Od pewnego czasu dogłębnie zgłębiam temat szumu wokół AI. Z jednej strony czytam analizy finansowe czołowych firm tworzących ten rynek, z drugiej próbuję zrozumieć istotę sztucznej inteligencji i uczenia maszynowego.
Konkluzja moich badań jest brutalna – cały sektor AI to jedna wielka bańka spekulacyjna, która prędzej czy później pęknie z wielkim hukiem. Jej symbol i bastion – OpenAI – jest jak zamek z piasku zbudowany na samym brzegu plaży, czekający na zbliżający się przypływ oceanu.
Wszystkie te rzeczy, o których piszą media głównego nurtu i które podkreślają światowej klasy autorytety:
- największa rewolucja cywilizacyjna od czasu wynalezienia koła,
- utrata miejsc pracy przez miliony ludzi, których zastąpi AI,
- rozpad istniejących modeli edukacji, ponieważ ludzkość będzie korzystać tylko z jednorodnej, stadnej wiedzy generowanej przez ChatGPT, Grok czy Gemini
cóż, to się nie wydarzy. A przynajmniej nie w opisywanej formie.
A dlaczego nie? Ponieważ to wszystko jest dokładnie tym samym, co było mówione dziesiątki razy wcześniej… W kontekście druku 3D. W kontekście rozszerzonej rzeczywistości. W kontekście kryptowalut. W kontekście… grafenu.
Zgadza się, ręka w górę, kto jeszcze pamięta grafen? Super materiał, który 10 lat temu miał zastąpić wszystkie materiały? Czy ktoś ostatnio słyszał coś o grafenie…?
Nie Pawle, nie rozumiesz… Źle to porównujesz. Tego nie da się porównać. AI to coś znacznie, znacznie więcej. Nigdy wcześniej nie było czegoś takiego.
To jest ta rzecz. To jest ta rewolucja.
Poza tym, spójrz na pieniądze! Ktoś, kto pakuje miliardy dolarów rocznie w ten sektor, nie może się mylić.
Nie może, prawda…?
Nie. Nieprawda. Ci ludzie mylą się cały czas. Pakują te pieniądze nieracjonalnie. To nie jest biznes. To jest hazard. Dokładnie jak w latach 2000. z kredytami hipotecznymi. The Big Short. Margin Call. Too Big to Fail.
You’ve been sold short to a scam
Jesienią 2024 opublikowałem na Medium jeden z moich głośniejszych artykułów opisujących mechanizmy stojące za stworzeniem wielkiej bańki spekulacyjnej w przemysłowym AM w latach 2018-2023 (artykuł został później opublikowany ponownie na VoxelMatters po moim odejściu z Medium).
Z jednej strony przedstawiłem powody, dla których firmy AM decydują się przesuwać granice swoich rzeczywistych możliwości, obiecując rzeczy niemożliwe do spełnienia. Początki „biedy druku 3D” i niemożność zarobienia pieniędzy adekwatnych do ilości włożonej pracy.
Z drugiej strony opisałem krótkowzroczność i infantylizm inwestorów, którzy w pogoni za łatwym, szybkim zyskiem, nie chcą słuchać tych wszystkich trudnych – i o zgrozo! – płatnych analiz, obnażających kłamstwa lub manipulacje wypisane w prospektach emisyjnych aspirujących jednorożców.
W gruncie rzeczy obie strony są siebie warte. Oszukują się nawzajem. Oszukują innych wokół siebie, chcąc usprawiedliwić swoje zachowania i decyzje.
Tworzą narracje, które z każdą kolejną rundą finansowania stają się coraz bardziej oderwane od rzeczywistości.
Wszystko zaczyna się od braku zrozumienia, czym jest produkt i technologia stojące za danym startupem. To znaczy, inwestor wie „mniej więcej”, o co chodzi, ale w podejmowaniu decyzji kieruje się „wskaźnikiem wzrostu” i stopniem „wpływu na gospodarkę” technologii. To, jak to naprawdę działa, jest dla niego drugorzędne.
Doskonałym przykładem jest tu mój ukochany Desktop Metal. Prawdziwe arcydzieło technologicznego szumu i najbardziej oderwane od rzeczywistości.
Na przełomie 2010 i 2020 roku firma obiecała inwestorom rewolucję w przemysłowej produkcji metali. Miała zastąpić – lub przynajmniej znacząco wyprzeć – istniejące tradycyjne techniki wytwórcze. Miało to zostać osiągnięte poprzez innowacyjną metodę – BinderJetting, polegającą na selektywnym łączeniu proszku metalowego lepiszczem, a następnie spiekaniu gotowych części w piecu.
Super szybko, super wydajnie.
Problem polegał na tym, że:
- ta metoda nie była innowacyjna… powstała w połowie lat 90. i była z powodzeniem rozwijana przez ExOne; którą Desktop Metal natychmiast przejął po uzyskaniu rekordowego finansowania z giełdy na początku lat 2020
- ta metoda była obarczona szeregiem ograniczeń, z których najważniejszym był znaczący skurcz części, który występował w procesie spiekania; wymuszało to skalowanie części w górę przed ich produkcją na drukarce 3D, co było niezwykle skomplikowaną operacją matematyczną; a w przypadku niektórych geometrii czyniło tę metodę całkowicie bezużyteczną
- ta metoda w ogóle nie była skalowalna… koszt pojedynczego systemu był nieadekwatnie wysoki w stosunku do wydajności produkcji; komora robocza była duża jak na standardy druku 3D, ale malutka w kontekście produkcji części metalowych.
I wreszcie, co najważniejsze – w kontekście oryginalnych prac R&D Desktop Metal, ich metal BinderJetting nigdy naprawdę nie działał… Aby wprowadzić maszyny na rynek, firma najpierw uciekła się do licencjonowania rozwiązań tajwańskiego XYZPrinting, a następnie technologii przejętego ExOne.
Ostatecznie cały ten szum wokół Mass Additive Manufacturing załamał się pod własnym ciężarem.
Koszty operacyjne były nieproporcjonalnie wysokie w porównaniu do generowanych przychodów. Cały sektor metalowego druku 3D okazał się po prostu nierentowny. Technologicznie ograniczony w stosunku do oczekiwań sektora produkcyjnego.
Pisałem o tym tutaj: „The Straight Edge 3D Printing Manifesto„
Zgodnie z definicją: druk 3D to metoda produkcji polegająca na nakładaniu materiału warstwa po warstwie i selektywnym łączeniu go. W porównaniu ze wszystkimi innymi technikami produkcyjnymi ma trzy zalety i trzy wady, które znacząco na siebie oddziałują:
Zalety:
- jest najszybszy
- jest najtańszy
- pozwala na produkcję geometrii, których w inny sposób nie dałoby się wyprodukować
Wady:
- ma najgorszą dokładność i jakość wykończenia
- staje się problematyczny wraz ze wzrostem rozmiaru części
- nie jest opłacalny w produkcji masowej.
Kiedy używamy druku 3D?
- gdy musimy wyprodukować jedną lub kilka rzeczy
- gdy chcemy, żeby coś zostało zrobione szybko i tanio, a jakość jest drugorzędna
- gdy wymyśliliśmy coś tak specyficznego, niezwykłego i skomplikowanego, że tylko drukarka 3D byłaby w stanie to zrobić.
Podsumujmy:
- małe ilości
- bardzo specyficzne
- tanie
- jakość nie jest najważniejsza.
Nie można tego porównać do formowania wtryskowego. Ani do frezowania CNC. Więc nie można mieć takich samych oczekiwań biznesowych wobec drukarek 3D jak wobec linii formowania wtryskowego.
I dokładnie to samo dotyczy AI…
Cud, którego nikt nie rozumie
Czym jest sztuczna inteligencja? Problem polega nawet nie na tym, że mało kto to wie – problemem jest, że nikt nie próbuje tego zrozumieć. Nikt o to nie pyta.
Pewnego dnia AI stało się tak oczywiste jak prąd czy internet. Ludzie uznali, że po prostu tu zostanie.
I nie należy się temu dziwić. Gdyby spytać przeciętnego człowieka, skąd się bierze prąd czy internet, odpowiedzi brzmiałyby zapewne: z gniazdka elektrycznego oraz z najbliższej wieży 5G.
A skąd się bierze AI? Z OpenAI. Albo jakiegoś innego „producenta”.
Niektórzy ludzie się tym ekscytują, a inni się tego obawiają. Ale ani jedni, ani drudzy nie wiedzą, co to jest. Po prostu się pojawiło, działa i w zależności od kontekstu jest albo cudowne, albo przerażające. Zacznijmy zatem od podstaw…
Często powtarzam, że druk 3D nie jest nową technologią, ponieważ powstał ponad 40 lat temu, a prace koncepcyjne nad nim sięgają lat 70. (lub 60., w zależności od definicji tego, nad czym wtedy pracowano).
Tymczasem AI jest jeszcze starsze. Polecam artykuł Davida Williama Silvy na ten temat:
Termin „sztuczna inteligencja” został ukuty przez Johna McCarthy’ego w 1955 roku. McCarthy, wraz z Marvinem Minsky’m, Nathanielem Rochesterem i Claude’em Shannonem (co za grupa!) złożyli „Propozycję Letniego Projektu Badawczego w Dartmouth nad Sztuczną Inteligencją” na przełomowe wydarzenie dla sztucznej inteligencji.
Alan Turing zaproponował Test Turinga w 1950 roku, aby zmierzyć inteligencję maszyn. Allen Newell i Herbert Simon zbudowali Logic Theorist. Minsky rozwinął sieci neuronowe. Shannon dał nam teorię informacji.
Zatem prace nad AI trwają od 70 lat. Nic nie powstało tu z dnia na dzień.
Co więcej, może was to zszokować, ale i tak to napiszę:
- AI nie jest magią – to zwykła matematyka na ogromną skalę
- u jej podstaw leży dodawanie, mnożenie, średnie i prawdopodobieństwo; algorytmy stopniowo dostosowują liczby, gdy komputer się myli – to właśnie oznacza „uczenie się”
- system przetwarza ogromne ilości danych (tekst, obrazy, nagrania) miliardy razy, dostrajając się; szybki sprzęt przekształca to w model rozpoznający wzorce
- i tak na przykład popularne Agenty AI, które rzekomo sukcesywnie odbierają pracę zdolnym ludziom w korporacjach, są jeszcze prostsze: to model z listą zadań i narzędziami, wykonujący uporządkowane kroki bez wewnętrznej świadomości.
AI ma jedno główne ograniczenie: jest statystycznym podsumowaniem przeszłości i nie myśli kreatywnie. W ogóle nie myśli w rozumieniu tego, jak myśli człowiek.
Gdy proponujesz nietypowy pomysł, AI go odrzuca – nie dlatego, że jest zły, ale bo nie przypomina danych treningowych. To, co robi, to rozpoznawanie wzorców. To nie jest inteligencja.
Z uwagi na gigantyczne bazy danych (konsumujące gigantyczne zasoby energii i wody), AI działa bardzo szybko, ale… bardzo niechlujnie. Jak pisze o tym DW Silva:
Jest najbardziej produktywnym stażystą, jakiego kiedykolwiek miałeś, który nigdy nie śpi, nigdy nie narzeka i wiele razy nie sprawdza, czy praca jest faktycznie poprawna.
I budujemy na tym całe branże.
To imponujące osiągnięcie inżynieryjne, ale nie cud ani niezależny, kreatywny umysł. Dlatego szum wokół AI służy przede wszystkim pozyskiwaniu kolejnych rund finansowania na dalszy rozwój (i przetrwanie).
Dobra, ale faktem jest, że AI odbiera nam, ludziom, pracę…
To nie do końca prawda. Pisałem o tym dwa tygodnie temu:
Raport Oxford Economics pokazuje, że firmy nie zastępują pracowników AI na żadną znaczącą skalę. Zamiast tego narracja o AI jest wykorzystywana do maskowania trudności finansowych i zwykłej restrukturyzacji siły roboczej.
Bezrobocie wśród młodych rzeczywiście rośnie, ale AI nie jest tego przyczyną. Prawdziwymi czynnikami są wzrost podaży absolwentów – 32% do 35% w USA, 39% do 45% w Europie – oraz szersze spowolnienie gospodarcze. W krajach takich jak Korea Południowa i Japonia, które wdrażają AI, ale nie doświadczają recesji, bezrobocie wśród absolwentów nie rośnie.
To klasyczny błąd atrybucji: korelacja w czasie nie oznacza związku przyczynowego.
A nawet jeśli tak, kończy się to katastrofą. Według Willa Locketta:
Microsoft zwolnił astronomiczną liczbę pracowników, w sumie 15 000 do końca 2025 roku! Niektóre z tych działów zostały mocno dotknięte, a programiści stanowili 40% zwolnień. Dla wielu wyglądało to tak, jakby Microsoft zastępował swoich inżynierów oprogramowania AI.
A potem zaczęły się usterki.
Przez 2025 i 2026 rok każda aktualizacja Windows wydawała się mieć jeszcze większego buga niż poprzednia. Wydajność spadła, aplikacje przestały działać, magazyn w chmurze się zacinał, podstawowe funkcje przestały działać, narzędzia odzyskiwania zawiodły, a aktualizacje całkowicie blokowały maszyny i powodowały awarie rozruchu.
Microsoft musiał wydać dramatyczną liczbę poprawek i obejść, aby spróbować zaradzić tej fali problemów, ale szkoda została wyrządzona. Użytkownicy są zmęczeni i przeskakują z Windows na Maca lub Linuxa. W rzeczywistości wygląda na to, że Windows stracił 400 milionów użytkowników od 2022 roku!
Teraz wyobraźcie sobie fabryki Forda, Toyoty, Boeinga czy Siemensa, które masowo zwalniają swoich operatorów CNC i zamiast tego pakują na wszystkie hale systemy produkcyjne z Desktop Metal. Wszystkie części przestają być frezowane – są drukowane w 3D i spiekane.
Nie wyobrażacie sobie tego…? Ale jakoś potraficie wyobrazić sobie AI wykonujące pracę ludzi…
Dlaczego więc w tę rzecz jest inwestowane tak dużo pieniędzy?
Skoro ktoś taki jak ja, kto do stycznia tego roku niezbyt interesował się AI, był w stanie zdobyć powyższą wiedzę i rozpoznać identyczne wzorce spekulacyjne jak w poprzednich bańkach inwestycyjnych, dlaczego ludzie inwestujący miliony – miliardy dolarów tego nie widzą?
Odpowiedź jest banalna… Bo nie chcą. Bo nie muszą. Bo w tej grze nie chodzi o to, czy to naprawdę działa, czy nie.
Bo to jest gra. Kasyno. Hazard.
Liczy się adrenalina. Prestiż. Uznanie kolegów. I chciwość.
Wytłumaczę to w ten sposób:
- dla przeciętnego człowieka – przedstawiciela tak zwanej klasy średniej, 1 milion dolarów to bardzo duża suma pieniędzy
- 10 milionów dolarów to suma, która pozwoli takiemu człowiekowi nie pracować już do końca życia (pod warunkiem że utrzyma nieco podwyższony standard życia niż teraz i nie wyda połowy na samochody, narkotyki i imprezy w pierwszym roku)
- 100 milionów dolarów to suma, która dla przeciętnego człowieka jest już abstrakcyjna; aby stracić taką sumę, potrzeba wyjątkowej kreatywności; 100 milionów dolarów to także całkiem wysoka suma nawet dla milionera
- 500 milionów dolarów to suma niemożliwa do wydania
- 1 miliard lub więcej oznacza, że pieniądze są już dożywotnio nieskończone.
Na co wydać 10 milionów, gdy ma się ich 500?
Na co wydać 200 milionów, gdy ma się ich 2 miliardy?
Na ruletkę w Las Vegas? Nie… Trzeba by być zdegenerowanym hazardzistą. Nie, takie pieniądze trzeba inwestować! W co i jak? Może w nowe technologie? Świetny pomysł! Ale w które?
I wtedy pojawia się doradca inwestycyjny, albo ktoś z funduszu inwestycyjnego, albo sam założyciel. I przedstawiają plan. Plan, który jest cholernie sprytny! Plan z wysoką stopą zwrotu!
Na przykład w rewolucyjną technologię druku 3D z metalu, która wywróci cały sektor przemysłowy do góry nogami. Albo sztuczną inteligencję, która zastąpi ludzi w pracy. Albo cokolwiek innego…
A teraz najważniejsze pytanie: czy osoba, która zarobiła (lub odziedziczyła) 500 milionów dolarów, będzie zagłębiać się w niuanse technologiczne stojące za metodą metal BinderJetting? Czy sprawdzi, czy jakiś ExOne nie opracował tego wcześniej?
A może zacznie zagłębiać się w prace naukowców nad sztuczną inteligencją z lat 60. lub 70.? Albo sięgnie po wspaniałe, ale trudne do czytania książki Nicka Bostroma?
Nie… To tak nie działa… Przecież gdyby gracz w ruletkę analizował istotę tej gry, prędzej czy później odkryłby, że jej fundamentem jest zwycięstwo kasyna. I wtedy by nie grał…
To wszystko to gra. To wszystko to hazard.
A gdy bańka pęknie, zdecydowana większość straci pieniądze. Dokładnie jak w latach 2000. z kredytami hipotecznymi.
The Big Short.
Margin Call.
Too Big to Fail.
