Dlaczego hasło „AI wyleczy raka” nie jest jeszcze wiarygodnym argumentem za AI

Hasło „AI wyleczy raka” stało się skrótem dla najbardziej optymistycznej opowieści o sztucznej inteligencji. Spór między Samem Altmanem, szefem OpenAI, a Dariem Amodeiem, szefem Anthropic, nie dotyczy jednak tego, czy postęp w leczeniu nowotworów byłby ważny. Chodzi o to, czego temu hasłu brakuje: według Altmana — wystarczająco szerokiej wizji dla ludzi; według Amodeiego — potwierdzenia w faktach.

Zgodni w jednym: sam rak nie wystarczy jako argument

Obaj odrzucają pogląd, że obietnica wyleczenia raka sama w sobie rozstrzyga publiczną debatę o AI.

Altman mówił, że branża technologiczna fatalnie wyjaśnia społeczeństwu pozytywne strony AI. Wyleczenie raka byłoby oczywiście wspaniałym rezultatem, ale samo w sobie nie byłoby celem dostatecznie ambitnym. Jego zdaniem AI powinna dawać ludziom więcej sprawczości i możliwości — rozwijać kreatywność oraz przedsiębiorczość, zamiast skupiać możliwości w rękach niewielu instytucji. 23

Amodei stawia warunek bardziej rygorystyczny. Określił hasło „AI wyleczy raka” jako frazes, który wiele osób odbiera jako zwodniczy. W jego ujęciu efektowna kampania pozytywnego przekazu nie naprawi głębszego kryzysu zaufania. Testem jest dostarczenie korzyści na tyle konkretnych, by ludzie mogli je rozpoznać — a wyleczenie raka jest tu celowo bardzo wyrazistym przykładem. 49

Altman: korzyść musi być szersza i bliższa ludziom

Zastrzeżenie Altmana dotyczy przede wszystkim skali. Przełom medyczny byłby niezwykle cenny społecznie, ale nie odpowiada w pełni na pytanie, co AI zmieni w codziennym życiu zwykłych ludzi.

Jego preferowana narracja opiera się na możliwościach oddanych w ręce użytkowników: narzędziach, które pomagają tworzyć, zakładać firmy, prowadzić badania naukowe lub rozwiązywać problemy techniczne. W tym ujęciu nie chodzi wyłącznie o przyszły przełom dostarczony społeczeństwu z zewnątrz, lecz o to, czy ludzie sami będą mogli korzystać z potężnych systemów i zyskać większą autonomię. 29

Dlatego odpowiedzią Altmana na sceptycyzm nie jest po prostu: „poczekajcie na lek”. Branża powinna pokazać szersze korzyści w sposób zrozumiały i udowodnić, że AI zwiększa, a nie ogranicza, ludzką sprawczość. 23

Amodei: większa obietnica nie zastępuje dowodu

Amodei nie uznaje ani marketingowego poleru, ani bardziej rozległej obietnicy za rozwiązanie problemu nieufności. Wielka deklaracja traci siłę, jeśli nie stoją za nią wiarygodne, już dostarczone rezultaty.

Tu właśnie pojawia się napięcie między tymi stanowiskami. Altman uważa, że hasło o raku jest zbyt mało ambitne. Amodei — że jest zbyt słabo udowodnione. Szersza lista zapowiadanych korzyści, takich jak narzędzia twórcze, przedsiębiorczość, postęp naukowy czy edukacja, mogłaby wzmacniać argument Altmana tylko wtedy, gdy efekty będą widoczne, uczciwie dostępne i możliwe do zweryfikowania. W przeciwnym razie potwierdzi obawę Amodeiego, że branża prosi społeczeństwo o zaufanie wobec kolejnej wielkiej prognozy. 249

Dlaczego rak jest szczególnie ryzykowną obietnicą

AI jest już badana i wykorzystywana w onkologii oraz pracach nad lekami — m.in. przy odkrywaniu celów terapeutycznych, projektowaniu cząsteczek, diagnostyce i organizacji procesów klinicznych. Postęp na etapie obliczeń albo wczesnego odkrywania kandydatów na leki nie jest jednak równoznaczny z wykazaniem, że terapia poprawia wyniki leczenia pacjentów.

Przegląd badań dotyczących AI w onkologii wskazuje problemy z łączeniem danych, interpretowalnością modeli, równością, wdrożeniem klinicznym i nadzorem regulacyjnym. Zwraca też uwagę, że wiele modeli osiąga dobre wyniki na danych retrospektywnych, ale nie ma prospektywnej walidacji klinicznej. 17

Opracowanie leku nadal jest procesem długim i niepewnym: od wskazania kandydata do dopuszczenia go na rynek zwykle mija około 10–15 lat. 1718 Nowsze oceny odkrywania leków z użyciem AI również wskazują, że sztuczna inteligencja może przyspieszać wczesne etapy prac, ale nie przekłada się to konsekwentnie na wyższy odsetek sukcesów w późnych fazach badań klinicznych. Ograniczeniami pozostają odtwarzalność wyników, przejrzystość danych, regulacje i walidacja w rzeczywistych warunkach. 22

Są obiecujące oznaki przejścia do praktyki klinicznej. Związki opracowane ze wsparciem AI trafiły do oceny klinicznej, ale takie badania same w sobie nie dowodzą definitywnej skuteczności — tym bardziej nie potwierdzają istnienia uniwersalnego lekarstwa na raka. 19 Dostępne dane uzasadniają ostrożny optymizm wobec AI jako narzędzia badawczego i klinicznego, nie zaś pewne publiczne terminy „wyleczenia raka”.

Zaufanie dotyczy też tego, kto ponosi koszty

Obietnica medyczna funkcjonuje w szerszym kontekście społecznym. Ludzie oceniający AI nie myślą wyłącznie o odległym przełomie naukowym. Ważą także bliższe problemy: zatrudnienie, dezinformację, prywatność, bezpieczeństwo, edukację i infrastrukturę potrzebną do działania zaawansowanych systemów.

Badania opinii publicznej pokazują część tej różnicy między obiecywanymi korzyściami a widocznymi kosztami. W sondażu Reuters/Ipsos tylko około jedna trzecia Amerykanów popierała szybkie tempo budowy centrów danych obsługujących AI, a 77% obawiało się wzrostu cen energii elektrycznej. 34 Globalny raport wykazał z kolei, że 54% respondentów z rezerwą podchodzi do zaufania AI; najczęściej wymieniane obawy obejmowały cyberbezpieczeństwo, prywatność, dezinformację, utratę pracy, spadek kompetencji i szersze skutki społeczne. 38

Nie znaczy to, że społeczeństwo odrzuca każde zastosowanie AI. Pokazuje jednak, dlaczego odległa obietnica medycznej transformacji może nie odpowiadać na bezpośrednie pytania społeczności dotyczące zużycia energii i wody, rachunków, miejsc pracy albo kontroli nad technologią.

Jaki argument za AI byłby bardziej wiarygodny?

Altman i Amodei wskazują różne błędy, lecz ich stanowiska można połączyć w bardziej wymagający standard.

Wiarygodny argument za AI powinien:

• pokazywać konkretne korzyści, a nie tylko przyszłe możliwości — deklaracje należy wiązać z rezultatami, które mogą oceniać niezależni badacze, regulatorzy, użytkownicy i dotknięte nimi społeczności;
• odróżniać odkrycie od korzyści klinicznej — szybsze tworzenie hipotez czy projektowanie cząsteczek ma znaczenie, ale nie jest tym samym co bezpieczne, zatwierdzone i skuteczne leczenie;
• otwarcie przedstawiać terminy i niepewność — badań medycznych wymagających walidacji nie da się zastąpić efektowną demonstracją ani większą mocą obliczeniową;
• oddawać sprawczość użytkownikom — akcent Altmana na kreatywność i przedsiębiorczość jest najmocniejszy wtedy, gdy dostęp i korzyści są szerokie, a nie skoncentrowane. 29
• uwzględniać szkody oraz koszty infrastruktury — zaufanie wymaga jasności w sprawach bezpieczeństwa, wpływu na pracę, prywatność oraz tego, kto płaci za energię i inne lokalne skutki. 3438

Najlepszą odpowiedzią nie jest więc ani „zaufajcie nam, AI wyleczy raka”, ani „AI uczyni wszystkich bardziej kreatywnymi”. Jest nią historia wykazanych, niezależnie sprawdzalnych korzyści — połączona z uczciwym mówieniem o ograniczeniach, odpowiedzialnym wdrażaniem technologii i sprawiedliwym traktowaniem ludzi oraz społeczności, które mają ponosić jej koszty.