OpenAI i Anthropic chcą spowolnić AI — i budują sobie fosę

Uderzające w nagłym entuzjazmie dla spowolnienia sztucznej inteligencji nie jest to, że ludzie, którzy ją budują, chcą teraz hamulców. Chodzi o to, że hamulce, które opisują, to takie, na które tylko oni mogą sobie bez trudu pozwolić. Gdy liderzy najbardziej wartościowych laboratoriów AI zgadzają się niemal chórem, że pole rozwija się zbyt szybko, argument o bezpieczeństwie jest prawdziwy — a pod spodem cicho siedzi też argument biznesowy.

Impulsem był apel Dario Amodei z Anthropic, by „nadać tempo granicy”: spowolnić tempo poprawy możliwości modeli, umieścić niezależnych ewaluatorów w laboratoriach i nakłonić czołowych graczy w krajach demokratycznych do uzgodnienia wspólnych standardów bezpieczeństwa. Publiczny sprzeciw wobec AI określił, jego słowami, jako kryzys zaufania. W krótkim czasie Sam Altman powiedział, że się zgadza i że OpenAI już o tym dyskutowało; Elon Musk dodał dwuwyrazowe poparcie: „Dario ma rację”. Media potraktowały to jako spóźnione sumienie, które nadeszło naraz.

Przeczytaj ten sam plan okiem analityka, a nie specjalisty ds. bezpieczeństwa, a wyłoni się drugi obraz. Wbudowani zewnętrzni recenzenci, certyfikowane testy zgodności, publikowane ramy ryzyka i raportowanie incydentów to nie tylko zabezpieczenia; to koszty stałe. A koszty stałe to najbardziej niezawodna broń konkurencyjna, jaką dysponuje duża firma, ponieważ spadają na wszystkich po równo w dolarach, a na nikogo po równo w bólu.

Rozważ arytmetykę. Najwięksi amerykańscy dostawcy infrastruktury chmurowej i AI zobowiązali się do wydatków kapitałowych rzędu 660–690 miliardów dolarów na nadchodzący rok, przy czym sam Amazon zbliża się do 200 miliardów, a Alphabet, Meta i Microsoft każde z osobna wydają setki miliardów lub się do tego zbliżają. Przy takich bilansach reżim zgodności — zespół wbudowanych ewaluatorów, coroczne ramy bezpieczeństwa, kara, którą Kalifornia ogranicza do miliona dolarów za naruszenie — to błąd zaokrąglenia. Dla startupu próbującego dotrzeć do granicy to cały pas startowy.

To już nie jest hipoteza. Kalifornijska SB 53 definiuje „dużego dewelopera granicznego” za pomocą dwóch progów: modeli trenowanych powyżej bardzo wysokiego progu obliczeniowego oraz przychodów przekraczających pół miliarda dolarów. Te firmy muszą publikować ramy bezpieczeństwa i raportować krytyczne incydenty w napiętych terminach. W Europie art. 55 aktu o AI wymaga od dostawców najbardziej wydajnych modeli ogólnego przeznaczenia przeprowadzania testów adversarialnych, łagodzenia ryzyka systemowego i zgłaszania poważnych incydentów. Fundament jest wylewany; pytanie brzmi, kto jest na tyle wysoki, by na nim stanąć, nawet tego nie zauważając.

Najdobitniejszym sygnałem jest to, kto nie prosi o hamulce. Plan nigdy nie wymienia swoich naturalnych przegranych, ale łatwo ich zidentyfikować: laboratoria, których cały model polega na rozdawaniu wag — Meta, francuski Mistral, chińskie DeepSeek i Alibaba. Jak ujęła to jedna z dysydenckich analiz, to „cztery nazwiska, których esej nigdy nie wymienia”, twórcy darmowych modeli, które płacący klient mógłby pobrać zamiast wynajmować API. Nie można certyfikować zgodności modelu, który każdy może zmodyfikować w jedno popołudnie, więc reżim standardów skierowany na granicę najbardziej uderza w otwarte wagi. A obóz otwarty wygrywa właśnie tych użytkowników, których obecni gracze woleliby zatrzymać: jeden chiński otwarty model, Qwen, liczy pobrania w miliardach, podczas gdy Meta’s Llama liczy je w setkach milionów.

To nic nowego. To najstarszy ruch w każdej regulowanej branży — uznany gracz wita księgę zasad, na któgo go stać, bo koszt, który dla niego jest trywialny, dla rywala jest ścianą. Ekonomiści mają na to prostą nazwę, przechwycenie regulacyjne, i nie wymaga ono złej wiary. Argument o bezpieczeństwie może być w pełni szczery i nadal działać jako bariera wejścia. Tutaj obie rzeczy są prawdziwe naraz.

Dla Europy stawka jest ostrzejsza, niż się wydaje. Jedyny wiarygodny kontynentalny pretendent do granicy, Mistral, to właśnie laboratorium otwartych wag, a jego hiszpańscy i szerszy europejscy klienci — startupy budujące produkty na tanich, modyfikowalnych modelach — to ci, którzy stracą najwięcej, jeśli globalne minimum zgodności zostanie napisane wokół czterech amerykańskich graczy. Księga zasad napisana w San Francisco i ratyfikowana w Brukseli może chronić społeczeństwo i jednocześnie wciągać drabinę za liderami.

Więc witajmy zwrot w stronę bezpieczeństwa: ryzyka są realne, a ewaluatorzy są spóźnieni. Ale patrzmy, co będzie dalej. Jeśli ostateczne zasady ustalą się dokładnie tam, gdzie czterej giganci mogą płacić, a nikt mniejszy nie może, spowolnienie nie nada tempa granicy, ale ją ogrodzi.

Tagi: OpenAI, Anthropic, AI regulation, Mistral, open-weight models