Dr hab. Alicja Puścian, neurobiolożka z Centrum Nowych Technologii Uniwersytetu Warszawskiego, powiedziała 3 września 2026 roku w programie „Horyzonty”, że dzisiejsze systemy sztucznej inteligencji nie potrafią modyfikować fizycznego podłoża, na którym działają. Mózg robi to codziennie: zmienia pobudliwość pojedynczych neuronów, fizyczną siłę połączeń między nimi, skład białek i kanałów jonowych, a także liczbę samych komórek nerwowych.
- Dr hab. Alicja Puścian z Centrum Nowych Technologii Uniwersytetu Warszawskiego stwierdziła, że dzisiejsza sztuczna inteligencja nie jest w stanie samomodyfikować fizycznego podłoża, na którym działa, podczas gdy mózg przebudowuje się biofizykochemicznie – zmienia pobudliwość neuronów, skład białek i kanałów jonowych oraz samą liczbę komórek nerwowych.
- Badanie zespołu Jonasa Friséna z Karolinska Institutet opublikowane w „Science" w lipcu 2025 roku potwierdziło istnienie neurogenezy u dorosłych ludzi: spośród około 300 tysięcy przeanalizowanych neuronów hipokampa zidentyfikowano 354 dzielące się komórki progenitorowe, choć skala zjawiska była silnie zróżnicowana między poszczególnymi osobami.
- Mózg dorosłego człowieka zużywa około 20 watów energii, natomiast według szacunków Międzynarodowej Agencji Energetycznej zużycie prądu przez centra danych wzrośnie z 485 TWh w 2025 roku do około 950 TWh w 2030 roku, a zużycie ośrodków wyspecjalizowanych w AI ma w tym czasie potroić się.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Puścian: mózg przebudowuje się biofizykochemicznie, nie tylko przez zmianę siły sygnału
Argument neurobiolożki dotyczy poziomu, na którym zachodzi uczenie się. Puścian mówi wprost, że sztuczna inteligencja w znanej nam postaci „nie jest w stanie samomodyfikować fizycznego podłoża, na którym powstaje”, podczas gdy mózg jest maszyną biologiczną ukształtowaną przez ewolucję tak, żeby zmieniać się każdego dnia.
Badaczka zaznaczyła przy tym, że nie chodzi wyłącznie o modulowanie przepływu informacji w sieci, czyli wzmacnianie jednych połączeń i wygaszanie innych. Proces, o którym mówi, „ma charakter biofizykochemiczny”. W praktyce oznacza to zmiany fizyczne w samej materii układu nerwowego.
Wymieniła kilka poziomów tej przebudowy:
- komórki nerwowe mogą zmienić swój charakter i stać się mniej albo bardziej pobudliwe,
- połączenia między neuronami zmieniają się fizycznie, a nie tylko funkcjonalnie,
- połączenia mogą powstawać i zanikać,
- zmienia się częstość występowania określonych białek i kanałów jonowych, co wpływa na skuteczność przepływu informacji,
- może zmienić się liczba samych neuronów.
Ostatni punkt jest najmocniejszy i badaczka poświęciła mu osobny fragment wypowiedzi. Jak zaznaczyła, do niedawna panowało przekonanie, że neurogeneza, czyli powstawanie nowych komórek nerwowych, w ogóle nie zachodzi u dorosłych ssaków. Dziś wiadomo, że zachodzi, choć w skali niewielkiej. „I to jest coś, czego dzisiejsza sztuczna inteligencja nie potrafi” – podsumowała.
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Neurogenezę u dorosłych ludzi potwierdziło badanie z Karolinska Institutet opublikowane w „Science”
Teza o nowych neuronach u dorosłych ma dziś oparcie w konkretnej pracy naukowej. W lipcu 2025 roku w czasopiśmie „Science” ukazało się badanie zespołu Jonasa Friséna z Karolinska Institutet, które zidentyfikowało w hipokampie dorosłych ludzi dzielące się komórki progenitorowe, czyli bezpośrednie prekursory neuronów.
Hipokamp odpowiada za uczenie się i pamięć oraz uczestniczy w regulacji emocji. Wcześniej trudność ze znalezieniem dzielących się progenitorów była głównym argumentem podważającym istnienie neurogenezy u dorosłych. Zespół z Karolinska sięgnął po sekwencjonowanie RNA pojedynczych jąder komórkowych oraz techniki RNAscope i Xenium, które wskazały, że nowo powstające komórki znajdują się w zakręcie zębatym hipokampa, obszarze związanym z tworzeniem pamięci i elastycznością poznawczą.
Skala zjawiska jest jednak skromna i mocno zróżnicowana. Wśród około 300 tysięcy przeanalizowanych neuronów hipokampa, pochodzących od osób od wieku nastoletniego po siódmą dekadę życia, algorytm zespołu wskazał 354 komórki progenitorowe. Różnice między poszczególnymi mózgami były przy tym duże: u części dorosłych progenitorów było wiele, u innych prawie wcale. To badanie nie zamknęło sporu, bo część neurobiologów odczytuje te same dane jako dowód na to, że neurogeneza u dorosłych jest marginalna.
Lubię takie wypowiedzi, bo przesuwają rozmowę o AI z poziomu haseł na poziom mechanizmów. Puścian nie mówi, że sztuczna inteligencja jest głupia albo że nigdy nas nie dogoni. Mówi coś węższego i przez to mocniejszego: że mózg i model uczą się na dwóch różnych piętrach rzeczywistości, a jedno z tych pięter jest dla krzemu na razie zamknięte.
Mam jednak wątpliwość co do tego, jak łatwo taki argument daje się przerobić na pocieszenie. Bo z faktu, że mózg przebudowuje własną biologię, nie wynika automatycznie, że model nie osiągnie porównywalnych efektów zupełnie inną drogą. Samolot nie macha skrzydłami i lata dalej niż ptak. Pytanie, na które nikt dziś nie ma odpowiedzi, brzmi: czy plastyczność biofizykochemiczna jest warunkiem koniecznym pewnych zdolności poznawczych, czy tylko jednym ze sposobów ich uzyskania.
Przestrzegałbym też przed odwrotnym błędem, który widzę w firmowych dyskusjach. Skoro model nie przebudowuje się sam, to każda jego „nauka” wymaga naszej decyzji, naszych danych i naszych pieniędzy. To nie jest ograniczenie techniczne gdzieś w tle. To pozycja w budżecie.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Wagi modelu zamarzają po treningu, a douczanie kosztuje wcześniejsze umiejętności
Po stronie sztucznej inteligencji obserwuję dokładnie tę asymetrię, o której mówi Puścian. Model językowy uczy się w fazie treningu, po której jego parametry zostają zamrożone. Późniejsza adaptacja odbywa się przez kontekst rozmowy, sięganie do zewnętrznych baz wiedzy albo dostrajanie, czyli kolejną, kosztowną turę obliczeń. Sam układ scalony, na którym model działa, pozostaje niezmieniony.
Dodatkowo w literaturze uczenia maszynowego od dziesięcioleci opisany jest problem katastrofalnego zapominania. Douczanie modelu na nowym zadaniu potrafi zniszczyć umiejętności zdobyte wcześniej, bo nowe gradienty nadpisują te same parametry. Biologia rozwiązuje ten konflikt inaczej, rozkładając zmianę na wiele poziomów fizycznych naraz. To moja interpretacja wypowiedzi badaczki, a nie jej teza, ale wydaje mi się, że dobrze pokazuje, dlaczego porównanie mózgu do sieci neuronowej bywa mylące.
Podobnych luk między percepcją człowieka a maszyny jest zresztą więcej. Pisaliśmy o eksperymencie z animowanymi kropkami, w którym ludzkie oko odczytuje napis niewidoczny dla modeli wizyjnych.
Dwadzieścia watów kontra 950 terawatogodzin. Bilans energetyczny wypada druzgocąco
Różnica w kosztach utrzymania obu systemów jest ogromna. Mózg dorosłego człowieka stanowi około 2 proc. masy ciała i zużywa mniej więcej jedną piątą energii spoczynkowego metabolizmu, co daje moc szacowaną zwykle na kilkanaście do dwudziestu watów. Tyle pobiera słaba żarówka.
Po drugiej stronie stoi infrastruktura, która tę energię liczy w terawatogodzinach. Międzynarodowa Agencja Energetyczna szacuje, że zużycie prądu przez centra danych wzrośnie z 485 TWh w 2025 roku do około 950 TWh w 2030 roku, czyli do mniej więcej 3 proc. globalnego popytu na energię elektryczną. Zużycie ośrodków wyspecjalizowanych w AI ma w tym samym okresie potroić się.
Zestawienie tych dwóch liczb nie rozstrzyga niczego o inteligencji. Pokazuje natomiast, jak odległe są ścieżki, którymi biologia i krzem doszły do przetwarzania informacji.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Puścian pracowała w Instytucie Nenckiego i na Yale, a spór o granice AI toczy się także w polskich laboratoriach
Ta wypowiedź nie jest głosem komentatorki z zewnątrz. Alicja Puścian kieruje dziś pracownią neuroekonomii w Centrum Nowych Technologii Uniwersytetu Warszawskiego, gdzie łączy badania nad obwodami neuronalnymi z eksperymentami na ludziach. Wcześniej prowadziła badania w Pracowni Neurobiologii Emocji Instytutu Biologii Doświadczalnej im. M. Nenckiego Polskiej Akademii Nauk, w zespole prof. Eweliny Knapskiej.
W latach 2017-2019 odbyła staż podoktorski na Uniwersytecie Yale w New Haven. Jeszcze na etapie doktoratu w Instytucie Nenckiego zaprojektowała i wraz ze współpracownikami opatentowała Eco-HAB, system do zautomatyzowanej oceny zachowań społecznych zwierząt laboratoryjnych w warunkach zbliżonych do naturalnych.
Dla polskiego czytelnika ma to konkretne znaczenie. Debata o tym, gdzie przebiegają granice obecnej sztucznej inteligencji, bywa u nas relacjonowana wyłącznie jako echo wypowiedzi z Doliny Krzemowej. Tymczasem po stronie neuronauki mamy własny dorobek badawczy i własnych rozmówców, którzy potrafią rozłożyć ten spór na mechanizmy, a nie na deklaracje.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz wypowiedzi dr hab. Alicji Puścian w programie „Horyzonty” z 3 września 2026 roku, opublikowanym przez money.pl, a także komunikatu Karolinska Institutet o badaniu Ionuta Dumitru i współpracowników opublikowanym w „Science” w lipcu 2025 roku oraz raportu International Energy Agency dotyczącego zapotrzebowania centrów danych na energię.
Cytaty dr hab. Alicji Puścian pochodzą z polskojęzycznego nagrania i nie były tłumaczone. Dane o afiliacji i dorobku badaczki zweryfikowano na podstawie strony Centrum Nowych Technologii Uniwersytetu Warszawskiego oraz materiałów Instytutu Biologii Doświadczalnej im. M. Nenckiego PAN.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o badaniach nad plastycznością mózgu i granicami uczenia się modeli sztucznej inteligencji.
