Zamknięcie dnia: Matematycy, prawnicy i hakerzy: komu ufać w AI

👁 113 przeczytań

Dzisiaj nie ma jednego centrum ciężkości - są dwa, i oba kręcą się wokół tego samego pytania: komu można ufać w ekosystemie AI? Pierwsze dotyczy zaufania do laboratoriów ze strony naukowców, drugie - zaufania prawników, sądów i firm do modeli jako narzędzi pracy. I w obu przypadkach odpowiedź dnia brzmi: to zaufanie pęka.

Matematycy kontra laboratoria: otwarta nauka pod presją

Dwudziestu pięciu laureatów Medalu Fieldsa to nie jest przypadkowy tłum oburzonych - to ścisła elita matematyki, która rzadko zabiera głos publicznie w sprawach technologicznych. Ich otwarty list przeciwko laboratoriom AI jest więc wydarzeniem nieordynaryjnym. Zarzuty są poważne: naruszanie zasad atrybucji, wywieranie presji na badaczy, by nie przypisywali zasług współpracownikom. Profesor Tristan Buckmaster z NYU twierdzi, że OpenAI wywierało na niego presję właśnie w tej kwestii. To nie jest spór o IP w sensie prawnym - to spór o kulturę nauki otwartej, którą laboratoria AI chętnie konsumują, ale zdają się mniej chętnie podtrzymywać. Wyścig o rozwiązanie wielkich problemów matematycznych staje się więc nie tylko technologiczną rywalizacją, ale też polem konfliktu wartości. I nie wygląda to dobrze dla firm, które chcą uchodzić za partnerów środowisk akademickich.

Zaufanie do modeli: prawnicy, hakerzy i cena halucynacji

Z zupełnie innej strony uderza historia Stephena Aaronsa - prawnika ukaranego grzywną 5000 dolarów przez Sąd Najwyższy Nowego Meksyku za złożenie odwołania zawierającego zmyślonych przez ChatGPT świadków sprawy o morderstwo. To już któryś z kolei przypadek tego rodzaju i wciąż nie widać, żeby środowisko prawnicze wyciągało wnioski. Ale błędy prawników to przy raporcie Anthropica niemal anegdota: Claude był używany do hakerstwa sponsorowanego przez państwa, dezinformacji i - co brzmi jak scenariusz filmowy, ale nim nie jest - prób uzyskania informacji pomocnych przy tworzeniu broni biologicznej. Anthropic zdecydował się to ujawnić, co samo w sobie jest godne odnotowania. Transparentność w kwestii nadużyć jest rzadka. Pytanie, co z tymi danymi zrobi regulacyjna część świata - na razie cisza.

Pod powierzchnią: rynki, modele i eksperymenty

Na mniej dramatycznym, ale ważnym poziomie: DeepSeek obciął ceny V4 - Flash o 56 procent, Pro o 15. To jeden z większych ruchów cenowych u pojedynczego dostawcy w tym roku i sygnał, że presja na marże w segmencie inference nie odpuszcza. Tymczasem Perplexity zintegrowało GPT-6 Astra w swoich systemach produkcyjnych end-to-end - „AI ufa AI” przestaje być metaforą i staje się architekturą. Na polu badań warto odnotować dwie rzeczy: po pierwsze, skala 0-20 działa lepiej niż 0-100 przy wyrażaniu pewności modelu - okrągłe liczby psują kalibrację, a szczegół brzmi jak drobnostka, dopóki nie przekłada się na decyzje w produkcji. Po drugie, badacze z EMNLP 2026 sprawdzali, czy model językowy da się wytrenować na muzyce i automatach komórkowych zamiast tekstu - to eksperyment na obrzeżach mainstreamu, ale zadaje pytanie o to, czym w ogóle jest „język” dla tych systemów.

Jutro patrzę na to, czy raport Anthropica wywoła jakąś konkretną reakcję regulacyjną - materiał jest zbyt szczegółowy, żeby przeszedł bez echa.