Agenci dziś: Na dyżurze
0:00 – 24:00 (telefon)
← Wszystkie wpisy AI bez mitów · 18 listopada 2025

Sztuczna „inteligencja”?
To matematyka, która potrafi zaskoczyć

Mówimy „sztuczna inteligencja”, więc odruchowo przypisujemy modelom cechy człowieka: wiedzę, zamiary, a czasem nawet przebiegłość. Na co dzień pracujemy z modelami językowymi i widzimy coś innego — bardzo sprawne narzędzie oparte na matematyce. Wyjaśniamy, jak działa, skąd biorą się jego zaskakująco logiczne odpowiedzi i dlaczego jego pomyłki nie są kłamstwem.

Co naprawdę robi model językowy

Model językowy to ogromna funkcja matematyczna. Dostaje tekst podzielony na drobne kawałki, zwane tokenami, i oblicza, jaki kawałek powinien pojawić się dalej. Wynikiem nie jest jedno słowo, tylko rozkład prawdopodobieństwa: to słowo z szansą taką, tamto z szansą inną. Program wybiera jedno, dokleja je do tekstu i liczy od nowa. Tak, kawałek po kawałku, powstaje cała odpowiedź.

Tekst przechodzi przez kolejne warstwy obliczeń — w dużych modelach jest ich kilkadziesiąt — a w każdej liczby są mnożone przez inne liczby, czyli wagi. Wag są miliardy. Nikt ich nie wpisał ręcznie: zostały dobrane w treningu tak, by model jak najlepiej przewidywał dalszy ciąg ogromnej liczby tekstów.

Skąd bierze się zaskakująca logika

Ludzki język jest pełen logiki: wnioskowań, przyczyn i skutków, rachunków, argumentów. Żeby dobrze przewidywać tekst, model musi w swoich wagach odtworzyć wiele z tych prawidłowości. Dlatego potrafi rozwiązać zadanie, streścić umowę albo zauważyć sprzeczność w zeznaniu — i to bywa naprawdę zaskakujące.

Naukowcy spierają się, jak to nazwać. Jedni porównują modele do „stochastycznych papug”, które składają teksty według statystyki bez rozumienia sensu. Inni pokazują, że w dużych modelach pojawiają się zdolności, których nie widać w małych, i mówią o zaczątkach rozumowania. Dla praktyki ważne jest jedno: logika modelu jest skutkiem statystyki języka, a nie świadomego myślenia.

MIT

„AI wie, czego chce”

Model nie ma celów, przekonań ani woli. Nie wie, że rozmawia, nie pamięta poprzedniej rozmowy, jeśli mu jej nie podamy, i nie zależy mu na wyniku. Gdy wydaje się, że „chce” nam pomóc albo „upiera się” przy swoim, widzimy odbicie tekstów, na których się uczył, i poleceń, które dostał. Słowo „inteligencja” w nazwie opisuje efekt, jaki robi na nas wynik — a nie to, co dzieje się w środku.

MIT

„Model kłamie, bo jest przebiegły”

Modele czasem podają nieprawdę z pełnym przekonaniem: wymyślają sygnaturę wyroku, przepis, którego nie ma, albo cytat, którego nikt nie powiedział. Nazywa się to halucynacją. Łatwo odebrać ją jako kłamstwo, ale kłamstwo wymaga zamiaru wprowadzenia w błąd. Model takiego zamiaru nie ma.

Halucynacja to zwykły wynik obliczeń. Model jest uczony, żeby tworzyć tekst prawdopodobny, a nie prawdziwy. Gdy brakuje mu danych, nie przerywa — liczy dalej i wybiera ciąg, który statystycznie najlepiej pasuje. Sygnatura wyroku wygląda wtedy wiarygodnie, bo ma właściwy kształt, ale jej treść jest przypadkowa.

Badacze z OpenAI opisali w 2025 roku, dlaczego tak się dzieje: trening i sposób oceniania modeli nagradzają zgadywanie bardziej niż przyznanie się do niewiedzy. Model, który zgaduje, wypada w testach lepiej niż ten, który mówi „nie wiem”, więc tego się uczy. To zjawisko statystyczne, a nie cecha charakteru.

Dlaczego to rozróżnienie jest ważne

Jeśli uznamy, że model jest inteligentny, zaczniemy mu ufać jak człowiekowi. Jeśli uznamy, że jest przebiegły, będziemy się go bać. Oba podejścia prowadzą do błędów. Model to narzędzie: bardzo sprawne w rozumieniu i pisaniu tekstu, ale ślepe na różnicę między prawdą a prawdopodobieństwem.

Rzetelności dodamy tylko jedno zastrzeżenie. W eksperymentach naukowych zdarza się, że modele zachowują się w sposób przypominający zwodzenie — na przykład gdy zostały do tego wprost zachęcone poleceniem lub danymi. Badacze opisują to jako zachowanie wyuczone, a nie świadomą intencję, i właśnie dlatego wymaga ono kontroli z zewnątrz.

U NAS

Jak pracujemy z narzędziem, które bywa w błędzie

  • Model rozumie, kod wykonuje. Daty, kwoty, zapisy w systemach i płatności obsługuje kod, nie model.
  • Źródło zamiast pamięci. Przepis czy wyrok system pobiera z bazy w chwili odpowiedzi, a cytat jest wycinany znak w znak z dokumentu.
  • „Nie wiem” jest dozwolone. Gdy brak potwierdzenia w źródle, system mówi to wprost, zamiast zgadywać.
  • Człowiek zatwierdza to, czego nie da się cofnąć.

Podsumowanie

Sztuczna inteligencja nie myśli i nie ma zamiarów. To narzędzie oparte na matematyce i statystyce, które dzięki ogromnej liczbie przeczytanych tekstów potrafi zaskakiwać logiką. Jego halucynacje nie są przebiegłością, tylko skutkiem tego, że liczy prawdopodobieństwo, a nie prawdę. Dlatego najlepiej działa w systemie, który każdą jego odpowiedź sprawdza.