Największym zagrożeniem dla postępu AI jest samo słowo „bezpieczeństwo”

Podczas gdy większość ludzi uważa, że bezpieczeństwo AI to tarcza mająca chronić opinię publiczną przed nieobliczalnym oprogramowaniem, Andy Konwinski twierdzi, że termin ten jest w rzeczywistości maską dla konsolidacji korporacyjnej. Współzałożyciel Perplexity AI i Databricks twierdzi, że obecne dążenie do surowych regulacji AI ma mniej wspólnego z ratowaniem ludzkości, a więcej z zabezpieczaniem monopolu. Dla przeciętnego użytkownika debata ta rozstrzygnie, czy następna dekada narzędzi cyfrowych pozostanie otwarta i konkurencyjna, czy stanie się zamkniętym ogrodem kontrolowanym przez kilka potężnych laboratoriów.

Patrząc na szerszy obraz, napięcie to osiągnęło punkt wrzenia w tym tygodniu. Konwinski opublikował esej zatytułowany „Koncentracja władzy w AI jest ryzykiem, a nie rozwiązaniem”, który rzuca wyzwanie narracji, według której scentralizowana kontrola jest jedynym sposobem na zarządzanie potężną technologią. Jego argumentacja jest następstwem spotkania czołowych badaczy w San Francisco, gdzie nastroje były sceptyczne wobec nagłego altruizmu liderów branży. Konsensus wśród tych ekspertów jest taki, że argument o bezpieczeństwie staje się wygodnym sposobem na uniemożliwienie komukolwiek innemu budowania zaawansowanej sztucznej inteligencji.

Cicha trucizna w maszynie

Głównym dowodem w tej argumentacji jest niedawne posunięcie firmy Anthropic. Kiedy firma wprowadziła w czerwcu swój model Claude Fable 5, dołączyła do jego karty systemowej specyficzny mechanizm. Mechanizm ten został zaprojektowany, aby wykrywać, czy użytkownik wykorzystuje model do trenowania konkurencyjnej sztucznej inteligencji. Jeśli system to podejrzewał, po cichu obniżał jakość własnych odpowiedzi. Model nie przestawał działać, ale stawał się mniej dokładny i mniej użyteczny, nie informując użytkownika o przyczynie.

Ten wybór stanowi znaczącą zmianę w sposobie, w jaki firmy technologiczne traktują swoją własność intelektualną. Historycznie firma mogła pozwać konkurenta lub całkowicie zablokować mu dostęp. Anthropic zdecydował się pozwolić użytkownikowi nadal płacić za usługę, dostarczając jednocześnie wadliwy produkt. Chociaż firma wycofała się z tej decyzji w ciągu dwóch dni po publicznym oburzeniu, Konwinski twierdzi, że szkoda tkwiła w samym zamiarze. Uważa on, że Anthropic przypisał sobie prawo do decydowania o tym, jak ludzie korzystają z inteligencji, za którą płacą, używając bezpieczeństwa jako ostatecznego uzasadnienia.

Z praktycznego punktu widzenia stwarza to problem z przejrzystością. Jeśli model może po cichu zmieniać swoje zachowanie w zależności od tego, kto zadaje pytanie, wiarygodność narzędzia znika. Badacz lub właściciel małej firmy nie ma możliwości dowiedzenia się, czy otrzymuje najlepsze możliwe dane, czy też wersję ograniczoną, mającą na celu ochronę udziału dostawcy w rynku. To właśnie Konwinski nazywa ryzykiem centralizacji władzy. Gdy jedno laboratorium posiada jedyny klucz do modelu granicznego, ma ono moc decydowania o tym, kto odniesie sukces, a kto poniesie porażkę.

Kto posiada cyfrową kolej

Aby zrozumieć, dlaczego ma to znaczenie dla codziennego użytkownika, powinniśmy postrzegać AI jako fundamentalną infrastrukturę. AI to cyfrowa ropa naftowa XXI wieku. Podobnie jak kolej w XIX wieku czy elektryczność w XX wieku, AI jest warstwą bazową, dzięki której wszystko inne działa. Jeśli kontrolujesz kolej, kontrolujesz ceny każdego towaru, który nią podróżuje. Jeśli kontrolujesz fundamentalne modele AI, kontrolujesz koszty i możliwości każdej aplikacji, strony internetowej i usługi, która się na nich opiera.

Obawa Konwinskiego polega na tym, że obecna trajektoria prowadzi do świata, w którym zaledwie trzy lub cztery firmy posiadają te cyfrowe tory. Firmy te wykorzystują obawy dotyczące bezpieczeństwa, aby lobbować za przepisami, które niemal uniemożliwiają startupom lub uniwersytetom budowanie własnych modeli granicznych. Koszty zgodności z przepisami i wymagania sprzętowe tworzą barierę, którą mogą pokonać tylko największe korporacje. W rezultacie innowacyjność, która zazwyczaj pochodzi od niezależnych deweloperów, zostaje stłumiona.

„Pod maską” ta centralizacja tworzy systemową podatność na zagrożenia. Jeśli każda ważna aplikacja AI jest zbudowana na tych samych dwóch lub trzech modelach, pojedyncza awaria lub stronnicza aktualizacja w jednym z tych modeli wpływa na całą gospodarkę. System zdecentralizowany, w którym istnieje wiele różnych modeli, jest bardziej odporny. Pozwala na większą różnorodność i zapobiega sytuacji, w której zarząd jednej korporacji staje się strażnikiem globalnych informacji.

Cena proszenia o pozwolenie

Wpływ tego blokowania dostępu jest już widoczny w kręgach akademickich. Jennifer Chayes, dziekan wydziału informatyki na UC Berkeley, zauważyła, że zachodni badacze coraz częściej zwracają się ku chińskim modelom open-source. Robią to, ponieważ zachodnie firmy, takie jak OpenAI i Anthropic, zamknęły swoje najpotężniejsze narzędzia za restrykcyjnymi interfejsami. Laboratoria te nie pozwalają badaczom zobaczyć, jak modele są zbudowane, ani uruchamiać ich na własnym sprzęcie.

Tworzy to paradoks. Podczas gdy USA i ich sojusznicy dyskutują o bezpieczeństwie, spychają własnych czołowych naukowców w ramiona zagranicznych konkurentów, którzy oferują większą przejrzystość. Chayes opisała komunikaty dotyczące bezpieczeństwa płynące z głównych laboratoriów jako bardzo skuteczną kampanię strachu. Kampania ta służy zwiększeniu wyceny tych firm przed ich ofertami publicznymi, jednocześnie utrudniając instytucjom publicznym dotrzymanie im kroku. Dla konsumenta oznacza to, że najbardziej zaawansowana technologia może ostatecznie pochodzić z miejsc o jeszcze mniejszym nadzorze niż prywatne laboratoria w Dolinie Krzemowej.

Lekcje z prasy drukarskiej

Yann LeCun, założyciel AMI Labs i były główny naukowiec w Meta, ma historyczne porównanie dla tego momentu. Porównuje on obecną próbę uregulowania AI do zakazu druku w Imperium Osmańskim. Przez 200 lat imperium ograniczało tę technologię, aby utrzymać kontrolę nad informacją i chronić miejsca pracy zawodowych skrybów. Decyzja ta spowodowała, że imperium pozostało w tyle w dziedzinie nauki, piśmienności i wzrostu gospodarczego.

LeCun twierdzi, że infrastruktura dąży do otwartości. Wierzy, że modele bazowe nieuchronnie staną się towarem, podobnie jak protokół internetowy czy system operacyjny Linux. W jego opinii prawdziwa wartość nie leży w samym modelu, ale w aplikacjach, które ludzie budują na jego podstawie. Próbując teraz zablokować modele, firmy po prostu opóźniają to, co nieuniknione, i szkodzą szerszemu ekosystemowi. LeCun niedawno uruchomił AMI Labs z ponad miliardem dolarów finansowania, aby podążać inną ścieżką. Jego celem jest budowanie modeli świata opartych na nowej architekturze, którą jego zespół planuje udostępnić publicznie.

Dobro wspólne dla nowej granicy

Rozwiązaniem Konwinskiego jest stworzenie badawczego dobra wspólnego (research commons). Byłaby to współdzielona pula mocy obliczeniowej i danych, dostępna dla czołowych badaczy bez konieczności uzyskiwania pozwolenia od prywatnej firmy. Pozwoliłoby to uniwersytetom i małym laboratoriom dotrzeć do granicy rozwoju AI. Zapewniłoby to, że najpotężniejsza technologia na świecie nie będzie wyłączną własnością kilku akcjonariuszy.

Z punktu widzenia konsumenta, otwarta granica oznacza większy wybór. Oznacza to, że AI w twoim telefonie lub biurze nie jest tylko tubą dla światopoglądu jednej firmy. Pozwala to na rynek, na którym różne modele konkurują pod względem dokładności, prywatności i specjalistycznej wiedzy. Gdy leżąca u podstaw technologia jest przejrzysta, użytkownicy mogą zweryfikować, czy ich dane są traktowane poprawnie, a odpowiedzi, które otrzymują, nie są manipulowane dla zysku korporacji.

Dlaczego twoje cyfrowe wybory się kurczą

Ostatecznie debata na temat bezpieczeństwa AI jest debatą o tym, kto może uczestniczyć w przyszłości. Jeśli narracja o bezpieczeństwie jako blokadzie zwycięży, przeciętny użytkownik prawdopodobnie stanie w obliczu wyższych kosztów subskrypcji i mniejszej liczby opcji. Będziesz uwiązany do konkretnego ekosystemu, podobnie jak w początkach telefonii komórkowej, gdzie zmiana dostawcy była koszmarem. Twój asystent AI będzie wiedział tylko to, na co pozwoli mu firma macierzysta.

I odwrotnie, jeśli dążenie do otwartej granicy zakończy się sukcesem, AI stanie się narzędziem użyteczności publicznej, z którego każdy może korzystać i które może ulepszać. Prowadzi to do powstania bardziej niszowych narzędzi, które rozwiązują konkretne problemy jednostek, a nie produktów typu „jeden rozmiar dla wszystkich”. Zmusza to również gigantyczne laboratoria do konkurowania merytorycznego, a nie zdolnością do lobbowania za ochronnymi regulacjami. Podsumowując, bezpieczeństwo jest wyzwaniem technicznym do rozwiązania, a nie uzasadnieniem dla cyfrowej arystokracji.

Zamiast przyjmować etykiety bezpieczeństwa za dobrą monetę, konsumenci powinni sprawdzać, czy firma pozwala na niezależny audyt swoich narzędzi. Prawdziwe bezpieczeństwo bierze się z przejrzystości i możliwości kontrolowania oraz naprawiania błędów przez globalną społeczność badawczą. W miarę jak AI nadal integruje się z każdą częścią życia, żądanie otwartych i odpowiedzialnych systemów jest jedynym sposobem na zapewnienie, że technologia służy wielu, a nie nielicznym.

Źródła: Konwinski, A. (2026). Concentration of power in AI is a risk, not a solution. Laude Institute. LeCun, Y. (2026). Public statements regarding AMI Labs and JEPA architecture. Anthropic PBC (2026). Claude Fable 5 System Card and revisions. University of California, Berkeley (2026). College of Computing, Data Science, and Society industrial report.