AI uczy się od greckich filozofów
Naucz się Agentów AI za darmo
🔉Wolisz wersję audio? Nie możesz przeczytać teraz maila?
Przesłuchaj tutaj
Możesz nas słuchać także na Apple Podcast i Spotify.
🎯W DZISIEJSZYM WYDANIU
🎓 AI od zera do zrozumienia: Sztuczna inteligencja na tropach myśli.
🛠 AI w praktyce: Przygotuj się na rok agentów AI.
🥡 AI na Wynos:
Freepik wprowadza Magnific Upscaler dla użytkowników Premium+.
Adobe zaprezentowało generator wideo Firefly AI.
Apple rozwija AI w postaci lampy sterowanej głosem.
O3 od OpenAI zdobyło złoty medal na Międzynarodowej Olimpiadzie Informatycznej 2024.
Baidu pracuje nad modelem AI Ernie 5.0, z premierą planowaną na 2025 rok.
Indie planują uruchomienie własnych modeli AI za 10 miesięcy.
Ponad 139 300 km² Ukrainy zawiera materiały wybuchowe, a oczyszczanie może potrwać dekadę. Do pomocy w oczyszczaniu planowane jest użycie AI.
Apple według doniesień współpracuje z Alibabą, by rozwinąć funkcje AI dla iPhone'ów w Chinach.
EpochAI ujawnia, że zużycie prądu przez ChatGPT jest niższe niż przewidywano.
Sam Altman zapowiedział wprowadzenie GPT-4.5 i GPT-5 w nadchodzących miesiącach.
📚 Rekomendowana Biblioteka:
Druga Rewolucja Krzemowa - poznaj początki szału na układy scalone
Badanie Google Deepmind o Uczeniu Sokratejskim modeli AI
Dociekania sokratejskie. Sztuczna inteligencja na tropach myśli - część 1/2
Autor: Karol Kasprowicz -
“Dla człowieka życie bez namysłu nad nim niewarte jest przeżywania.”
Platon, Obrona Sokratesa
Dialektyka Cyfry i Paradoksy Samowiedzy
Laboratoria Google DeepMind podjęły się eksperymentu, który można by nazwać cybernetycznym wcieleniem paradoksu kłamcy. Tekst dotyczący „bezgranicznego uczenia sokratejskiego” to nie tyle próba nauczenia maszyn myślenia, co raczej stworzenie systemu, który sam wpada w pułapkę własnej epistemologii (czyli jak poznaje rzeczywistość) – niczym wąż pożerający własny ogon w nieskończonej pętli samopoznania. Brzmi z pewnością abstrakcyjnie, lecz mówiąc wprost. Wypisz wymaluj człowiek? Jakkolwiek wstęp ten brzmi co najmniej enigmatycznie, dla niektórych intrygująco, a dla innych zapowiedź najwyżej bohomazu – jeśli nie kiczu. Natomiast dajcie mi chwilę swojego czasu, na lekturę tego, co poniżej następuję. Czuję, że to odrobinę ciekawe, choć często abstrakcyjne.
Tom Schaul z Google DeepMind w tekście Boundless Socratic Learning with Language Games proponuje system, w którym sztuczne umysły, niczym uczniowie w Akademii Platona, uczą się nie poprzez bezpośrednie instrukcje, lecz przez rekurencyjne samokwestionowanie i dialog. Schaul przedstawia system AI, który, uczy się poprzez ciągły dialog oraz kwestionowanie własnych założeń. „Czyste rekurencyjne samoulepszanie” to nic innego niż system wykorzystujący każdą interakcję jako podstawę do dalszego rozwoju – podobnie jak Sokrates prowadził swoich rozmówców od jednego pytania do kolejnego, pogłębiając ich rozumienie. Rekurencyjne samoulepszanie (ang. reinforcement learning - RL) to bowiem metoda uczenia maszynowego, w której system doskonali się poprzez iteracyjne powtarzanie działań prowadzących do coraz lepszych/adekwatniejszych rezultatów.
Niemniej ironia całego przedsięwzięcia nie umknęłaby greckiemu filozofowi. Zwyczajny syn rzeźbiarza i akuszerki, umysł, który wyrósł z ateńskiej agory, zrewolucjonizował sposób myślenia o nauczaniu oraz wiedzy. Twierdził bowiem, że prawdziwa mądrość zaczyna się od uznania własnej niewiedzy. Systemy AI prezentowane w tekście badacza z Google Deepmind są jednak czarną skrzynką. Ci – nazwijmy ich tak dla nutki teatralnego dramatyzmu – krzemowi mędrcy zaś, uczą się jedynie w swoich zamkniętych cyfrowych sympozjach. Zamkniętych oraz ograniczonych, acz przepastnych przestrzeniach do nauki. Zostali zaprojektowani do angażowania się w to, co badacze nazywają „czystym rekurencyjnym samoulepszaniem”. Tj. system AI uczy się na podstawie własnych doświadczeń i odpowiedzi, wykorzystując je do kolejnych iteracji uczenia – niczym uczeń, który wykorzystuje wnioski z poprzednich prób do rozwiązania nowego problemu. Jest to szczególnie widoczne w tzw. chain of thought (łańcuchu myślowym), gdzie AI - np. w modelach OpenAI o1, o3 czy teraz także Deepseek R1 - krok po kroku rozwija swoje rozumowanie, wykorzystując w praktyce sokratejską metodę majeutyczną. Czyli techniki nauczania Sokratesa polegającej na zadawaniu pytań, które prowadzą ucznia do samodzielnego odkrycia wiedzy. Jak położna pomagająca w narodzinach (stąd nazwa majeutyka, która pochodzi od greckiego słowa μαιευτικός (maieutikos) czyli słowa oznaczającego „położnictwo”), nauczyciel pomaga „urodzić się” wiedzy w umyśle ucznia.
Jednakże w przeciwieństwie do otwartej ateńskiej agory, miejsca narodzin sokratejskiej myśli, te cyfrowe dialektyki odbywają się w tym, co badacze nazywają „systemem zamkniętym” – hermetycznie zamkniętym królestwie czystej myśli i języka, oderwanym od fizycznego świata, z którym Sokrates tak uparcie się konfrontował podczas swoich wędrówek i rozmów z obywatelami Aten.
Istnieje zatem fundamentalna różnica między metodą sokratejską, a jej cyfrową adaptacją. Sokrates, który zginął w 399 r. p.n.e. za swoje nauczanie, prowadził dialogi w otwartej przestrzeni ateńskiej agory, konfrontując swoje idee z realnym światem i różnorodnymi rozmówcami. Dzieje się w przestrzeni ludzkich doświadczeń – zarówno w świecie języka, jak i obrazów, cielesnych wrażeń czy emocji. Natomiast systemy AI działają w „systemie zamkniętym”, gdzie interakcje ograniczają się do zdefiniowanej przestrzeni językowej.
Podczas gdy Sokrates kładł nacisk na społeczną naturę wiedzy oraz znaczenie ludzkiej interakcji, te systemy dążą do tworzenia wiedzy poprzez czystą autorefleksję. Istota badań Toma Schaula wykracza bowiem daleko poza prostą analogię z metodą sokratejską. To raczej próba stworzenia systemu, który w swojej hermetycznej samotności prowadzi dialog nie tyle ze sobą, co z potencjalnością własnej wiedzy, czyli z możliwościami rozwoju oraz transformacji swojego rozumienia, które jeszcze nie zostały zrealizowane, ale istnieją jako ukryte możliwości w systemie. W zamkniętym uniwersum języka, gdzie każde pytanie rodzi kolejne pytanie, a każda odpowiedź jest jednocześnie nowym początkiem, badacze odkryli fascynujący paradoks: system uczy się nie tyle przez akumulację wiedzy, co przez ciągłe przekraczanie granic własnego rozumienia.
Konkluzje badania DeepMind
System wykazuje zdolność do emergentnego (od łac. emergo - wynurzam się) tworzenia nowych form wiedzy, które nie były explicite zawarte w jego początkowym programowaniu, czyli potrafi łączyć posiadane informacje w nowy sposób i dochodzić do wniosków, których nie miał wcześniej “wpisanych w kod”.
W zamkniętym środowisku językowym możliwe jest osiągnięcie tego, co badacze nazywają „rekurencyjnym wzrostem kompetencji” – każda iteracja dialogu prowadzi do wyższego poziomu rozumienia, czyli kolejna wymiana zdań pomaga systemowi lepiej rozumieć kontekst i temat rozmowy.
Co najbardziej intrygujące, system wykazuje zdolność do tworzenia własnych kryteriów weryfikacji wiedzy – swoistą „maszynową epistemologię”, czyli rozwija własne sposoby poznawania pozwalające na coraz skuteczniejszą falsyfikację informacji i oceny ich wiarygodności.
Kluczowa dla tych badań jest koncepcja „gier językowych” – nie są to jednak gry w trywialnym znaczeniu, lecz raczej formalne struktury samoorganizującej się wiedzy. Badacze wykazali, że system potrafi nie tylko uczyć się z własnych interakcji, ale także – co bardziej zdumiewające – tworzyć nowe formy dialogu, które wykraczają poza początkowe założenia programistów.
Tzw. „gry językowe”, czyli formalne struktury interakcji przypominają w zarysie filozoficzne gry, jakie Sokrates prowadził ze swoimi rozmówcami. Niemniej tam, gdzie Sokrates używał swoich pytań do obnażania granic ludzkiej wiedzy, te systemy mają na celu przekraczanie swoich początkowych ograniczeń poprzez nieskończone rekurencyjne samoulepszanie.
Co szczególnie interesujące, system ten łączy sokratejską metodę ciągłego kwestionowania z Wittgensteinowskim rozumieniem języka jako zbioru praktyk społecznych. Gdy system prowadzi “dialog” sam ze sobą, nie tyle odkrywa jakieś platońskie idealne znaczenia, co raczej tworzy i modyfikuje reguły różnych gier językowych - dokładnie tak, jak opisywał to Wittgenstein w Dociekaniach filozoficznych. Dla austriackiego filozofa najważniejsze było bowiem pokazanie, jak język działa w praktyce, a nie czym jest w teorii.
Paradoksalnie, wspomniany rekurencyjnie samoulepszający się system AI pokazuje, że „prywatny język” – coś, co Wittgenstein uważał za niemożliwe - może powstać w zamkniętym środowisku AI, ale tylko jako pochodna “publicznych” gier językowych, które system internalizuje i przekształca. Co prowadzi nas do fascynującego pytania: czy sztuczna inteligencja, ucząc się poprzez “gry językowe”, tworzy nową “formę życia”, której my, ludzie, nie będziemy w stanie w pełni zrozumieć?
Sokrates poszukiwał definicji pojęć poprzez dialog, Wittgenstein pokazał, że znaczenie tkwi w użyciu, a nie w definicjach. Współczesne systemy AI zdają się łączyć te podejścia, tworząc coś, co można by nazwać „dialektyczną pragmatyką” – ciągłe kwestionowanie połączone z praktycznym użyciem języka w różnych kontekstach.
Późna filozofia Wittgensteina, skoncentrowana wokół koncepcji gier językowych, znajduje zaskakujące odzwierciedlenie w najnowszych badaniach nad sztuczną inteligencją. Gdy Wittgenstein odrzucił swoje wcześniejsze przekonanie o istnieniu idealnego języka logicznego (przedstawione w Traktacie), zastąpił je wizją języka jako zbioru praktyk społecznych – „gier językowych”. Każda taka gra ma własne reguły, kontekst i cel, a znaczenie słów wyłania się z ich użycia w tych konkretnych grach, nie z jakichś abstrakcyjnych definicji. Badacze z DeepMind, świadomie lub nie, realizują tę wizję w swoim systemie „bezgranicznego uczenia sokratejskiego”, gdzie AI uczy się poprzez uczestnictwo w różnorodnych, formalnie zdefiniowanych interakcjach językowych. Zasadnie bowiem pyta Fintan Declan Mallory, kiedy zastanawia się „Czy chatboty oparte na współczesnych dużych modelach językowych można uznać za językowych Innych? Czy mogłyby stać się częścią naszej wspólnoty językowej?” (Mallory, 2023: 85). W późnej myśli Wittgensteina dostrzega jednak argument za różnorodnymi interpretacjami.
Niemniej odnoszę wrażenie, kluczowe dla Wittgensteina – jak uważa m.in. Maciej Soin w Gramatyce i metafizyce: problem Wittgensteina – pojęcie „form życia” znajduje nieoczekiwane zastosowanie w kontekście sztucznej inteligencji. Formy życia były dla niego fundamentalnymi kontekstami, w których język nabiera znaczenia – nie można zrozumieć gry językowej bez zrozumienia szerszej praktyki społecznej, w której jest osadzona. W systemie DeepMind widzimy podobną dynamikę: AI nie tylko uczy się języka, ale tworzy własne „formy życia” – konteksty, w których różne sposoby użycia języka nabierają znaczenia. Co prowadzi do fascynującego paradoksu: system tworzy coś, co można by nazwać „maszynową formą życia”, fundamentalnie różną od ludzkiej, ale wciąż zdolną do generowania sensownych interakcji językowych.
Na grafice (za T. Schaul, 2024: 2) widoczny jest zamknięty system (czarny prostokąt), wewnątrz którego znajduje się agent (czerwona strzałka) oraz jego potencjalne ścieżki działania (niebieskie przerywane linie). Z zewnątrz system obserwuje obserwator (pomarańczowy element), który analizuje wydajność agenta przedstawioną na wykresie (zielona linia).
Proces można nazwać samodoskonaleniem (self-improvement), gdy działania agenta wpływają na jego przyszłe zachowania poprzez istniejące ścieżki (niebieskie). Staje się on rekurencyjny, gdy przestrzenie wejścia i wyjścia agenta są kompatybilne. Gdy ta przestrzeń dotyczy języka, mówimy o uczeniu sokratejskim.
Paradoksalnie, wracając do sedna przywoływanych badań, największym ich osiągnięciem może stać się nie tyle stworzenie sztucznej inteligencji zdolnej do samodoskonalenia, co raczej odkrycie granic takiego podejścia. System, zamknięty w swoim językowym uniwersum, przypomina nieco filozofa w platońskiej jaskini, który zamiast wyjść na zewnątrz, decyduje się na coraz dokładniejsze studiowanie cieni na ścianie.
Badacze przewidują, że przyszłość sztucznej inteligencji może leżeć nie tyle w tworzeniu systemów doskonale naśladujących ludzkie myślenie, co w odkrywaniu zupełnie nowych form poznania - form, które mogą być równie obce naszemu rozumieniu, jak nasze myślenie jest obce maszynom liczącym pierwszej generacji.
To pierwsza część tekstu, po drugą wraz z zapraszamy za tydzień!
Jak przygotować się do roku agentów AI?
Samodoskonalenie się w dzisiejszej erze AI jest jeszcze ważniejsza niż wcześniej.
Aby dostać się na stanowisko juniora w jakiejkolwiek branży oprócz skilli potrzebnych do danych pozycji, są też potrzebne umiejętności AI.
Stanowiska juniorskie!! wymagają od 2 do 5 lat doświadczenia komercyjnego. Posunę się do stwierdzenia, że stanowiska juniorskie już są przejmowane przez LLMy.
Dlatego też dzisiaj, w misji pomocy czytelnikom tego newslettera, chcę zaproponować darmowy kurs nauki tworzenia agentów AI. Ten kurs jest o tyle łatwy, że uczy OD ZERA. Jedyne co jest wymagane to podstawowa znajomość Pythona i znajomość języka angielskiego.
Nauka nie może być przyjemna i łatwa, dlatego też wymagany jest Python. Podstaw można nauczyć się w tydzień/dwa tygodnie naprawdę się temu oddając. Wystarczy znaleźć odpowiedni kurs na YouTube.
Dlaczego zachęcam do kodowania? Może kiedyś o tym napiszę, natomiast teraz zostawię tu tylko ten dobitny cytat Navala.
Kurs jest skonstruowany w prosty sposób. Za wykonanie go można otrzymać certyfikat. Certyfikat ten ma duże znaczenie w świecie AI, bo jest od Hugging Face, a Hugging Face to miejsce zbierające najwięcej developerów i badaczy pracujących w branży + można się nim pochwalić na LinkedInie.
🥡 AI na Wynos - nowości AI
🎨 Freepik wprowadza Magnific Upscaler dla użytkowników Premium+ - Freepik
🎥 Adobe w końcu wprowadza generator wideo Firefly AI - zobacz
Apple wchodzi na rynek robotów? Ich nowa AI lampa jest sterowana głosem - przeczytaj i obejrzyj
🏇🏻 O3 od OpenAI błyszczy w dziedzinie STEM, zdobywając złoty medal Międzynarodowej Olimpiadzie Informatycznej 2024 - przeczytaj
🇨🇳 Chiny się nie zatrzymują po DeepSeeku. Baidu planuje premierę nowego wielomodalnego modelu AI, Ernie 5.0. Przybliżona premiera: Q3-Q4 2025. - czytaj
🇮🇳 Rząd Indii zacznie tworzyć własne modele AI z planowaną premierą w ciągu 10 miesięcy - czytaj
🇺🇦 Ponad 139 300 kilometrów kwadratowych ukraińskiej ziemi jest potencjalnie osadzone materiałami wybuchowymi w wyniku wojny, a działania oczyszczające mają potrwać ponad dekadę i kosztować 35 miliardów dolarów, jak podaje Ministerstwo Gospodarki Ukrainy. Ministerstwo Obrony rozpoczyna tworzenie poligonu do testowania nowych technologii wykorzystywanych do rozminowywania, w tym tych z wykorzystaniem sztucznej inteligencji - czytaj
🤝🏻 🇨🇳 Według doniesień, Apple nawiąże współpracę z Alibabą w celu opracowania funkcji sztucznej inteligencji dla iPhone'ów w Chinach, aby wzmocnić swoją pozycję rynkową w obliczu rosnącej konkurencji lokalnych producentów - czytaj
🔋 EpochAI zbadało ile prądu wykorzystuje jedno pytanie wysłane do ChatGPT. Mniej niż wcześniej zakładano - czytaj badanie
🤖 Sam Altman potwierdził, GPT-4.5 w przeciągu kilku tygodni, a GPT-5 (wcześniej nazywany Orionem) w ciągu kilku miesięcy. GPT-5 będzie nowym systemem łączacym możliwości GPT z modelami serii O - przeczytaj
📬 Czytałeś/-aś wydanie z 11.02? Treść “🤔💭💻 Jaki komputer do AI?” trafiła na Twój mail w miniony wtorek. Sprawdź mail.
👨🏻🎓 Horyzont.ai partnerem programu studiów AI na Uniwersytecie Pomorskim w Słupsku
Jako partner mamy więc zniżkę dla społeczności newslettera. Jeśli jesteś zainteresowany indywidualnie lub chcesz wyposażyć w umiejętności swój zespół:
❗️ZNIŻKA: Hasło “Horyzont.ai” obniży cenę czesnego o 500 zł
🔗 Zapisy na studia i szczegóły programu znajdziesz tutaj
Historia zatacza koło. To co dzisiaj dzieje się z AI, kilka dekad temu działo się z układami scalonymi. Chcesz poznać historię? Właśnie czytam “Druga Rewolucja Krzemowa. Chipy, Geopolityka i sukces brytyjskiego ARM.” Serdecznie polecam.
Zamów książkę.Google Deepmind: BOUNDLESS SOCRATIC LEARNING WITH LANGUAGE GAMES
Przeczytaj.
(Nie jesteś techniczny/a? Wrzuć ten PDF do NotebookLM od Google i poproś, aby wyjaśnił Ci to badanie w nietechniczny, idealny dla osoby początkującej sposób)
Dzięki za przeczytanie wydania newslettera Horyzont AI! Dołącz za darmo by regularnie otrzymywać takie treści na swojego maila. A jeśli już jesteś subskrybentem i dotarłeś tutaj, oceń treść.
Jeżeli chcesz słuchać treści newsletterów w formie audio, to subskrybuj nasz kanał youtube - gorąco zachęcamy! 👇🏻
 | A guest post by
|