(Nikolaus Skene)
Czasami ma Pan/Pani ochotę na białe wino.
Czasami na czerwone.
A po treningu piwo również jest czymś wyjątkowo przyjemnym.
Nikt nie wpadłby na pomysł, żeby właśnie w tym momencie zamówić wszystko naraz.
Żaden sommelier na świecie nie powiedziałby: „Nie ma problemu, przyniosę Panu/Pani białe wino, czerwone wino, piwo, stek, ręcznik, masaż, rozmowę telefoniczną z Pana/Panią matką i na wszelki wypadek urlop na nartach.”
Nasz mózg jest pod tym względem znacznie wydajniejszy.
Podejmuje decyzje kontekstowo. Sytuacyjnie. Oszczędzając energię.
Aktywuje tylko te obszary, które są w danej chwili istotne. Reszta pozostaje „spokojna”.
I właśnie tutaj kryje się często pomijana różnica między ludzką a współczesną sztuczną inteligencją.
I właśnie wtedy do gry wchodzi ChatGPT.
ChatGPT działa zasadniczo inaczej.
Niezależnie od tego, na co ma Pan/Pani właśnie ochotę – ono zawsze sprawdza wszystko.
Nie tylko piwo po treningu, lecz jednocześnie piwo, białe wino, czerwone wino, stek, przepis, łańcuch dostaw, bilans CO₂, region winiarski, dyscyplinę sportu i filozoficzne znaczenie pragnienia.
Powód, dla którego tego nie zauważamy:
Dzieje się to ekstremalnie szybko.
Bezsensowne „regiony” są odrzucane w milisekundach, a na końcu otrzymujemy w miarę rozsądną odpowiedź. Jednak nakład obliczeniowy, który się za tym kryje, jest gigantyczny.
Ludzki mózg byłby w takiej formie całkowicie przeciążony.
I właśnie dlatego zużycie energii przez współczesne systemy SI jest poważnym przedmiotem krytyki.
DeepSeek idzie tutaj już o krok dalej.
Próbuje bardziej celowo „uruchamiać” różne części modelu, zależnie od tego, co w danej chwili prawdopodobnie jest istotne. Nie wszystkiego, zawsze i jednocześnie. Lecz w sposób bardziej selektywny. Wrażliwy na kontekst.
A potem pojawia się HuggingGPT.
HuggingGPT nie jest nowym modelem.
To koncepcja architektoniczna.
Główna idea:
Duży model językowy, taki jak ChatGPT, nie jest już wykorzystywany jako uniwersalny geniusz, lecz jako kontroler. Jako dyrygent. Jako planista.
Słucha użytkownika, rozumie jego intencję – a następnie dzieli ją na konkretne zadania cząstkowe.
Te zadania cząstkowe nie są rozwiązywane przez ten sam model, lecz celowo przekazywane specjalistom : modelom obrazu, modelom audio, klasyfikatorom, systemom zamiany tekstu na mowę, systemom rozpoznawania obiektów i segmentacji. Wszystkim modelom, które już istnieją, na przykład w ekosystemie Hugging Face.
Decydujące znaczenie ma przy tym nie tylko co jest robione, lecz także w jakiej kolejności.
HuggingGPT planuje zależności.
Niektóre zadania muszą być wykonywane szeregowo, inne mogą przebiegać równolegle. Wyniki jednego modelu są wykorzystywane jako dane wejściowe dla następnego. Dopiero na końcu kontroler ponownie zbiera wszystko i formułuje odpowiedź.
Proste zapytanie, takie jak „Opisz szczegółowo ten obraz”, zostaje automatycznie podzielone na klasyfikację obrazu, rozpoznawanie obiektów, segmentację, tworzenie podpisu oraz modele wizualnych pytań i odpowiedzi – i dopiero potem połączone.
To nie jest nowa inteligencja.
Ale jest to inny sposób inteligentnej pracy.
I właśnie tutaj HuggingGPT staje się naprawdę interesujący:
System nie skaluje się poprzez coraz większe modele, lecz poprzez koordynację. Poprzez dobór. Poprzez podział pracy. Poprzez kontekst.
Nagle SI nie wygląda już jak przeciążony uniwersalny student, który musi umieć wszystko jednocześnie, lecz jak dobrze zorganizowany zespół.
Wciąż coś „skrzypi” tu i ówdzie: większe opóźnienia, zależność od zdolności planowania kontrolera, limity tokenów, niestabilność. HuggingGPT nie jest gotowym produktem. Jest modelem myślowym.
Ale takim, który wskazuje ważny kierunek:
Odejście od „większego, szybszego, wszystkiego jednocześnie”.
W stronę „właściwego, selektywnego, wydajnego”.
I tym samym wracamy do zużycia energii. Jedną z uzasadnionych głównych krytyk współczesnej SI jest jej apetyt na energię. Jeśli inteligencja nie powstaje już z maksymalnej równoległości, lecz z celowej orkiestracji, być może zbliżamy się do wydajniejszego maszynowego sposobu myślenia.
Co to oznacza w dłuższej perspektywie – także dla ludzkiej pracy, ludzkiej inteligencji i ludzkiego znaczenia – to inna dyskusja.
Na inną sobotę.
Dziś wystarczy jedna obserwacja:
Znów trzeba więcej „huggać”.
Nie wszystkiego naraz.
Lecz to, co właściwe, we właściwym momencie.
(Nikolaus Skene mieszka i pracuje w San Francisco, doradza przedsiębiorstwom w kwestiach SI i od kilku lat organizuje wycieczki do Silicon Valley oraz innych hotspotów rozwoju technologicznego