Czy czeka nas Wielkie Uśrednienie i koniec myślenia?

Kilka miesięcy temu zrobiłem coś, co w 2025 r. uchodzi za kontrowersję: publicznie pochwaliłem się na Linkedinie, że w czasie gdy byłem na wycieczce rowerowej z córką, za mnie pracowała sztuczna inteligencja. Konkretnie: model, który w trybie research robił dla mnie żmudny przegląd źródeł, podczas gdy ja cieszyłem się urokami natury.

Napisałem, że w ten sposób zyskuję około 70 proc. czasu przy trudnym desk researchu. Że łączę wiedzę domenową z orkiestracją AI. Że ryzyko halucynacji redukuję, porównując wiele źródeł i samodzielnie walidując wnioski. Niby neutralny opis pipeline’u pracy naukowca z nowym narzędziem. Pewnie powinno mieć tu też znaczenie, że całkiem nieźle radzę sobie z tymi narzędziami, skoro od dwóch lat współpracuję z OpenAI i oni mi nawet za to płacą.

Okazało się, że dotknąłem strasznie drażliwego tematu.

W komentarzach pojawił się cały wachlarz emocji, który dziś towarzyszy sztucznej inteligencji. Od zachwytu nad „realną dźwignią produktywności” po troskę o „Wielkie Uśrednienie”. To nie była dyskusja o jednym poście. To była miniatura tego, co dzieje się dziś w ludzkich głowach.

Jeden z komentujących napisał: „AI jak najbardziej zastąpiło człowieka. Człowiek był na wycieczce z córką, a AI wykonywało za niego pracę”.

I miał rację. Jeśli definiujemy „zastąpienie” jako wykonanie części zadań, które normalnie robiłbym sam, to tak - zostałem zastąpiony. Tyle że tylko na jednym odcinku procesu: mozolnego, powtarzalnego przeczesywania źródeł. Kluczowe pytanie brzmi więc inaczej: czy chcemy, aby AI zastępowało nasze ręce, czy nasze głowy?

Jeśli ktoś redukuje swoją rolę do „zatwierdzacza tego, co wyskoczyło z modelu”, to faktycznie deleguje myślenie. Tyle że problem nie leży w samej AI, tylko w tym, jak nisko zawieszamy sobie poprzeczkę.

W dyskusji pod moim postem padła też myśl: nadchodzi epoka Wielkiego Uśrednienia. Modele, karmione coraz większą ilością treści, będą nam zwracały elegancko zapakowaną średnią poglądów, badań, opinii. A my - jeśli nie będziemy uważać - zaczniemy budować swoje decyzje na tej statystycznej mielonce.

Jeśli: używamy wielu modeli, łączymy AI research z własnym, ręcznym docieraniem do źródeł, każemy systemowi podawać konkretne odnośniki i sami je czytamy, mamy odwagę kwestionować nawet to, co przyszło z „mądrej chmury”, to AI przestaje być maszynką do uśredniania, a staje się akceleratorem krytycznego myślenia. Szybciej docieramy do rozbieżności, szybciej widzimy, gdzie wszyscy powtarzają ten sam błąd, szybciej znajdujemy nisze, o których nikt jeszcze nie zdążył napisać.

Problem nie w tym, że modele „uśredniają”. Problem w tym, że zbyt wielu z nas bierze tę średnią jako wersję ostateczną.

Końcówka roku sprzyja podsumowaniom, więc zrobię swoje: 2025 był rokiem, w którym AI naprawdę zaczęło mi „robić robotę” – ale tylko tam, gdzie tę robotę można opisać...