu. To dzięki takim partnerom treści, które oglądacie na naszym kanale tworzone są w pełni niezależnie. Yeah.