Koniec zachwytów nad AI? Naukowcy zapowiadają na 2026 rok bolesne „sprawdzam"

Mimo że przedstawiciele Stanford Human-Centered Artificial Intelligence (HAI) omawiają rozwój sztucznej inteligencji w 2026 r. w różnych dziedzinach, ich prognozy łączy jeden wniosek – nie będziemy zastanawiać się nad tym, „czy sztuczna inteligencja to potrafi?”, ale jak dobrze działa, dla kogo jest opłacalna i jakim kosztem. Pojawiają się także przewidywania dotyczące suwerenności technologicznej państw, oceny inwestycji i produktywności, rozwoju narzędzi, a także rosnącej presji na przejrzystość modeli.

Suwerenność AI i ostudzenie oczekiwań

James Landay, współdyrektor Stanford HAI, przewiduje, że w 2026 r. nie pojawi się AGI (ogólna sztuczna inteligencja), ale na znaczeniu zyska suwerenność AI. W związku z tym państwa będą dążyć do niezależności od dostawców sztucznej inteligencji oraz od amerykańskiego systemu politycznego poprzez budowę własnych modeli lub uruchamianie cudzych modeli na własnej infrastrukturze, tak aby dane nie opuszczały kraju. 

Badacz spodziewa się też dalszych inwestycji w centra danych, ale ocenia je jako trend o potencjalnie spekulacyjnym charakterze i sugeruje, że nie da się w nieskończoność koncentrować światowego kapitału na jednym kierunku rozwoju. W jego ocenie w 2026 r. będziemy coraz częściej słyszeć, że AI nie zapewniła powszechnego wzrostu produktywności poza wybranymi obszarami, jak programowanie czy call center. Pojawi się też więcej doniesień o nieudanych projektach.

Czytaj więcej

Technologie

Coraz więcej pracowników korzysta z AI. Oto zadania, do których najczęściej ją wykorzystują

Rośnie odsetek pracowników korzystających ze sztucznej inteligencji w miejscu pracy. Najczęściej...

Wśród technicznych trendów wymienia nowe formy interfejsów AI wykraczające poza klasyczne chatboty. Jednocześnie prognozuje większy nacisk na tworzenie naprawdę dobrych, mniejszych zbiorów danych, na których będą działać nowe modele. Landay zakłada też coraz większy rozwój narzędzi wideo, co może zwiększyć liczbę sporów o prawa autorskie.

Sztuczna inteligencja w medycynie i prawie

Russ Altman, starszy pracownik naukowy Stanford HAI, podkreśla potencjał modeli w nauce i medycynie, ale wskazuje, że w 2026 r. kluczowe będzie rozstrzygnięcie kwestii konstrukcji tych systemów. Zwraca jednocześnie uwagę na dwa podejścia do łączenia różnych typów danych – „wczesną fuzję”, czyli jeden duży model łączący wszystkie typy danych w jednym systemie oraz „późną fuzję”, gdzie osobne modele są łączone dopiero na końcu. Altman spodziewa się również większego zainteresowania tym, co dzieje się „wewnątrz” sieci neuronowych. W ochronie zdrowia przewiduje z kolei rozwój praktycznych metod oceny wpływu systemu AI, sposobu jego wdrożenia, wydajności lub destrukcyjności dla personelu, zwrotu z inwestycji w przepływ pracy w szpitalu, zadowolenia pacjentów i jakości decyzji.

Czytaj więcej

Technologie

„Ostateczne ryzyko” rozwoju AI. Współzałożyciel Anthropic wskazuje ważną datę

Jared Kaplan, współwłaściciel amerykańskiego startupu Anthropic, kreśli wizję rozwoju sztucznej i...

Inni eksperci przewidują przełom w medycynie wynikający ze spadku kosztów trenowania modeli. Dzięki temu będą one mogły uczyć się na ogromnych, wysokiej jakości danych dotyczących ochrony zdrowia. To z kolei może poprawić trafność systemów medycznych i umożliwić dostęp do narzędzi diagnozujących rzadkie choroby. Istnieje również szansa, że twórcy rozwiązań GenAI, zniechęceni długimi cyklami decyzyjnymi w systemach ochrony zdrowia, mogą kierować „darmowe” aplikacje bezpośrednio do pacjentów. To jednak będzie wiązać się z koniecznością zrozumienia przez pacjentów podstaw, na jakich AI udziela „pomocy”.

Jeśli chodzi o dziedziny związane z prawem, Julian Nyarko, profesor prawa i zastępca dyrektora Stanford HAI przewiduje, że 2026 r. upłynie pod znakiem większego rygoru i nacisku na zwrot z inwestycji. Jego zdaniem kancelarie i sądy będą częściej oczekiwać odpowiedzi na to, jak dobrze modele działają w konkretnych zadaniach oraz jakie niosą ryzyka. Jednocześnie Nyarko twierdzi, że AI będzie coraz częściej wykorzystywana do trudniejszych zadań, w tym rozumowania wielodokumentowego, czyli syntezy faktów i argumentów oraz wskazywania kontrargumentów z zachowaniem informacji o pochodzeniu źródeł.

Eksperci o skutkach AI i oczekiwaniach wobec technologii

Angèle Christin, starsza pracowniczka naukowa HAI na Uniwersytecie Stanforda, spodziewa się bardziej realistycznego podejścia względem tego, czego możemy oczekiwać od sztucznej inteligencji. Zwraca też uwagę na ograniczenia technologii, ryzyko wprowadzania w błąd i pogorszenia kompetencji oraz na koszty środowiskowe rozbudowy infrastruktury. Christin przyznaje, że widać już oznaki, iż AI nie spełni wszystkich oczekiwań. W jej ujęciu wpływ sztucznej inteligencji będzie raczej umiarkowany w wielu obszarach.