Podgląd streszczenia
Techniczne stan AI w 2026: Pełna analiza raportu Stanford HAI
Hej, stary! Wpadłem na coś mega ciekawego i musiałem się z Tobą tym podzielić. Wyobraź sobie, że dostajemy co roku taki "raport stanu zdrowia" dla sztucznej inteligencji. Właśnie wyszedł świeżutki raport od Stanford HAI (Human-Centered Artificial Intelligence), który analizuje, co działo się z AI w 2025 roku. A tam działo się naprawdę dużo! Szczególnie interesuje mnie rozdział o technicznych osiągnięciach – to jakby zerknąć pod maskę samochodu, żeby zobaczyć, co go napędza, a nie tylko podziwiać lakier. Przygotuj się, bo będzie sporo konkretów, porównań i, kto wie, może nawet kilka zaskoczeń. Pogadamy o tym, jak AI nauczyła się lepiej widzieć, rozumieć język, tworzyć wideo, myśleć i nawet się ruszać. Dowiesz się, kto teraz jest na topie, dlaczego stare testy już nie działają, i gdzie AI wciąż ma problemy. W sumie takie totalne zanurzenie w świat supernowoczesnych technologii AI, ale wytłumaczone tak, jak lubimy – prosto i na luzie.
Rozdział 1: Wprowadzenie – Dokąd zmierzamy?
Wyobraź sobie, że budujemy dom. Ten raport jest jak inspekcja budowy. Nie patrzymy na kolor ścian (to pewnie o społecznym odbiorze albo ekonomii), ale na fundamenty, konstrukcję, instalacje – czyli to, co czyni dom domem. W naszym przypadku to techniczna wydajność AI. Bez tego reszta to tylko ładne słówka. W 2025 roku AI pokazała takie wyniki, że chyba nawet sami jej twórcy byli w szoku. Ona nie tylko trochę się poprawiła, ona zaczęła przebijać sufity, które sama sobie wcześniej postawiła. I to dotyczy niemal każdej dziedziny: od widzenia komputerowego, przez robotykę, aż po agentów, którzy potrafią działać samodzielnie. Główne przesłanie: AI rozwija się w szaleńczym tempie, przeganiając nasze metody pomiaru. To jednocześnie super sprawa i lekki powód do niepokoju, bo tracimy kontrolę nad tym, jak oceniać ten postęp.
Rozdział 2: Główne tezy – Co się wydarzyło?
Przejdźmy od razu do rzeczy. Co takiego się działo w 2025 roku, że eksperci ze Stanford HAI zaczęli bić na alarm (albo podziwiać)? Teza 1: AI przewyższa testy stworzone dla niej. To chyba najważniejszy wniosek. Pamiętasz, jak kiedyś próbowano porównywać AI z ludźmi w jakiś skomplikowanych zadaniach? No więc teraz AI nie tylko dogoniła człowieka, ale go prześcignęła. Na przykład, w teście "Ostatni Egzamin Ludzkości" (Humanity's Last Exam), który specjalnie zrobiono trudnym dla maszyn, najlepsze modele pokazały wzrost o 30% w ciągu roku! To tak, jakby uczeń w rok przeszedł od trójki do medalu olimpijskiego. Problem w tym, że testy, które miały nam służyć latami, nasycają się w miesiące. Przestają być użyteczne do śledzenia realnego postępu. To jak próba mierzenia wzrostu dziecka starą, wytartą linijką. Teza 2: Topowe modele wyrównały szanse, ale konkurencja zaostrza się. Kiedyś była jedna dominująca modelka, a teraz mamy całą grupę liderów. Według rankingu Elo (tak, jak w szachach, tylko dla AI, ocenianego przez ludzi w "Arenie") pięć firm – Anthropic, xAI, Google, OpenAI, Alibaba i DeepSeek – idzie łeb w łeb. Różnica między nimi to zaledwie kilkanaście punktów. To znaczy, że walka przenosi się z czystej wydajności na inne fronty: kto zrobi model taniej, pewniej, albo lepiej dopasowany do konkretnego zadania (np. medycyny czy finansów). Teraz ważne jest nie tylko bycie mądrym, ale też bycie mądrym i dostępnym. Teza 3: Rozłam między zamkniętymi a otwartymi modelami znów rośnie. W 2024 roku wydawało się, że otwarte (open-source) modele prawie dogoniły zamknięte. Ale w 2025 trend się odwrócił. Teraz najlepsze zamknięte modele wyprzedzają najlepsze otwarte o 3.3%. Z top 10 modeli w "Arenie" sześć to modele zamknięte. To zła wiadomość dla tych, którzy liczyli na demokratyzację AI przez otwarte rozwiązania. Wygląda na to, że najbardziej przełomowe technologie wciąż pozostają pod kluczem u dużych korporacji. Teza 4: Geopolityczne rywalizacja USA i Chin osiągnęła parytet. Kiedyś często mówiono, że USA znacznie wyprzedza Chiny w rozwoju AI. Ale w 2025 roku sytuacja się zmieniła. Amerykańskie i chińskie modele zaczęły zamieniać się miejscami w rankingach. To chiński model DeepSeek-R1 na chwilę zrównał się z najlepszym amerykańskim, to znowu na odwrót. Teraz topowy model USA wyprzedza chiński o 2.7%. Różnica jest niewielka i ciągle się waha. Wygląda na to, że wyścig zbrojeń w dziedzinie AI idzie na równych zasadach. Teza 5: Benchmarki tracą wiarygodność, są "oszukiwane". To bezpośrednie następstwo pierwszej tezy. Okazało się, że błędy w popularnych testach mogą sięgać nawet 42%! Na przykład, w zadaniu GSM8K (to rozwiązywanie zadań matematycznych) było bardzo dużo niepoprawnych pytań. A jeszcze są podejrzenia, że niektóre modele po prostu nauczyły się "grać" na platformie "Arena", pokazując wysokie wyniki nie dzięki realnym zdolnościom, ale przez adaptację do konkretnych warunków. To jak student, który nauczył się odpowiedzi na stare egzaminy, ale nie
Rozdział 3: Kluczowe idee – Co kryje się za liczbami?
Rozłóżmy te tezy na czynniki pierwsze, żeby zrozumieć, co to właściwie znaczy dla nas, dla technologii i dla przyszłości.
Idea 1: "Wąskie gardło" benchmarków
Wyobraź sobie, że chcesz sprawdzić, jak szybko biega sportowiec. Ustawiasz mu mierzoną trasę. Ale jeśli sportowiec staje się tak szybki, że przebiega tę trasę w czasie bliskim zeru, to mierzenie dalej po prostu nie ma sensu. Nie odróżnisz go od innego, równie szybkiego sportowca. Z AI dzieje się to samo. Benchmarki typu MMLU (Massive Multitask Language Understanding) czy GSM8K (Grade School Math 8K) były tworzone z myślą o tym, że będą aktualne przez lata. Ale modele nauczyły się rozwiązywać zadania z tych testów tak dobrze, że stały się "nasycone". To znaczy, że prawie wszystkie najlepsze modele dostają tam maksymalne punkty. To oznacza, że nie możemy używać tych testów, żeby dowiedzieć się, która modelka jest lepsza. Problem: Zacieśnianie okna użyteczności benchmarków. Testy, które miały być aktualne długo, starzeją się w miesiące. Konsekwencje: Trudno obiektywnie porównywać modele, trudno śledzić realny postęp. To jak próba oceniania jakości wina po wyblakłej etykiecie. Co robić? Potrzebne są nowe, bardziej skomplikowane i dynamiczne testy. Może testy, które adaptują się do poziomu modelu, albo testy sprawdzające nie tylko wiedzę, ale zdolność do rozumowania i adaptacji w realnych warunkach.
Idea 2: "Zębaty" (jagged) inteligencja – geniusz i profanacja w jednym
To jedna z najciekawszych koncepcji poruszanych w raporcie. "Jagged intelligence" – "zębaty" (lub nierówny) inteligencja. To stan, gdy AI może być niesamowicie silna w jednej dziedzinie, a jednocześnie absolutnie bezradna w innej, pozornie łatwiejszej. Przykład z raportu: model Gemini Deep Think zdobył złoty medal na Międzynarodowej Olimpiadzie Matematycznej (IMO) w 2025 roku. To poważne osiągnięcie, wymagające głębokiej wiedzy matematycznej i logiki. Model rozwiązał zadania w wyznaczonym czasie, pracując w pełni na języku naturalnym. W 2024 roku inna modelka zdobyła srebro. Czyli postęp jest widoczny. Ale! W teście ClockBench, który sprawdza zdolność modelu do określania czasu na zegarze analogowym, ta sama (lub podobna topowa) modelka poradziła sobie tylko w 50.6% przypadków. Dla porównania, człowiek robi to w 90.1% przypadków. To po prostu szokujące. Jak to możliwe? Przyczyna: Modele są trenowane na ogromnych zbiorach danych, ale te dane mogą być niezbalansowane. Zadania matematyczne to uporządkowane dane, z jasnymi regułami i logiką. Określanie czasu na zegarze analogowym wymaga nie tylko rozpoznawania obrazów (tarcza, wskazówki), ale też myślenia przestrzennego, zrozumienia względności położenia wskazówek, i być może pewnej intuicji, której AI jeszcze nie ma. Wniosek: AI póki co nie posiada uniwersalnego, ludzkiego intelektu. To raczej zbiór bardzo potężnych, ale wąsko wyspecjalizowanych "narzędzi". To ważne, żeby o tym pamiętać, gdy mówimy o "ogólnej sztucznej inteligencji" (AGI).
