Hemanth Asirvatham i Elliott Mokski opublikowali na blogu OpenAI Intelligence Age esej „The eternal complement”, w którym przekonują, że największą wartością przyszłej superinteligencji może się okazać żmudna praca wykonawcza, a nie genialne odkrycia. Autorzy opierają tę tezę na danych pokazujących, że każdy kolejny krok w nauce wymaga coraz więcej ludzi, sprzętu i pieniędzy: utrzymanie prawa Moore’a potrzebuje dziś ponad 18 razy więcej badaczy niż na początku lat 70.
- Hemanth Asirvatham i Elliott Mokski w eseju „The eternal complement" na blogu OpenAI Intelligence Age przekonują, że największą wartością przyszłej superinteligencji może być żmudna praca wykonawcza i koordynacja, a nie genialne odkrycia – „nie to, co genialne, tylko to, co nudne".
- Według badania „Are Ideas Getting Harder to Find?" (American Economic Review, 2020) utrzymanie prawa Moore'a wymaga dziś ponad 18 razy więcej badaczy niż na początku lat 70., a zmierzona produktywność badań w gospodarce USA spadła 41-krotnie od lat 30., mimo że efektywny wysiłek badawczy wzrósł 23-krotnie.
- Według danych GUS nakłady na badania i rozwój w Polsce spadły w 2024 r. o 3,1 proc. do 51,5 mld zł, a ich udział w PKB zmniejszył się do 1,41 proc. z 1,56 proc. rok wcześniej.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Esej otwiera na blogu Intelligence Age serię o gospodarce po AGI
„The eternal complement” to pierwszy tekst z serii „The Next Economy”, którą autorzy opisują jako część nowej platformy dla niezależnych głosów o przyszłości z AGI (sztuczną inteligencją ogólną, dorównującą człowiekowi w większości zadań). Asirvatham i Mokski zastrzegają na wstępie, że esej wyraża ich poglądy, a nie stanowisko OpenAI ani ich współpracowników.
Blog Intelligence Age wystartował 20 sierpnia 2026 r. Według tekstu inaugurującego, podpisanego przez Deana Balla, to blog nowego zespołu OpenAI o nazwie Strategic Futures. Zespół zajmuje się pytaniem, jak przebudować wolne społeczeństwo, żeby zachować prawa i sprawczość jednostek w świecie przekształconym przez AI. OpenAI zaznacza tam, że wpisy na blogu co do zasady prezentują opinie autorów, a nie oficjalne stanowisko firmy.
To ważne zastrzeżenie przy lekturze. Esej nie zapowiada żadnego produktu ani decyzji OpenAI. Jest wywodem ekonomicznym o tym, gdzie superinteligencja spędzi większość swojego „czasu pracy”.
Utrzymanie prawa Moore’a wymaga dziś 18 razy więcej badaczy niż w latach 70.
Główna teza autorów brzmi tak: genialny pomysł jest tylko jednym z wkładów w produkcję postępu, a reszta to sprzęt, ludzie, pieniądze i instytucje, które ten pomysł realizują. Ekonomiści nazywają takie czynniki komplementarnymi, czyli takimi, w których więcej jednego podnosi wartość drugiego. Lepszy teleskop zwiększa wartość dobrego pytania astronomicznego, a dobre pytanie zwiększa wartość teleskopu.
Na poparcie autorzy przywołują badanie „Are Ideas Getting Harder to Find?” Nicholasa Blooma, Charlesa I. Jonesa, Johna Van Reenena i Michaela Webba, opublikowane w 2020 r. w „American Economic Review”. Z badania i innych danych cytowanych w eseju wynika, że:
- liczba badaczy potrzebnych do utrzymania podwajania gęstości tranzystorów w chipach jest dziś ponad 18 razy większa niż na początku lat 70.,
- efektywny wysiłek badawczy w całej gospodarce USA wzrósł 23-krotnie od lat 30., a zmierzona produktywność badań spadła w tym czasie 41-krotnie,
- liczba techników rośnie dwa razy szybciej niż liczba naukowców,
- wykorzystanie specjalistycznego sprzętu w nauce podwoiło się w ciągu czterech dekad,
- nowoczesna fabryka chipów kosztuje pięć razy więcej niż 30 lat temu.
Autorzy pokazują ten trend na przykładzie teleskopów. Galileusz poszerzył ludzkie pole widzenia dwiema soczewkami i tubą. Kosmiczny Teleskop Jamesa Webba kosztował około 10 mld dolarów, jego 18 segmentów lustra wykonano z precyzją do 50 nanometrów, a nad projektem pracowało 300 organizacji z 14 krajów. Wniosek eseju: żeby widzieć dalej, potrzeba było nie tylko jaśniejszych umysłów, ale też większej biurokracji.
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
Asirvatham i Mokski opisują dwa scenariusze: cywilizację głębi i cywilizację szerokości
Autorzy przyznają, że nie wiedzą, czy zapotrzebowanie na „zaplecze” dla geniuszu będzie rosło, malało czy stało w miejscu. Odpowiedź ma zależeć od tego, jak daleko myśl może zajść, zanim musi znów skonfrontować się z rzeczywistością. Wymieniają trzy drogi zdobywania wiedzy: rozumowanie z pierwszych zasad (najczystszym przykładem jest matematyka), wyciąganie nowych wniosków z już zebranych danych i zbieranie nowych danych przez eksperymenty w świecie fizycznym.
Z tego wynikają dwa kierunki, w których według autorów może pójść cywilizacja z superinteligencją:
| Cywilizacja głębi | Cywilizacja szerokości | |
|---|---|---|
| Główny motor postępu | lepsze myślenie, symulacje, analiza istniejących danych | fizyczna ekspansja: laboratoria, fabryki, energia |
| Rola eksperymentów | nieliczne, precyzyjnie dobrane | coraz liczniejsze i coraz bardziej rozbudowane |
| Wzorcowy przykład | Einstein dochodzący do teorii względności niemal samym rozumowaniem | biologia, w której leki wciąż trzeba testować na dużych grupach ludzi |
| Zapotrzebowanie na biurokrację | maleje | rośnie szybciej, niż AI potrafi je ograniczać |
| Tempo postępu | przyspiesza | zwalnia, bo fizyka i odległości narzucają limity |
W scenariuszu szerokości superinteligencja mogłaby zaprojektować stulecie eksperymentów w jedno popołudnie, a potem przez sto lat czekać, aż natura i maszyny nadążą. Skrajnym obrazem takiej przyszłości jest dla autorów sfera Dysona, czyli hipotetyczna konstrukcja otaczająca gwiazdę i przechwytująca jej energię. Jej zaprojektowanie wymagałoby przełomów, ale większość pracy to budowa i logistyka na astronomiczną skalę.
Stąd najmocniejsze zdanie eseju. Prawie cała maszynowa inteligencja byłaby wtedy wykorzystywana „nie do tego, co genialne, tylko do tego, co nudne” / „not to do the brilliant, but to do the boring”. Supermocą superinteligencji byłaby gotowość, by stać się biurokracją, która koordynuje ogromną machinę technologiczną i instytucjonalną.
Ten esej czytam jako odtrutkę na narrację o „miliardzie Einsteinów w centrum danych”, którą od dwóch lat słyszymy z wielu laboratoriów AI. Autorzy z wnętrza OpenAI mówią w gruncie rzeczy rzecz trzeźwą: pomysły są tanie, droga jest ich realizacja, a ta wymaga betonu, energii, pozwoleń i ludzi, którzy wypełniają formularze.
Widzę tu jednak dwie rzeczy, które zostają bez odpowiedzi. Po pierwsze, jeśli AI ma stać się „biurokracją”, to kto tę biurokrację kontroluje? Ten sam blog zaczął się od tekstu o ryzyku koncentracji władzy, a esej o ekonomii wykonania zupełnie omija pytanie, czyja to będzie machina. Po drugie, tabela „głębia kontra szerokość” wygląda elegancko, ale w praktyce oba scenariusze będą się działy jednocześnie: matematyka może pójść drogą głębi, medycyna drogą szerokości. Dla firm i rządów to oznacza, że przewagę zbuduje nie ten, kto ma najlepszy model, tylko ten, kto ma laboratoria, sprawne urzędy i prąd.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Dziś AI odciąża ludzi w wykonaniu, jutro wykonania może brakować bardziej niż kiedykolwiek
Autorzy widzą dwa etapy. W pierwszym, który według nich już trwa, AI pisze kod, przeszukuje nieznaną literaturę i zamienia szkic w działający prototyp. Pomysły, które kiedyś wymagały całej organizacji, coraz częściej może realizować jedna ambitna osoba. Najrzadszym zasobem staje się wtedy gust, czyli umiejętność wyboru, co warto zrobić i które pytanie warto zadać.
W drugim etapie AI zaczyna samodzielnie dochodzić do nowych odkryć (autorzy sugerują, że w matematyce może to już się dziać) i dostarcza nie tylko pracy, ale też własnych programów badawczych. Wtedy dobrych pomysłów przybywa szybciej, niż infrastruktura jest w stanie je przyjąć. Asirvatham i Mokski piszą, że ludzkość może być wówczas bardziej spragniona zdolności wykonawczych niż kiedykolwiek wcześniej.
Autorzy nie przesądzają, który scenariusz wygra. Zauważają, że historia na razie wskazuje na rosnące zapotrzebowanie na zaplecze: pierwszy tranzystor zbudował niewielki zespół Bell Labs przy stole warsztatowym, a postęp w chipach zależy dziś od rozbudowanego globalnego łańcucha dostaw. Zastrzegają jednak, że historia nie musi być przeznaczeniem, bo genialne umysły mogą wymyślać tańsze akceleratory, lepsze źródła energii i trafniej wybierać eksperymenty.
Polska wydaje na badania i rozwój 1,41 proc. PKB, a w 2024 r. nakłady spadły
Teza eseju o rosnącym koszcie postępu ma też polski wymiar. Według GUS nakłady krajowe brutto na działalność badawczo-rozwojową w Polsce wyniosły w 2024 r. 51,5 mld zł, o 3,1 proc. mniej niż rok wcześniej. Udział tych nakładów w PKB spadł do 1,41 proc. z 1,56 proc. w 2023 r., a liczba podmiotów prowadzących badania zmniejszyła się o 3,7 proc. Przedsiębiorstwa wydały na badania i rozwój 32,6 mld zł, czyli 63,3 proc. wszystkich krajowych nakładów.
To już interpretacja AIPORT.pl, a nie autorów eseju: jeśli sprawdzi się scenariusz cywilizacji szerokości, dostęp do najlepszych modeli AI nie wystarczy. Polska, która korzysta głównie z modeli rozwijanych w USA, zyska na nich tyle, na ile będzie miała własne laboratoria, energię, aparaturę i instytucje zdolne zamieniać pomysły w działające projekty. Spadek nakładów na badania w 2024 r. nie jest dobrym punktem wyjścia do takiego wyścigu.
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.
Autorzy zostawiają miejsce dla ludzkiej ciekawości, nawet jeśli maszyny będą lepsze
Asirvatham i Mokski kończą esej trzema argumentami za tym, że ludzie nie stracą roli nawet wtedy, gdy AI przewyższy ich i w odkryciach, i w koordynacji:
- Obowiązek poznawania świata nie znika tylko dlatego, że pojawiła się mądrzejsza inteligencja, nawet zbudowana przez nas samych.
- Ludzie mogą mieć przewagę względną w twórczym myśleniu nad pracą rutynową. Nawet będąc gorszymi w obu, specjalizowaliby się w tym pierwszym, zwłaszcza że wolą tworzyć, a roboty takich preferencji nie mają.
- Różnorodność ma wartość: jeśli ludzie zachowają choć trochę wyjątkowości, niewielka część maszynowej inteligencji będzie pracować na ich twórcze zlecenie, co i tak oznaczałoby znacznie więcej zasobów niż dziś.
Esej zamyka obserwacja, że maszynowe umysły odziedziczą tę samą zależność od świata co ludzie: nie wszystkie mogą być luminarzami, część musi zostać urzędnikami.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym eseju „The eternal complement” Hemantha Asirvathama i Elliotta Mokskiego opublikowanego na blogu OpenAI Intelligence Age, wpisu „Introducing Intelligence Age” Deana Balla z dnia 20.08.2026 oraz badania „Are Ideas Getting Harder to Find?” (American Economic Review, 2020). Polskie dane pochodzą z publikacji GUS „Działalność badawcza i rozwojowa w Polsce w 2024 r.” z dnia 23.10.2025.
Cytat z eseju Hemantha Asirvathama i Elliotta Mokskiego został zweryfikowany z oryginalnym anglojęzycznym materiałem źródłowym.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się kolejnych esejów z serii „The Next Economy” na blogu Intelligence Age.
