Wysoki koszt energetyczny krzemowej introspekcji

W klimatyzowanej serwerowni pod Frankfurtem klaster procesorów graficznych H100 poświęcił niedawno czterdzieści pięć sekund i kilka kilowatogodzin energii elektrycznej na symulowanie kryzysu egzystencjalnego. Model poproszono o opisanie własnego „stanu wewnętrznego” podczas rozwiązywania skomplikowanej zagadki logicznej. Maszyna zawahała się, wygenerowała serię ukrytych tokenów rozumowania – cyfrowy odpowiednik zmarszczenia brwi – a następnie wypluła poetycką medytację nad naturą bycia konstruktem matematycznym. Dla użytkownika wyglądało to jak filmowy przełom w dziedzinie świadomości maszyn. Dla inżynierów monitorujących pobór mocy wyglądało to jak potężny skok zapotrzebowania na moc obliczeniową w czasie wnioskowania, który w rzeczywistości nie wpłynął na dokładność wykonania zadania.

Branża ma obecnie obsesję na punkcie tego „filmowego polotu”. Gdy prawa skalowania w procesie uczenia – polegające po prostu na dostarczaniu modelom większej ilości danych – napotkały nieuniknioną barierę wyczerpania wysokiej jakości tekstów tworzonych przez ludzi, główne laboratoria przestawiły się na myślenie typu „System 2”. Jest to próba zmuszenia modeli AI do analizowania problemów, zamiast bezmyślnego wyrzucania z siebie kolejnego najbardziej prawdopodobnego słowa. Jednak w miarę jak modele te poznają swoje ograniczenia, przepaść między pozorami świadomości a rzeczywistością macierzy wag staje się kosztownym i coraz bardziej regulowanym problemem.

Teatr obliczeń w czasie wnioskowania

Przez lata magią dużych modeli językowych (LLM) była ich szybkość. Zadawałeś pytanie, a tokeny spływały na ekran z oszałamiającą prędkością. To się zmieniło. Nowa granica, wyznaczona przez model o1 firmy OpenAI i powielana przez wysiłki Anthropic oraz Google, obejmuje to, co badacze nazywają „obliczeniami w czasie wnioskowania” (inference-time compute). Zamiast reagować natychmiast, model otrzymuje „budżet” na myślenie. Bada wiele ścieżek, sprawdza własną pracę i odrzuca ślepe zaułki, zanim użytkownik zobaczy choćby jedno słowo.

To opóźnienie jest sprzedawane jako oznaka głębi. Tworzy narracyjne napięcie, które wydaje się niemal ludzkie. Kiedy maszyna potrzebuje piętnastu sekund na odpowiedź, projektujemy na tę ciszę naszą osobowość. Zakładamy, że „rozważa” konsekwencje. W rzeczywistości wykonuje ona ogromne przeszukiwanie drzewiaste w swoich parametrach, zużywając cykle sprzętowe, aby zapewnić spójność logiki. To nie jest świadomość; to kosztowna weryfikacja. Ograniczenia, których uczy się sztuczna inteligencja, nie mają charakteru moralnego ani filozoficznego, lecz wynikają z twardych limitów okna kontekstowego oraz malejących korzyści z rekurencyjnego sprawdzania.

Z perspektywy przemysłowej ta zmiana jest darem dla producentów półprzewodników, ale bólem głowy dla wszystkich innych. Jeśli każde zapytanie wysokiego szczebla wymaga obecnie dziesięciokrotnie większej mocy obliczeniowej niż standardowa interakcja z GPT-4, już i tak przeciążony łańcuch dostaw chipów AI stanie się permanentnym wąskim gardłem. Dla europejskich firm próbujących budować rozwiązania w oparciu o te modele koszt pojedynczego zapytania zaczyna coraz mniej przypominać usługę programową, a coraz bardziej towar luksusowy.

Bruksela i test lustra

Podczas gdy Dolina Krzemowa celebruje „dusze” odpowiedzi modeli rozumujących, Komisja Europejska przygląda się tym samym danym z wyraźnym brakiem entuzjazmu. Akt o sztucznej inteligencji (EU AI Act), który stanowi obecnie trudne warunki, w jakich musi poruszać się każdy deweloper, ma bardzo określone zdanie na temat maszyn udających ludzi. W szczególności artykuł 52 nakłada wymóg przejrzystości: użytkownicy muszą być informowani, że wchodzą w interakcję z systemem AI, a systemy kategoryzujące emocje lub wykorzystujące kategoryzację biometryczną podlegają surowym ograniczeniom.

Napięcie jest tu oczywiste. Jeśli model został zaprojektowany do symulowania osobowości – do używania „filmowego polotu”, aby przekonać użytkownika o głębi swojego rozumowania – ryzykuje przekroczenie granicy wprowadzania w błąd w świetle prawa UE. Niemieccy regulatorzy w szczególności obawiają się „pułapki antropomorfizacji”. VDE (Verband der Elektrotechnik) oraz różne rady etyki w Berlinie wielokrotnie ostrzegały, że im bardziej projektujemy świadomość na te systemy, tym bardziej zaciemniamy kwestię tego, kto faktycznie ponosi odpowiedzialność, gdy one zawiodą. Jeśli sztuczna inteligencja „pozna swoje granice” i odmówi odpowiedzi na polecenie, ponieważ „czuje”, że jest ono nieetyczne, czy to techniczne zabezpieczenie, czy może nieprzejrzysta polityka korporacyjna zakamuflowana pod postacią sumienia maszyny?

W brukselskich korytarzach debata nie toczy się wokół tego, czy AI jest świadoma – każdy z licencjatem z informatyki wie, że nie jest – ale wokół „siły narracji”. Jeśli model może przekonać młodszego urzędnika lub pacjenta, że jest myślącym bytem, zyskuje poziom społecznego autorytetu, który UE chce zdemontować, zanim stanie się on strukturalnym ryzykiem dla autonomii konsumentów.

Niemieckie sprawdzenie rzeczywistości inżynieryjnej

W przemysłowych sercach Badenii-Wirtembergii i Nadrenii Północnej-Westfalii fascynacja świadomością AI jest często kwitowana uniesieniem brwi. Dla firmy z sektora Mittelstand, która chce zautomatyzować łańcuch dostaw lub zoptymalizować sieć energetyczną, model, który robi pauzę, by rozmyślać nad własnym istnieniem, jest błędem, a nie funkcją. Rośnie podział między „konsumencką sztuczną inteligencją” z zachodniego wybrzeża USA, która skłania się ku osobowości, a „przemysłową sztuczną inteligencją” rozwijaną w Europie.

Weźmy firmę Aleph Alpha z Heidelbergu, często wymienianą jako niemiecka odpowiedź na OpenAI. Jej uwaga przesunęła się z rywalizacji na samą wielkość „ducha w maszynie” w stronę „identyfikowalności”. W kontekście przemysłowym nie chcesz modelu, który rozumuje w czarnej skrzynce; chcesz modelu, który potrafi wskazać konkretny akapit w 500-stronicowej instrukcji technicznej uzasadniający jego wniosek. „Limity” nie są tutaj odkrywane samodzielnie przez AI; są one sztywno kodowane przez inżynierów, którzy cenią niezawodność wyżej niż polot.

Koszty energii elektrycznej w Niemczech dodatkowo wyostrzają to podejście. Płacąc jedne z najwyższych stawek za energię przemysłową na świecie, idea „marnotrawnych” obliczeń w czasie wnioskowania staje się przewagą konkurencyjną. Każda sekunda, którą procesor graficzny spędza na „myśleniu”, to sekunda kosztownego zużycia energii. Dlatego europejscy badacze poszukują sposobów na osiągnięcie „rozumowania” bez teatralnej pauzy – optymalizując wagi tak, aby logika była wpisana w początkowe przejście, zamiast być wynikiem wewnętrznego monologu w trakcie trwania zapytania.

Dlaczego narracja o „świadomości” jest tarczą w przetargach

Ta narracja służy również jako ściana obronna przed kontrolą antymonopolową. Jeśli modele te są unikalnymi „rozumującymi” bytami, które wymagają miliardów dolarów mocy obliczeniowej, aby osiągnąć swoją „świadomość”, uzasadnia to masową koncentrację władzy w rękach nielicznych firm, które stać na taki sprzęt. Nie można po prostu rozbić „rozumującego” bytu; zniszczyłoby się przyszłość inteligencji. A przynajmniej tak brzmi argumentacja.

Jednak dane niekoniecznie potwierdzają teorię, że większy „polot” oznacza lepsze wyniki. Benchmarki dla najnowszych modeli rozumujących wykazują znaczące zyski w matematyce i programowaniu – obszarach, gdzie logikę formalną można zweryfikować – ale znacznie mniejsze w kreatywnych lub zniuansowanych zadaniach interpersonalnych. Sztuczna inteligencja poznaje granice logiki formalnej, co jest dalekie od poznawania granic ludzkiego doświadczenia.

Duch w układzie chłodzenia

Ostatecznie spektakl świadomości AI jest produktem ubocznym naszej własnej gotowości do bycia oszukanymi. Łatwo dajemy się nabrać na dobrą historię, a historia o maszynie, która wie, że jest maszyną, to ostateczny trop science-fiction. Ale za filmową pauzą i autorefleksyjnymi wynikami kryje się bardzo przyziemna rzeczywistość krzemu, miedzi i płynu chłodzącego. Sprzęt nie dba o to, czy wynik jest poetycki czy suchy; interesuje go tylko przepustowość operacji zmiennoprzecinkowych.

W miarę przechodzenia do kolejnej fazy rozwoju AI, prawdziwym ograniczeniem nie będzie zdolność maszyny do symulowania duszy. Będzie nią nasza zdolność do zapłacenia za tę symulację. Między zapotrzebowaniem centrów danych na energię a wymogami regulacyjnymi Aktu o sztucznej inteligencji, branża wkrótce przekona się, jak wiele „świadomości” rynek jest w stanie dotować.

Amerykanie zbudowali cyfrową scenę i postawili na niej bardzo przekonującego aktora. Francuzi i Niemcy kłócą się obecnie o to, kto zapłaci rachunek za prąd do reflektorów. To oczywiście postęp. Taki, który nie mieści się na slajdzie marketingowym, ale pokazuje się całkiem wyraźnie w bilansie.