Twórca Databricks: AGI już istnieje, po prostu źle je definiujemy

Matei Zaharia, współzałożyciel Databricks i twórca Apache Spark, odebrał nagrodę ACM Prize in Computing — jedno z najbardziej prestiżowych wyróżnień w informatyce. Przy okazji rzucił tezę, która nie spodoba się tym, którzy wciąż czekają na AGI: według niego ono już tu jest.

AGI: kwestia definicji, nie technologii

Zaharia nie mówi, że maszyny osiągnęły ludzką świadomość ani że Skynet zapukał do drzwi. Jego argument jest prostszy i bardziej pragmatyczny — branża zdefiniowała AGI tak, żeby zawsze było o krok dalej. Kiedy modele zaczęły grać w szachy lepiej od mistrzów, powiedziano: „to nie AGI, bo nie rozumieją języka.” Kiedy nauczyły się rozumieć język, powiedziano: „to nie AGI, bo nie potrafią rozumować.” Teraz rozumują — i słupki bramki znowu się przesunęły.

Jego definicja AGI jest funkcjonalna: system, który potrafi wykonywać szeroki zakres zadań intelektualnych na poziomie eksperta. Pod tym kątem obecne modele językowe już dawno przekroczyły próg — przynajmniej w wielu domenach.

Nagroda ACM i co Zaharia robi teraz

ACM Prize in Computing to wyróżnienie przyznawane przez Association for Computing Machinery badaczom, którzy w ostatniej dekadzie wnieśli wkład o dalekosiężnym wpływie. Zaharia dostał je przede wszystkim za Apache Spark — silnik do przetwarzania danych, który dosłownie zmienił sposób, w jaki firmy obsługują big data. Spark jest dziś standardem w przemyśle, a bez niego spory kawałek współczesnej infrastruktury ML po prostu nie istniałby w tej formie.

Ale Zaharia nie siedzi na laurach. Aktywnie pracuje nad AI do wspomagania badań naukowych — czyli systemów, które mogą przyspieszać odkrycia, automatyzować przeglądy literatury i pomagać naukowcom stawiać hipotezy. To jeden z tych obszarów, gdzie modele językowe faktycznie mogą robić coś użytecznego zamiast generować kolejne blogi i prezentacje PowerPoint.

Czy ktoś mu wierzy?

Twierdzenie „AGI już jest” to nie jest pozycja mainstreamowa. Sam Demis Hassabis z Google DeepMind czy Dario Amodei z Anthropic publicznie dystansują się od tezy, że obecne systemy to AGI — choć obaj przyznają, że tempo postępu jest szybsze niż większość przewidywała.

Zaharia wchodzi w ten spór z pozycji badacza i praktyka, nie marketingowca. Jego argument nie jest „kup nasze akcje, bo mamy AGI” — to raczej wezwanie do porzucenia ruchomych słupków i uczciwej rozmowy o tym, co modele już potrafią, a czego nie. Dla kogoś, kto zbudował infrastrukturę dla połowy branży danych, to dość konkretna podstawa do wypowiadania się.

Nie zmienia to faktu, że obecne modele regularnie hallucynują, gubią kontekst przy długich zadaniach i zawodzą przy prostych problemach wymagających zdrowego rozsądku. Zaharia zapewne powiedziałby, że ludzcy eksperci też czasem zawodzą — i miałby rację, choć to nie do końca ta sama skala błędów.

Co to oznacza dla badań naukowych?

Praca Zahariy nad AI dla nauki jest może ważniejsza niż sam spór o definicje. Jeśli systemy AI mogą skrócić czas od hipotezy do eksperymentu — albo wyłapać wzorce w danych, które człowiek by przegapił — to efekty poczujemy w medycynie, fizyce i biologii wcześniej niż w kolejnej iteracji chatbotów.

Databricks ostatnio wyceniany był na ponad 62 miliardy dolarów po rundzie finansowania z 2024 roku. Zaharia ma więc zasoby, żeby nie tylko teoretyzować, ale też budować.

Czy reszta branży przyjmie jego definicję AGI? Raczej nie — bo dla wielu firm „AGI jest za rogiem” to lepsza narracja sprzedażowa niż „AGI już tu jest i radzi sobie średnio."", “coverImageAlt”: “Ilustracja przedstawiająca naukowca przy komputerze analizującego dane z modelem AI