Żyjemy w nowej rzeczywistości, w której sztuczna inteligencja potrafi myśleć i wnioskować podobnie jak ludzie, aby rozwiązywać złożone problemy nie gorzej niż najlepsi eksperci. Ta rzeczywistość narodziła się kilka miesięcy temu, gdy OpenAI wypuściło “wnioskujące” modele AI. Rozumieją i rozwiązują one problemy, wyciągając logiczne wnioski i dostosowując się do nowych informacji. Co się wtedy właściwie dzieje i jak można to wykorzystać w pracy?
Wnioskująca sztuczna inteligencja jest jednym z obecnych trendów, który podchwycili też inni czołowi twórcy. Ostatnio głośno było o DeepSeek, którego model wnioskujący został stworzony szybciej i taniej niż sądzono, że jest możliwe. Anthropic wypuścił zaś model hybrydowy, który obsługuje zarówno natychmiastowe odpowiedzi, jak i te wymagające dłuższego rozważenia. Sprawdźmy, co się dzieje, kiedy sztuczna inteligencja “wnioskuje” czy też “rozumuje” i jak można to przekuć na korzyść biznesową dla firmy.
Jak działa wnioskująca sztuczna inteligencja?
Większość obecnych modeli AI mocno polega na rozpoznawaniu wzorców, aby odpowiadać na pytania niemalże natychmiast. Wnioskująca sztuczna inteligencja daje sobie więcej czasu. Angażuje ona logiczną, wielokrokową analizę – proces zwany wnioskowaniem łańcucha myśli (“chain-of-thought reasoning”) – aby rozbić złożone problemy na mniejsze, łatwiej zarządzalne fragmenty. Pozwala to sztucznej inteligencji eksplorować różne ścieżki, wycofywać się i zmieniać kierunek, gdy coś pójdzie nie tak. W podobny sposób problemy rozwiązują ludzie.
Jeszcze do niedawna typowa metoda poprawy wydajności modelu AI polegała na karmieniu go rosnącą ilością danych na etapie treningu. Modele wnioskujące obierają inną strategię zwaną “test-time compute” (“obliczenia w czasie testu”), która używa więcej mocy obliczeniowej na etapie rozwiązywania problemu. W tym paradygmacie AI używa więcej czasu i zasobów, by myśleć głębiej (“Deep Research”) i dostarczać pełniejsze, poprawniejsze odpowiedzi.
Wnioskująca AI nie jest doskonała. Pod względem zdrowego rozsądku ludzie nadal wygrywają, a sztuczna inteligencja ma problem, gdy zadanie wymaga zrozumienia kontekstu poza logicznym rozumowaniem, np. interpretacji niuansów językowych. Umiejętności wnioskowania nadal jednak czynią te określone modele AI wyjątkowo potężnymi, zdolnymi do rozwiązywania problemów, z którymi nie radzą sobie proste modele “prompt-and-response” generatywnej sztucznej inteligencji.
Nowy paradygmat AI. Co potrafią wnioskujące modele?
Oto jeden z przykładów wnioskowania w akcji. Ethan Mollick, profesor na Wharton School of the University of Pennsylvania, zastanawiał się, czy model wnioskujący OpenAI o1 potrafi namierzyć niedawno odkryty błąd matematyczny w pracy naukowej, która na krótko wywołała panikę związaną z bezpieczeństwem korzystania z czarnych akcesoriów kuchennych. Naukowiec poprosił model o1, aby “starannie sprawdził matematykę w tym artykule”.
Sztuczna inteligencja szybko rozpoznała błąd. “Kiedy modele są dostatecznie mocne, by nie tylko przetwarzać cały artykuł naukowy, ale też zrozumieć kontekst, w którym ‘sprawdzanie matematyki’ ma sens, a następnie z powodzeniem sprawdza te wyniki, to radykalnie zmienia to możliwości sztucznej inteligencji” – pisze Mollick.
Wnioskujące modele AI osiągają niesamowicie wysokie wyniki w benchmarkach inteligencji. GPQA Diamond testuje np. wiedzę naukową na wysokim poziomie, której nie ma w Internecie, a openAI o3 pokonuje ludzkich ekspertów z wynikiem 87,7%. W zestawie niezwykle trudnych problemów matematycznych FrontierMath model ten osiąga 25,2%, czyli więcej niż poprzednie modele. Z kolej w ARC-AGI, teście z zadaniami łatwymi dla ludzi, ale trudnymi dla AI, OpenAI o3 osiąga wynik 87,5%, wyprzedzając nie tylko starsze modele, ale również dorównując ludziom.
Nie oznacza to, że sztuczna inteligencja ma zastąpić ludzkich ekspertów i ich oceny. Modele wnioskujące jako skalowalne, zawsze dostępne zasoby reprezentują nowy paradygmat w AI i pracy jako takiej. To przełomowy moment – z tymi faktami każdy lider i każda organizacja będą musieli się pogodzić.
Jak pracować z wnioskującą sztuczną inteligencją?
Wnioskująca sztuczna inteligencja niesie wielkie obietnice dla firm z praktycznie każdej branży. Pomyślmy o badaniach. AI już teraz może samodzielnie proponować hipotezy i symulować wyniki, wykraczając poza możliwości standardowych modeli typu “prompt-and-response” czy też bardziej ogólnozadaniowych modelach takich jak GPT-4.5. Ten postęp może skrócić o lata tradycyjne cykle badań i rozwoju i przynieść przełomy w wielu dziedzinach od energii odnawialnej po farmaceutykę.
Wnioskująca AI obali wiele naszych założeń dotyczących pracy. Liderzy powinni pamiętać o dwóch rzeczach. Po pierwsze, te modele mogą wykonywać pracę umysłową na równym albo wyższym poziomie niż ludzie. Innymi słowy, mogą one postrzegać, rozumieć, wnioskować i wykonywać (a czasem nawet tworzyć) na poziomach, które zbliżają się lub nawet przekraczają poziomy zdolności człowieka. Gdy zespół ma zadanie do wykonania, zadaj pytanie, czy może to zrobić sztuczna inteligencja. Jeśli sytuacja nie wymaga oryginalności, osądu, wyczulenia na niuanse i inteligencji emocjonalnej, to zapewne asystent AI oparty na modelu wnioskującym da sobie radę. Możemy wyobrazić sobie nowy podział zadań dla ludzi i AI — i nowe podejścia do zarządzania tą pracą.
Po drugie, modele wnioskujące zmienią ekonomię pracy. Historycznie, aby firma mogła posiadać zasoby poznawcze, musiała zatrudnić ludzi, ale od czasu wynalezienia komputera jest to coraz mniej prawdziwe. Pracę rozumową sztucznej inteligencji możesz wypożyczać albo kupować w oparciu o zużycie, podobnie jak płacisz za prąd albo wodę. Dzięki temu korzystasz z usług kognitywnych na czacie i w aplikacjach AI jedynie wtedy, gdy potrzebujesz, płacąc tylko za wykonanie zadania. Oczywiście sztuczna inteligencja nie jest bezobsługowa i nadal potrzebuje ludzkich operatorów. Już teraz jednak zaczyna zmieniać to realia na rynku pracy, co widać szczególnie po firmach, które praktykują ekstensywne wdrażanie AI do wszystkich swoich procesów.
Wnioskowanie sztucznej inteligencji, choć imponujące, to tak naprawdę znajduje się na początku swojej drogi. Już teraz jednak widać, że ten rodzaj AI może naprawdę odmienić to, jak pracujemy.
Źródło: https://www.microsoft.com/en-us/worklab/ai-at-work-reasoning-models-and-the-future-of-business
Autor: Krzysztof Sulikowski
