Od prawie dwóch lat Patrick Wood śledził wzór w rozwoju AI, który wydawał się dość przewidywalny, z podwajaniem wydajności co około 3,5 miesiąca.
Liczba ta pochodzi z benchmarków Zeithorizon firmy METR – pomiarów, jak długo agent AI może autonomicznie pracować nad zadaniem, zanim zawiedzie.
Czy to przewidywalne, czy jednak nie?
Patrick Wood jest wiodącym i krytycznym ekspertem w dziedzinie zrównoważonego rozwoju, zielonej gospodarki, Agendy 21, Agendy 2030 oraz historycznej technokracji. Jest autorem książki „Technocracy Rising: The Trojan Horse of Global Transformation” (2015) i współautorem książek „Trilaterals Over Washington”, tom I i II (1978-1980) razem z zmarłym Antony C. Suttonem.
Według niego dane z początku 2024 roku do początku 2026 roku wykazały niepokojącą stabilność. Gdyby przedstawiono je graficznie, krzywa wzrosłaby z prawie mechaniczną precyzją.
Wood twierdzi, że „wydawało się to przewidywalne”, ponieważ ten punkt widzenia jest obecnie przestarzały.
Jednakże zmienną, która unicestwia każde model prognoz, jest rekurencyjna samodoskonalenie, stan, w którym systemy AI nie są już tylko narzędziami, za pomocą których ludzie rozwijają AI, ale aktywnie uczestniczą w swoim własnym rozwoju. Przekroczyliśmy tę granicę. Pytanie o to, kiedy to nastąpi, jest już za nami. Teraz pytaniem jest, co się stanie, gdy system, który przepisuje swój własny kod, przeprowadza własne eksperymenty i optymalizuje własne przepisy szkoleniowe, robi to szybciej, niż jakikolwiek zespół ludzki mógłby mu to zaproponować.
Nie ma jednoznacznej odpowiedzi. To właśnie jest sedno sprawy.
Co więc naprawdę się zmieniło
Wood chce być konkretny, ponieważ mgliste sugestie dotyczące „eksponencjalnego wzrostu” stały się, według niego, formą intelektualnego lenistwa.
W maju 2026 roku Anthropic potwierdził, że ponad 80 procent kodu, który został zintegrowany w jego systemach produkcyjnych, zostało napisane przez Claude, firmową AI. Nie wspierane przez Claude, ale napisane przez Claude. Inżynierowie firmy opisali tę zmianę jako przejście od wykonywania pracy do zarządzania systemem, który tę pracę wykonuje. Inżynier Anthropic publicznie oświadczył, że 100 procent jego osobistej produkcji kodu zostało wygenerowane przez AI, a w ciągu jednego dnia dostarczono 22 pull-requests.
Ogłoszenie GPT-5.6 przez OpenAI w lipcu 2026 roku zawierało liczbę, która zasługuje na większą uwagę, niż otrzymała. W ciągu poprzednich sześciu miesięcy udział wewnętrznych zasobów obliczeniowych dla inferencji kodowania AI wzrósł o 100 razy, podczas gdy wewnętrzne wykorzystanie tokenów agentów, czyli agentów AI, którzy autonomicznie pracują w ramach własnej infrastruktury badawczej OpenAI, wzrosło dwudziestokrotnie. OpenAI teraz używa swoich własnych pionierskich modeli do diagnozowania błędów treningowych, optymalizacji systemów treningowych, przeprowadzania eksperymentów, interpretacji wyników, optymalizacji rdzeni obliczeniowych i ulepszania przepisów treningowych dla następnego modelu. Firma opisała to jako „coś, co szybko staje się standardem”.
AI jako główny aktor w własnym cyklu rozwoju
Google raportował na początku 2026 roku, że 75 procent całego nowego kodu w firmie jest generowane przez AI, w porównaniu z 25 procentami w 2024 roku.
Jednak to nie są statystyki produktywności. To dowody na to, że cykl się zamknął. AI jest teraz głównym aktorem w swoim własnym cyklu rozwoju.
Dlaczego liczba 3,5 miesiąca dla podwajania wydajności zawsze była dolną granicą, a nie górną, stało się jasne, gdy Wood opisał ją jako to, co dane pokazały dla modeli rozwijanych głównie przez ludzkich inżynierów z wykorzystaniem AI jako przyspieszacza. To zupełnie inna sytuacja niż ta, która obecnie się wyłania.
RSI skraca okresy w sposób, który nie może być uchwycony przez ekstrapolację benchmarków z wyprzedzeniem. Oto podstawowy mechanizm: gdy wydajność AI pod kierunkiem ludzi podwaja się co X miesięcy, a AI teraz znaczną część swojego własnego rozwoju kontroluje, wtedy efektywny czas do kolejnego podwojenia skraca się proporcjonalnie do tego, ile cyklu rozwoju AI kontroluje.
Dystopijna „wizja horroru”
Kiedy AI przejmuje 80 procent produkcji kodu, a ten procent rośnie, nie jest to liniowe skracanie czasu podwojenia. Jest to raczej pętla sprzężenia zwrotnego, w której każda generacja AI szybciej wytwarza bardziej wydajnego następcę niż poprzednia generacja, a ten następca przejmuje całą infrastrukturę badawczą swojego poprzednika.
W publikacji Google DeepMind z czerwca 2026 roku, From AGI to ASI, nieograniczona wersja tego zjawiska została opisana jako potencjalnie „hiperboliczna”, czyli supereksponencjalna, krzywa, która teoretycznie zmierza ku osobliwości. Autorzy jednak wyraźnie zaznaczyli, że rzeczywiste ograniczenia zasobów spłaszczają takie krzywe w kształcie litery S, zanim staną się pionowe. Moc obliczeniowa kosztuje pieniądze. Energia potrzebuje infrastruktury fizycznej. Wytwarzanie chipów wymaga lat pracy w łańcuchu dostaw. To są prawdziwe punkty tarcia.
Jednak punkty tarcia nie są punktami zatrzymania. Spowalniają krzywą. Nie odwracają jej.
Przełomy w każdym momencie
W tej chwili wymaga uczciwości intelektualnej przyznania, że każda analiza ma swoje ograniczenia, włącznie z własnymi analizami Wooda.
RSI nie tylko przyspiesza znane procesy. Tworzy warunki do jakościowych skoków, rodzaj zmian, które wstecznie wydają się pochodzić znikąd. Historia nauki jest pełna takich momentów. Nie są one przypadkowe, ale też nieprzewidywalne. Nie można modelować pojawienia się naprawdę nowego pomysłu. Można jednak stworzyć warunki, które sprawiają, że takie pomysły są bardziej prawdopodobne, a system AI, który codziennie przeprowadza miliony cykli badawczych, jednocześnie poprawiając swoją zdolność do realizacji tych cykli, jest dokładnie takim warunkiem.
Praktycznie oznacza to, że pytanie „Kiedy nadejdzie ASI?” nie może być odpowiedziane datą. Konsensus wśród poważnych prognostyków, nie zaś YouTube’owych miniatur, ale zespołu AI-2027, badaczy METR oraz autorów badań Google-DeepMind, koncentruje się na AGI w latach 2026–2027, a ASI, które nastąpi w ciągu miesięcy do kilku lat. Jednak te szacunki zakładają, że postęp przebiega w w dużej mierze ciągłej krzywej. RSI wprowadza możliwość dyskontynuacyjnych skoków, momentów, w których wydajność nie tylko rozwija się stopniowo, ale wzrasta dynamicznie.
Nikt jednak nie wie, kiedy te momenty nastąpią. To nie jest porażka analizy. To leży w naturze tego zjawiska.
Co to oznacza poza laboratorium
Skutki RSI wykraczają daleko poza kwestie wyników benchmarków czy strategii przedsiębiorstw. Dotyczą każdej struktury instytucjonalnej, która opiera się na kognitywnej przewadze człowieka, czyli każdej istniejącej strukturze instytucjonalnej.
Systemy prawne zakładają, że ludzie piszą, interpretują i egzekwują przepisy. Systemy gospodarcze zakładają, że ludzka ocena jest kluczowa w decydujących momentach. Demokracja zakłada, że ludzka wyborczość podejmuje decyzje w sprawach dotyczących świata, który mogą zrozumieć. Wszystkie te założenia są jednocześnie wystawiane na próbę przez technologię, która rozwija się obecnie w tempie, które przewyższa zdolności każdego organu regulacyjnego, zarówno jeśli chodzi o monitorowanie, jak i tym bardziej o kontrolę.
Ci sami politycy i organy regulacyjne, które nie przewidziały społecznych skutków algorytmów w mediach społecznościowych, stosunkowo prostą technologią, teraz mają regulować RSI. To powinno niepokoić każdego, niezależnie od jego pozycji na spektrum politycznym.
To nie jest pytanie lewicy czy prawicy. To jest pytanie o kompetencje instytucjonalne wobec czegoś naprawdę niespotykanego.
Sam Altman napisał w połowie 2025 roku: „przekroczyliśmy horyzont zdarzeń, wzrost już się rozpoczął”. To zbliża się do jasnego opisu faktów, jakiego można się spodziewać od urzędowego CEO laboratorium AI. Metafora horyzontu zdarzeń jest trafna. Po pewnym punkcie wydarzenia wewnątrz nie mogą być już komunikowane na zewnątrz w taki sposób, żeby możliwa była korekta kursu.
Być może już przekroczyliśmy ten punkt, być może jeszcze nie. Pewne jest, że instytucje odpowiedzialne za utrzymanie ludzkiej kontroli nad tym procesem nie są do tego przygotowane, nie mają odpowiedniego personelu i nie wykazują oznak szybkich reform, które pozwoliłyby im odegrać jakąkolwiek rolę.
Zdolności AI rosną szybciej niż jakakolwiek inna technologia w historii.
Maszyna zatem sama się przekształca, bądźmy uważni.
***
Z powodu treści książka usunięta z obiegu przez lewicową cenzurę w Niemczech!
U P A D E K E U R O P Y !
***
W języku niemieckim ukazała się nowa książka
Nowa publikacja:
Maria Pilar rozlicza się z „zieloną zarazą”
Do zamówienia bezpośrednio ze strony:
https://www.buchdienst-hohenrain.de/product_info.php?products_id=1887
***
Weitere Informationenhier unter Transparenz-Bekanntmachung)
