Echo w echu. Co się stanie, gdy AI zacznie uczyć się od samej siebie?

Wyobraź sobie bibliotekę, w której wszystkie nowe książki są napisane przez kogoś, kto całe życie czytał wyłącznie książki napisane przez kogoś, kto całe życie czytał wyłącznie książki napisane przez kogoś…

Rozumiesz, dokąd to zmierza. I właśnie o tym jest ten felieton.

Nie o tym, że AI jest zła. Nie o tym, że roboty kradną pracę (chociaż do tego też dojdziemy). O czymś głębszym i, szczerze mówiąc, trochę bardziej niepokojącym: o tym, co dzieje się z kulturą, kreatywnością i samą ideą oryginalności, kiedy coraz większa część treści, które krążą w internecie, jest wygenerowana przez maszyny – a te maszyny uczą się właśnie na tych treściach.

Echo w lustrze, czyli pętla zamknięta

Żeby zrozumieć problem, trzeba zrozumieć, skąd modele językowe biorą swoją wiedzę. W uproszczeniu: pochłaniają ogromne ilości tekstu z internetu, z książek, z artykułów naukowych, z forów, z komentarzy pod filmami. Wszystko, co ludzkość zdążyła zapisać.

Ale jest jedno małe „ale”.

Coraz większa część tego, co teraz krąży w sieci, pochodzi z AI. Raporty generowane przez ChatGPT, posty na blogach napisane przez Clauda, opisy produktów stworzone przez Gemini, artykuły na stronach, które już nawet nie ukrywają, że korzystają z „pomocy AI”. Szacunki są różne, ale część badaczy ocenia, że już kilkanaście procent nowych treści w internecie ma w sobie genetyczny odcisk modeli językowych. Ta liczba rośnie.

I teraz wyobraź sobie, co się stanie z kolejnymi generacjami modeli, które będą uczyć się na danych zawierających coraz więcej danych wygenerowanych przez poprzednie modele.

Informatycy nazywają to „model collapse” – zjawisko, w którym model trenowany na syntetycznych danych stopniowo traci kontakt z rzeczywistością. Jak w głuchy telefon: przekaz się degeneruje, szczegóły znikają, zostaje coraz gładsza, coraz bardziej uśredniona wersja czegoś, co kiedyś było konkretne i żywe.

To nie science fiction. To już się dzieje. Tyle że powoli. Tyle że na razie większość z nas tego nie widzi.

Czy kiedykolwiek byliśmy oryginalni?

Zanim jednak uronimy łzę nad utratą ludzkiej kreatywności, zatrzymajmy się na chwilę. Bo mam dla was pytanie, które mnie dręczy od jakiegoś czasu i które, uczciwie mówiąc, komplikuje całą tę rozmowę.

Czy my, ludzie, kiedykolwiek byliśmy oryginalnia?

Serio. Zastanówmy się. Homer czerpał z ustnej tradycji, którą przejął od poprzednich bardów. Szekspir brał fabuły z włoskich nowel i kronik historycznych (większość jego sztuk to przeróbki starszych historii). Picasso ukradł perspektywę od Cézanne’a, formę od afrykańskich masek i złożył z tego kubizm, który okrzyknęliśmy rewolucją. Led Zeppelin kopiował błuesowych muzyków tak jawnie, że przegrali w sądzie. Co drugi trend we współczesnej modzie to recykling lat 70., 80. lub 90. Kolejne pokolenie gier wideo przetwarza mechaniki z lat 80. w nowych opakowaniach.

Kultura zawsze działała jako mechanizm kopiowania z mutacją. Bierzesz coś, co już istnieje, wnosisz do tego własne życiowe doświadczenie, swój ból, swoją radość, swój konkretny punkt widzenia na konkretny moment historyczny – i dostajasz coś, co wydaje się nowe. Ale fundamentem zawsze było to, co już było.

„Kreatywność to ukrywanie źródeł” – powiedział podobno Einstein, choć oczywiście nie wiadomo, czy naprawdę. Co samo w sobie jest dość wymowne.

Więc może zarzut „AI jest odtwórcza” to mniej zarzut wobec AI, a więcej zarzut wobec nas samych? Może odsłania nam coś, czego nie chcieliśmy widzieć: że oryginalność zawsze była częściową iluzją, a to, co naprawdę liczyło, to nie źródło, lecz filtr. Filtr w postaci ludzkiego doświadczenia, błędu, przypadku, bólu i radości.

AI tego filtra nie ma. Przynajmniej na razie.

I to właśnie jest sedno problemu.

Rynek, który właśnie przestaje oddychać

Zostawmy na chwilę filozofię i przejdźmy do twardej rzeczywistości. Bo na poziomie rynkowym dzieje się coś, czego nie można już ignorować.

Agencje reklamowe tracą zlecenia. Nie wszystkie, nie od razu, ale liczby są na tyle wyraźne, że nie można ich zbagatelizować. Według danych branżowych z 2024 i 2025 roku, wydatki na copywriting zewnętrzny w Europie Zachodniej i USA skurczyły się o kilkanaście procent. Jednocześnie liczba osób oferujących usługi copywriterskie na platformach freelancerskich wzrosła – bo z rynku pracy wypadają ludzie, którzy szukają alternatyw.

Graficy doświadczają podobnej presji. Midjourney, Stable Diffusion, Firefly i kilkanaście innych narzędzi sprawiły, że klient, który kiedyś zamawiał projekt logo za kilka tysięcy złotych, teraz generuje dziesięć propozycji w piętnaście minut i oczekuje, że grafik „trochę to dopracuje”. Za ułamek poprzedniej stawki.

Tłumacze – podobnie. Web designerzy – coraz trudniej. Fotografowie stockowi – ich model biznesowy praktycznie przestał istnieć w ciągu ostatnich dwóch lat.

Ale to nie są tylko branże kreatywne w wąskim sensie. Dotknięci są też pisarze. Mniejsze wydawnictwa coraz częściej sięgają po narzędzia AI do produkcji treści – szczególnie w gatunkach masowych: romansach, thrillerach, poradnikach self-help. Jeden z większych serwisów self-publishingowych odnotował w 2024 roku kilkukrotny wzrost liczby publikowanych tytułów – przy jednoczesnym drastycznym spadku jakości przeciętnej książki. Coraz więcej jest tam treści, którą trudno odróżnić od wygenerowanej maszynowo. Bo jest wygenerowana maszynowo.

Agencje PR piszą komunikaty prasowe przez AI. Firmy konsultingowe generują raporty przez AI. Nawet dziennikarze – i tu mówię o poważnych redakcjach – przyznają, że używają modeli do przyspieszania pracy nad materiałami.

Nie mówię, że to koniecznie zły. Mówię, że to realne i że zmienia strukturę rynku w sposób, którego konsekwencji jeszcze w pełni nie rozumiemy.

Czy zaraz wszystko będzie wyglądać i brzmieć tak samo?

To jest pytanie, które zadaję sobie od jakiegoś czasu. I odpowiedź, do której dochodzę, jest niekomfortowa: tak. Trochę. Już.

Jeśli dużo czytasz tekstów generowanych przez AI, pewnie to zauważasz. Podobna rytmika zdań. Podobna struktura wywodów: „Oto teza. Oto trzy punkty wspierające tezę. Oto podsumowanie.” Podobna tendencja do balansowania („z jednej strony… z drugiej strony… w rzeczywistości jest to złożone zagadnienie”). Podobny, nieco kliniczny, nieco za bardzo gładki ton.

W grafice: istnieje coś, co użytkownicy internetu zaczęli nazywać „AI face” – ta charakterystyczna doskonałość twarzy generowanych przez Midjourney czy DALL-E, z którą coś jest nie tak, choć trudno powiedzieć co. Symetria, której ludzka twarz nigdy nie ma. Skóra bez jednej niedoskonałości. Oczy lekko puste.

W projektowaniu stron: kiedy zaczyna się używać Figmy z AI, Webflow z AI, Wix z AI – szybko okazuje się, że wszystkie „nowoczesne” layouty wyglądają znajomo. Bo skąd model ma wiedzieć, jak zaprojektować stronę wyjątkową? Uczy się na milionach istniejących stron. Generuje to, co jest statystycznie najbardziej prawdopodobne. A statystycznie najbardziej prawdopodobna strona to… strona, która wygląda jak połowa internetu.

Tam, gdzie kończy się człowiek z jego specyficznym gustem, dziwactwem i historią – zaczyna się statystyczna przeciętna. A statystyczna przeciętna to, estetycznie rzecz biorąc, śmiertelna nuda.

Co robią twórcy AI, żeby uciec z pętli?

Nie siedzą bezczynnie. Muszę to przyznać.

Kilka kierunków, które są aktualnie eksplorowane przez największe laboratoria:

Dane syntetyczne z dywersyfikacją. Skoro model będzie się uczył na danych AI, można przynajmniej zadbać, żeby te dane były celowo zróżnicowane – generowane z różnych punktów widzenia, z różnymi intencjonalnie wprowadzonymi błędami i niespójnościami, które symulują różnorodność ludzkiej produkcji.

Powrót do źródeł analogowych. Serio. Część laboratoriów inwestuje w skanowanie materiałów, które nigdy nie były w internecie: archiwów, rękopisów, nagrań, lokalnych gazet z przed ery cyfrowej. To dane, których AI jeszcze nie „zjadła” i które mogą wprowadzić do systemu coś naprawdę nowego.

Modele specjalistyczne zamiast generalistycznych. Zamiast jednego modelu do wszystkiego, wąskie modele trenowane na starannie selekcjonowanych, wysokiej jakości korpusach. Mniejsze, ale lepsze.

Feedback od ludzi w pętli. RLHF (Reinforcement Learning from Human Feedback) i jego nowsze odmiany – czyli uczenie modeli na podstawie ocen prawdziwych ludzi, nie tylko na podstawie danych. To jedna z metod, która pomaga uciec od zjawiska „echo chamber”.

Współpraca z artystami. Kilka projektów (Adobe, Getty Images, niektóre mniejsze inicjatywy) próbuje budować bazy danych z treściami tworzonymi przez ludzi, za których twórcy otrzymują wynagrodzenie i którzy świadomie wchodzą do procesu treningowego. To kontrowersyjne, ale przynajmniej uczciwe.

Czy to wystarczy? Nie wiem. Podejrzewam, że nie w pełni. Ale przynajmniej ktoś myśli o tym problemie.

Gdzie są prawdziwi twórcy i gdzie AI nie dosięga?

A teraz coś, o czym mówi się za mało.

Jest pytanie, które wydaje mi się ważniejsze niż „czy AI jest kreatywna”: gdzie są miejsca, do których AI nie dotarła i – kluczowe – skąd nie czerpie danych do uczenia?

Bo takie miejsca istnieją. I to w nich może leżeć odpowiedź na pytanie o przyszłość prawdziwej twórczości.

Performans na żywo. Taniec. Improwizacja jazzowa, która istnieje przez chwilę i znika. Graffiti na murze, które zostanie zamalowane za tydzień. Rozmowa przy kolacji. Ceramika tworzona ręcznie w małej pracowni w Oaxace. Lokalna tradycja tkacka przekazywana z matki na córkę w Maroku. Recytacja poezji na open mic’u w piwnicy.

Wszystko to, co nie weszło do cyfrowości – albo weszło słabo, fragmentarycznie, bez kontekstu – pozostaje poza zasięgiem modeli. AI nie potrafi prawdziwie rozumieć doświadczenia ciała, przestrzeni, zapachu, przypadkowego spotkania. Potrafi o tym pisać, ale nie z tego wyrastać.

Są też środowiska celowo analogowe. Ruchy slow-art, rzemieślnicze wydawnictwa drukujące na prasach letterpress, twórcy zinów. Muzycy nagrywający na taśmę, bo brzmienie taśmy jest inne – cieplejsze, bardziej „ludzkie” – od perfekcji cyfrowej. Fotografowie, którzy wracają do kliszy, bo każde zdjęcie kosztuje i zmusza do myślenia przed naciśnięciem spustu.

I jest jeszcze jedna kategoria: twórcy, których głównym tworzywem jest konkretne, zlokalizowane doświadczenie. Pisarz, który pisze o Śląsku tak, że czujesz ten specyficzny ciężar powietrza. Reportażysta, który spędził trzy miesiące z konkretną społecznością i wie, jak mówią, jak milczą, co ich boli. Dokumentalista, który miał dostęp tam, gdzie kamera wcześniej nie dotarła.

AI tego nie skopiuje. Bo nie ma tego w danych. Bo tego nie było w internecie.

To jest szansa dla twórców, którzy mają odwagę zejść z autostrady uśrednionego kontentu i wybrać boczną drogę.

Co my, twórcy, możemy zrobić

Wiem, że oczekujecie teraz jakiegoś manifestu. Albo listy kroków. Ale nie dam wam ani jednego, ani drugiego. Bo to byłoby zbyt proste i, szczerze mówiąc, trochę nieuczciwwe.

Dam wam za to kilka obserwacji z tego, co widzę u twórców, którzy w tej chwili radzą sobie najlepiej.

Po pierwsze: wygrywają ci, którzy mają silny punkt widzenia. Nie ci, którzy piszą „lepiej od AI” (cokolwiek to znaczy), ale ci, których nie dałoby się zastąpić AI, bo są zbyt specyficznie sobą. Zbyt ekscentryczni, zbyt zakorzanieni w konkretnym doświadczeniu, zbyt dziwni w dobrym sensie. AI jest znakomita w produkcji treści, które mogłaby napisać każda „rozsądna” osoba. Kiepska w produkowaniu treści, które mógłby napisać tylko jeden konkretny człowiek w jednym konkretnym momencie swojego życia.

Po drugie: AI jako narzędzie, nie jako zastępstwo. Graficy, którzy AI traktują jak Photoshopa – jako jeden z wielu narzędzi w swoim arsenale – radzą sobie inaczej niż ci, którzy próbują z AI konkurować. Nie musisz walczyć z pralką. Możesz prać.

Po trzecie: budowanie społeczności zamiast zasięgu. Algorytmy platform są tak skrojone, żeby nagradzać treści, które generują szybkie zaangażowanie. AI jest w tym dobra. Ale długoterminowa lojalność czytelnika, widza, słuchacza – ta, która wynika z prawdziwego poczucia wspólnoty i zaufania – to coś, czego AI nie zbuduje za ciebie. Jeszcze.

Po czwarte: twórz rzeczy, które zostawiają ślad w świecie fizycznym. Ceramikę. Książki drukowane w małym nakładzie. Koncerty. Wystawy. Warsztaty. Coś, czego nie da się skonsumować przez ekran w dziesięć sekund i zapomnieć.

Trzy hipotezy na najbliższe lata

Obiecałem trzy scenariusze. Oto są.

Hipoteza pierwsza: wielkie przesianie

AI produkuje tak ogromne ilości przeciętnych treści, że rynek sam zaczyna się segmentować na nowo. Z jednej strony ocean taniego, szybkiego, generycznego kontentu – do konsumpcji bez zaangażowania, do wypełniania czasu. Z drugiej: niszowy, drogi, prestiżowy rynek treści ludzkich, certyfikowanych jako „wyprodukowane przez człowieka”, z premią cenową jak w przypadku rękodzieła. Klasa kreatywna kurczy się, ale nie znika. Staje się rzemiosłem elitarnym.

Hipoteza druga: regres do średniej

Pętla zwrotna AI-na-AI napędza się przez kolejne lata. Jakość przeciętnych treści spada. Jednocześnie coraz trudniej odróżnić, co jest ludzkie, a co nie. Pojawia się coraz więcej narzędzi do wykrywania AI – i coraz więcej narzędzi do omijania tych detektorów. Wynikające z tego zmęczenie informacyjne sprawia, że ludzie masowo rezygnują z konsumpcji treści pisanych na rzecz wideo, podcastów, wydarzeń na żywo. Kryzys zaufania do tekstu jako medium.

Hipoteza trzecia: ta dziwna, której nikt nie przewiduje

Modele językowe, uczące się w coraz większym stopniu na własnych danych, zaczynają generować coś nieoczekiwanego: własne „błędy”, „mutacje”, idiosynkrazje, które nie istniały w oryginalnych danych ludzkich. Coś w rodzaju kulturowej ewolucji przyspieszonej do prędkości komputerowej. AI nie staje się mniej twórcza – staje się twórcza w zupełnie inny sposób niż my. I stajemy przed pytaniem, czy to, co produkuje, w ogóle jest dla nas – czy staje się kulturą dla siebie.

Fantazja? Może. Ale historia technologii rzadko idzie tam, gdzie się spodziewaliśmy.

Pętla czy spirala?

Wróćmy do biblioteki z początku.

Jeśli nowe książki piszą ludzie, którzy czytali tylko książki napisane przez ludzi, którzy czytali tylko książki – to też brzmi jak pętla, prawda? I w jakimś sensie nią jest. Kultura zawsze była pętlą. Zawsze krążyliśmy wokół tych samych tematów: miłość, śmierć, władza, tożsamość, sens.

Ale to nie była pętla zamknięta. To była spirala. Za każdym okrążeniem byliśmy w innym miejscu, bo zmieniło się nasze doświadczenie, zmienił się kontekst historyczny, zmieniły się narzędzia, zmieniły się pytania, które zadajemy.

AI może wpaść w pętlę zamkniętą. Może też – przy odpowiednim prowadzeniu, przy mądrym projektowaniu systemów treningowych, przy zachowaniu miejsca dla ludzkiego doświadczenia w procesie – stać się czymś w rodzaju nowego ogniwa tej spirali.

Nie wiem, które z tych wyjść wybierzemy. Wiem natomiast, że wybór należy do nas. Przynajmniej na razie.

I wiem jeszcze jedno: jeśli piszesz dlatego, że masz coś do powiedzenia – a nie dlatego, że musisz wyprodukować content – to żaden model językowy nie jest twoim rywalem. Jest twoim tłem, na którym twoja oryginalność staje się jeszcze bardziej widoczna.

Tyle na dziś. Jeśli macie swoje przemyślenia na ten temat – piszcie w komentarzach. Serio, jestem ciekaw, co myślą o tym twórcy, którzy są w środku tych zmian. I jeśli znacie kogoś, kto powinien to przeczytać, podeślijcie.