AI-ul nu pleacă nicăieri

La întrebarea dacă AI-ul e bulă speculativă sau o revoluție tehnologică se poate răspunde simplu: Da.

Inteligența artificială așa cum e înțeleasă ea astăzi, modele de limbaj (LLM), chatboți conversaționali și agenți AI, nu pleacă nicăieri, dar riscul unei noi ierni AI,¹ Istoria inteligenței artificiale a fost marcată de două ierni majore – prima între anii 1974 și 1980, a doua între 1987 și 1993 –, adică perioade de stagnare în care s-a înregistrat o scădere drastică a finanțării și a interesului public. Iernile AI au fost cauzate de așteptări exagerate și promisiuni neîndeplinite. alimentată de așteptări finaciare exagerate, rămâne.

Promisiunile pe care le fac acum Altman sau Amodei, cum că inteligența artificială generală ar fi după colț, combinate cu nenumăratele articole pline de scenarii fataliste din ultima vreme, ar putea să se întoarcă împotriva entuziasmului de acum și să taie drastic bugetele de cercetare, dacă nu se întâmplă evoluții majore.

Cât de repede vine inteligența artificială generală?

De la apariția lui ChatGPT au trecut deja mai bine de trei ani, suficient cât să ai deja o generație de liceeni și studenți care și-au început și își termină studiile cu acces la AI. Chiar dacă s-au produs niște schimbări vizibile pe piața muncii – au fost afectate call center-urile, scrisul de articole SEO, traducătorii, actorii care făceau dublaje, ilustratorii și programatorii – și în traficul unor site-uri precum Stack Overflow,² Stack overflow is almost dead, pragmaticengineer.com cele de rețete și sfaturi tehnologice sau platformele de ajutor la teme³ Deși platforme precum Brainly s-au reorientat spre tutoring AI , inteligența artificială n-a schimbat lumea cu viteza pe care o prezic unii. 

Mulți cred însă că lucrurile se vor accelera și munca de birou va fi înlocuită rapid de AI, care nu se plânge, nu pleacă în concediu și nu cere de mâncare. Au circulat două astfel de texte recent, Something Big is Coming al lui Matt Shumer,⁴ Something Big Is Happening, shumer.dev o declarație de dragoste pentru modelele recente de la OpenAI și Anthropic, și recenta „cercetare” de la Citrini Research⁵ The 2028 Global Intelligence Crysis, citriniresearch.com mai degrabă o povestire science fiction care e luată în serioasă pentru că are un titlu scris cu Caps Lock. Ca să nu mai vorbesc de toți preoții agenților AI instalați pe MacBook-uri și lăsați să-și facă de cap, adesea cu consecințe hilare.⁶ Am auzit destui care s-au trezit cu fișiere prețioase șterse, n-am auzit pe nimeni care să fi fost îmbogățit de vreun agent pasionat de bursă.

Pentru restul lumii, schimbarea societății se întâmplă mai lent decât în visele umede ale șefilor companiilor AI. Totuși, o schimbare se întâmplă, iar inteligența artificială e mult mai reală decât Metaversul. Întrebarea este dacă și când se vor plictisi investitorii să aștepte un beneficiu din banii mulți pe care i-au băgat în dezvoltare și în centre de date, care încă nu produc profit.⁷ OpenAI ar putea pierde în jur de 44 de miliarde până în 2028. Doar în 2025 s-au investit 61 de miliarde în centre de date, cnbc.com

Schimbarea societății se întâmplă mai lent decât în visele umede ale șefilor companiilor AI.

Mai ales că lumea observă adesea cum banii se plimbă între aceleași companii, ceea ce a creat o economie circulară destul de bizară: Microsoft și Nvidia au investit în OpenAI, care a folosit banii ca să cumpere procesare în cloud de la Microsoft și Oracle, care le echipează cu cipuri de la Nvidia. Ori această structură financiară, deși asigură un flux de capital pe termen scurt, sugerează că boom-ul este dependent de alianțe strategice, nu de profitabilitate. Iar asta amplifică riscul unei prăbușiri, dacă AGI întârzie să apară.

Momentan, cei care au dat banii încă nu-i cer înapoi, pentru că toată lumea e încă sub impresia că lucrurile se mișcă extrem de repede și superinteligența e iminentă.⁸ Superinteligența sau inteligența artificială generală (AGI), e definit ca o formă de AI la fel sau mai inteligent ca omul, capabil să învețe, să se adapteze și să adreseze și chiar rezolve  de capul ei probleme noi sau pe care omul n-a reușit să le rezolve – actualele modele sunt departe de acest prag.   Presiunea e menținută și prin alimentarea fricii că ar putea altcineva (surpriză, China) să dezvolte această tehnologie și echivalarea dezvoltării AI-ului cu cea a armelor nucleare⁹ Precum în eseul lui Dario Amodei, The Adolescence of Technology, darioamodei.com – cine o să aibă primul AGI, o să câștige războiul –, ceea ce pregătește în paralel și eventualele cereri de bailout, în cazul unei căderi a pieței. 

Nu mai spun că tot mai desele acuzații că modelele chinezești fură¹⁰ „Am identificat atacuri de distilare la scară industrială asupra modelelor noastre de către DeepSeek, Moonshot AI și MiniMax. Aceste laboratoare au creat peste 24.000 de conturi frauduloase și au generat peste 16 milioane de schimburi de rețele cu Claude, extragând capacitățile acestuia de a antrena și îmbunătăți propriile modele.”, x.com capabilitățile modelelor americane sunt ironice, oricât de adevărate ar fi, având în vedere că absolut toate modelele AI au fost antrenate prin încălcarea masivă a drepturilor de autor.

Cât de deștept e AI-ul actual?

AI-ul a câștigat deja un premiu Nobel, rezolvând o problemă dificil de rezolvat de oameni, deci AI-ul e deja deștept, nu-i așa? Mă refer la AlphaFold 2, de la Google DeepMind, ai cărui creatori, Demis Hassabis și John Jumper, au primit în 2024 Premiul Nobel pentru Chimie. Modelul AI a rezolvat problema plierii proteinelor.¹¹ Plierea proteinelor este procesul fizic prin care un lanț liniar de aminoacizi se aranjează într-o structură tridimensională unică, care îi permite proteinei să își îndeplinească corect funcția biologică în organism. Prezicerea plierii proteinelor este extrem de dificilă deoarece necesită calcularea simultană a milioanelor de interacțiuni atomice pentru a găsi singura formă corectă dintr-un număr astronomic de combinații 3D posibile. o chestie până atunci migăloasă și care lua luni de zile pentru fiecare proteină în parte – și sunt sute de milioane în natură. 

Și totuși, AlphaFold 2 și urmașii săi¹² S-a ajuns la AlphaFlod 4. nu pot face altceva decât să plieze proteine sau să testeze medicamente, precum IsoDDE.¹³ Un nou model dezvoltat de Isomorphic Labs, un spinoff Deep Mind, isomorphiclabs.com Comparați cu ChatGPT, par chiar pare prostuți, incapabili să analizeze relații intime. Dincolo de glumă, AlphaFold și gașca sunt dovada succesului uluitor al AI-ului îngust (Narrow AI), care rezolvă o problemă specifică. În schimb, promisiunile AGI, care ar trebui să fie capabilă de mai multe sarcini, par încă nerealiste.

Explicația că actualele modele de limbaj generaliste, ChatGPT, Claude sau Gemini par mai capabile este că reproduc atât de bine limbajul uman sau limbajele de programare folosite de oameni și, mai ales, pentru că par a avea acces la toată cunoașterea umană (digitalizată) și au răspuns (nu neapărat corect) la orice. Însă până acum sunt puține dovezi că ar putea veni cu rezolvări noi la probleme existente. Recent, matematicianul Terence Tao¹⁴ Într-o postare pe Mathstodon, mathstodon.xyz/@tao a spus că problema Erdos #728 a fost rezolvată de modelul GPT 3.5, dar cu precizarea că de fapt a fost un efort colectiv în care contribuția umană a fost importantă.

Întrucât porțiuni din textul meu de mai sus au fost citate în afara contextului, aș dori să atrag atenția și asupra diverselor avertismente enumerate pe github.com cu privire la măsura în care se pot trage concluzii mai ample despre capacitățile matematice ale inteligenței artificiale din progresele înregistrate în rezolvarea problemelor Erdos.

Terence Tao

Scalare versus revoluție

Pentru Amodei sau Shumer, evoluția e doar o problemă de timp și de capacitate de procesare. Mai multe date, mai multe procesoare și AGI-ul va veni, mai ales că acum AI-ul s-a apucat să scrie cod pentru AI (nu e clar dacă singur sau la cererea cuiva – aș paria pe varianta doi), deci viteza cu care se scrie codul e deja spectaculoasă.

Însă, dacă te uiți mai atent la ce spun alți oameni din industria AI, vei vedea că sunt mult mai mulți care spun că actualele modele nu sunt calea către AGI. Este nevoie de mai mult decât de scalarea lor, e nevoie de o revoluție similară transformerului care a făcut posibile modelele actuale. E un lucru spus clar în raportul MIT despre AGI din august 2025¹⁵ The road to artificial general intelligence, technologyreview.com sau de Yann LeCun de la Meta,¹⁶ În multe interviuri, dar și în postări pe x.com poate cel mai vocal în acest sens.

Ceea ce știm este că, dacă viitoarele sisteme de inteligență artificială vor fi construite pe același plan ca actualele LLM-uri autoregresive, acestea ar putea deveni foarte informate, dar vor rămâne stupide. […] Sistemele viitoare vor trebui să utilizeze o arhitectură diferită, capabilă să înțeleagă lumea, capabilă să raționeze și capabilă să planifice astfel încât să satisfacă un set de obiective și bariere.

Yann LeCun

Andrej Karpathy¹⁷ Într-un podcast din toamna lui 2025, dwarkesh.com spune că una dintre problemele majore care trebuie rezolvate este capacitatea modelelor de a învăța continuu, la fel ca un om, iar pentru asta încă nu s-a găsit o soluție, deci dă un orizont de măcar un deceniu pentru AGI.

Sam Altman, de la OpenAI, accepta în 2023 că scalarea nu e suficientă,¹⁸ „Avem nevoie de o altă descoperire. Încă putem trage destul de mult de modelele lingvistice mari și vom face asta. Putem să urcăm dealul pe care ne aflăm și vom continua să-l urcăm, vârful acestuia este încă destul de departe. Dar, în limitele rezonabile, nu cred că acest lucru ne va duce la AGI.”, reddit.com dar la începutul lui 2025 credea că a descoperit soluția¹⁹ „Acum suntem încrezători că știm cum să construim AGI așa cum am înțeles-o în mod tradițional”, scria el pe blog.samaltman.com și că AGI rămâne o problemă de scalare.²⁰ „Inteligența unui model de inteligență artificială este aproximativ egală cu logaritmul resurselor utilizate pentru antrenamentul și rularea acestuia. Aceste resurse sunt în principal calcule pentru antrenament, date și calcule pentru inferență. Se pare că poți cheltui sume arbitrare de bani și să obții câștiguri continue și previzibile; legile de scalare care prevăd acest lucru sunt precise pe mai multe ordine de mărime”, scria Altman în februarie 2025. blog.samaltman.com

Cel mai probabil, Altman se referea în principal la trecerea de la modele de limbaj simple (LLM) la cele care folosesc rațiunea (LRM) – acel „show thinking” pe care-l vezi la o interogare. Totuși, deși utilă, se pare că nu aceasta e această revoluție promisă, după cum arată un studiu recent de la Apple intitulat sugestiv Iluzia Gândirii.²¹ The Illusion of Thinking: Understanding the Strengths and Limitations of Reasoning Models via the Lens of Problem Complexity, machinelearning.apple.com Cercetătorii companiei care pare să fi ignorat agitația tuturor în jurul AI-ului au descoperit, după ce le-a pus să rezolve puzzle-uri logice, că ambele abordări folosite pe modelele actuale colapsează pe măsură ce problema devine mai complexă. 

Lecția fuziunii nucleare

Vei spune că e normal ca Apple să creadă că strugurii sunt acri și că cei care lucrează zi de zi la tranziția AI-lui către AGI știu mai bine ce se întâmplă, dar e la fel de valabil și argumentul că șefii acestor companii vor susține mereu că soluția există, fiindcă au nevoie de mai mulți bani pentru centre de date și energie electrică. Însă majoritatea specialiștilor sunt de acord că halucinațiile AI-urilor actuale sunt intrinseci modelelor²² O analiză a mai multor studii pe această temă, The rise of hallucination in large language models: systematic reviews, performance analysis and challenges, springer.com și că soluția nu e doar mai mult context. 

Or, dacă nu se poate doar cu scalare, cum promit Altman și Amodei, soluția s-ar putea să nu fie chiar după colț. Fizicienii știu de un secol că ai putea avea energie nelimitată, curată și sigură dacă ai stăpâni fuziunea nucleară, dar asta nu face acea tehnologie iminentă.

Dacă AGI are nevoie de o descoperire la fel de importantă ca transformerul sau atenția, nu există nicio garanție că aceasta va veni într-o lună, un an sau un deceniu. Poate că există deja, în una din mult prea multele lucrări științifice publicate sau ascunsă în laboratoare care își protejează proprietatea intelectuală, sau poate că inventatorul ei nu s-a născut încă.

Dacă AGI are nevoie de o descoperire la fel de importantă ca transformerul sau atenția, nu există nicio garanție că aceasta va veni într-o lună, un an sau un deceniu.

Și cu cât o nouă soluție va întârzia, riscul ca investitorii să-și ceară banii înapoi va crește – ceea ce ar putea produce, dacă nu o nouă iarnă AI, măcar o toamnă târzie AI.

Și spun asta doar pentru că OpenAI și Anthropic sunt concurate cu un gigant ca Google, care nu doar că a inventat de fapt tehnologia de la baza LLM-urile, dar își permite și să-i folosească din resursele proprii, fără să apeleze la investitori nerăbdători să scoată un profit, ceea ce ar putea prelungi cercetarea și dacă ceilalți jucători de pe piață își pierd sprijinul financiar. Desigur, asta dacă nu cumva căderea lor va produce viitoarea mare criză economică.