Sprawa Anthropic pokazała, że modele AI nie są już tylko narzędziami. Coraz częściej jest warstwą infrastruktury, od której zależą firmy, media, administracja i codzienna praca.
W piątek, 12 czerwca, Anthropic poinformował, że musi zawiesić dostęp do swoich modeli Fable 5 i Mythos 5 dla osób niebędących obywatelami USA. Decyzja miała wynikać z dyrektywy amerykańskiego rządu dotyczącej bezpieczeństwa narodowego. Ograniczenie objęło także cudzoziemców przebywających w Stanach Zjednoczonych, w tym pracowników samego Anthropic. W praktyce firma wyłączyła dostęp do tych modeli wszystkim klientom.
To nie wyglądało jak zwykła awaria. Raczej jak przypomnienie, że pod usługą, z której korzystają firmy na całym świecie, istnieje przełącznik. I nie zawsze wiadomo, kto ostatecznie trzyma na nim palec.
Narzędzie, które przestało być narzędziem
Jeszcze niedawno spory o AI przypominały rozmowę o lepszym oprogramowaniu. Który model lepiej pisze maile? Który sprawniej koduje? Który szybciej streszcza dokumenty? Który mniej zmyśla?
To był język czasów czatbotów.
Ten etap powoli się kończy. Modele językowe coraz częściej stają się warstwą pośrednią między człowiekiem a pracą: piszą fragmenty kodu, analizują umowy, porządkują dokumenty, obsługują klientów, wspierają research, automatyzują kampanie, pomagają w cyberbezpieczeństwie i organizują wiedzę wewnętrzną firm.
Nie są już tylko dodatkiem. Dla wielu organizacji zaczynają być częścią procesu operacyjnego. A kiedy coś staje się częścią procesu, przestaje być zabawką. Staje się zależnością.
Co naprawdę stało się z Fable i Mythosem
Według komunikatów Anthropic Fable 5 był jednym z najnowszych i najmocniejszych modeli firmy, przeznaczonym do długich, złożonych zadań: kodowania, analiz, pracy agentowej i samodzielnego rozwiązywania problemów. Mythos 5 funkcjonował w węższym obiegu, z ograniczonym dostępem, między innymi w kontekście zastosowań związanych z bezpieczeństwem.
Amerykańska administracja uznała, że dostęp do tych modeli może wiązać się z ryzykiem dla bezpieczeństwa narodowego. W tle pojawił się temat możliwego wykorzystania modeli do wykrywania podatności w oprogramowaniu. Anthropic odpowiadał, że podobne możliwości mają także inne publicznie dostępne modele, więc problem nie dotyczy wyłącznie Fable ani Mythosa.
Nie trzeba tu rozstrzygać, kto ma rację w sporze o bezpieczeństwo. Ważniejsze jest coś innego: polityczna decyzja jednego państwa wystarczyła, by ograniczyć dostęp do najnowszej klasy modeli AI na poziomie globalnym.
To jest właściwy temat tej historii.
Wyłącznik
Wyobrażamy sobie wyłącznik jako czerwony guzik w bunkrze. W praktyce bywa znacznie mniej widowiskowy. Może być akapitem w regulaminie, zmianą w dokumentacji, decyzją eksportową albo komunikatem: „brak autoryzacji”.
Europejska firma, która buduje produkt na amerykańskim modelu, trzyma dane w amerykańskiej chmurze, korzysta z amerykańskich procesorów i rozlicza się przez amerykańskie systemy płatności, może działać bardzo szybko. Taki układ jest wygodny, tani i często racjonalny biznesowo.
Ale ma swoją cenę. Firma nie jest wtedy w pełni właścicielem własnej infrastruktury poznawczej. Jest najemcą w cudzym systemie.
Dopóki wszystko działa, brzmi to jak akademicka przesada. Kiedy dostęp znika z dnia na dzień, przestaje.
Alienacja warstwy poznawczej
AI zaczyna pełnić rolę zewnętrznej warstwy myślenia. Można nazwać ją egzokorteksem, można mniej efektownie: systemem, który bierze na siebie coraz większą część pracy intelektualnej.
Modele piszą kod, czytają umowy, przeszukują bazy wiedzy, streszczają spotkania, proponują decyzje, obsługują klientów i podpowiadają, gdzie szukać błędów. W ten sposób stają się warstwą, przez którą gospodarka coraz częściej rozumie samą siebie.
Jeśli odetną ci serwer, tracisz dostęp do plików. Jeśli odetną ci model, na którym opierasz pracę zespołu, tracisz coś subtelniejszego: zdolność działania w tempie i skali, do których firma zdążyła się przyzwyczaić.
To dlatego najmocniejsze modele AI coraz bardziej przypominają infrastrukturę krytyczną. Nie w sensie prawnym w każdym kraju i nie zawsze formalnie. W sensie praktycznym.
Bez nich część nowoczesnej organizacji zaczyna zwalniać.
Jeśli to cię nie zradykalizuje i nie skłoni do założenia własnego laboratorium AI z otwartym kodem źródłowym, to nie wiem, co...Europa i problem jednej odpowiedzi
Najprostsza europejska odpowiedź brzmi: Mistral. I trudno się dziwić. Francuski Mistral AI jest dziś jedną z niewielu firm w Europie, które próbują grać w tej samej lidze co największe laboratoria z USA i hin. Reuters podawał, że firma pozyskała finansowanie dłużne na zakup tysięcy chipów Nvidii i budowę infrastruktury obliczeniowej pod Paryżem.
To ważne. Europa potrzebuje mocnego Mistrala. Potrzebuje firmy, która nie tylko mówi o suwerenności technologicznej, ale realnie buduje modele, produkty i infrastrukturę.
Tyle że jeden Mistral nie wystarczy.
Jeśli europejska strategia AI ma polegać na zamianie zależności od jednego amerykańskiego dostawcy na zależność od jednego europejskiego dostawcy, to rozwiązujemy tylko część problemu. Zmienia się adres, ale logika pozostaje podobna.
Monokultura jest krucha niezależnie od tego, czy ma amerykańskie, francuskie czy jakiekolwiek inne logo.
Europa potrzebuje kilku silnych laboratoriów, mniejszych zespołów badawczych, modeli specjalistycznych, otwartych benchmarków i realnej konkurencji. Mistral jest potrzebny także po to, żeby inni mogli próbować go dogonić.
Bielik i polski punkt startu
Polska nie zaczyna od zera. Mamy Bielika, czyli rodzinę otwartych modeli językowych rozwijaną przez społeczność skupioną wokół Fundacji SpeakLeash, przy wykorzystaniu zasobów superkomputerowych Cyfronetu AGH.
Znaczenie Bielika nie polega wyłącznie na tym, że model zna język polski. Ważniejsze jest to, że powstaje z myślą o polskim kontekście: naszych instytucjach, prawie, mediach, edukacji, administracji i sposobach komunikacji.
Dla globalnego modelu polskie niuanse są często marginesem. Dla nas są centrum świata. Różnica między „załatwione”, „ogarnięte” i „wrócimy do tego po majówce” może brzmieć jak żart, ale w praktyce to część lokalnej kultury pracy. AI, która tego nie rozumie, będzie użyteczna, ale nie zawsze trafna.
Bielik jest więc fundamentem. Pokazuje, że w Polsce można budować kompetencje wokół otwartych modeli, danych i lokalnych zastosowań. Ale fundament nie jest jeszcze budynkiem.
Potrzebujemy laboratorium, nie hasła
Pomysł niezależnego open source AI labu brzmi dziś mniej jak fantazja, a bardziej jak praktyczna odpowiedź na nowe ryzyka.
Nie chodzi o to, żeby jutro ogłosić „polskie OpenAI”, zrobić logo na czarnej bluzie i panel o przyszłości innowacji. To byłaby najprostsza droga do efektownego zdjęcia i niewielkiego wpływu.
Chodzi o miejsce, które buduje kompetencje: trenuje i dostraja modele, publikuje benchmarki, uczy firmy wdrożeń lokalnych i hybrydowych, rozwija narzędzia ewaluacyjne, pomaga kontrolować dane i łączy uczelnie, startupy, software house’y, sektor publiczny oraz społeczność open source.
Najważniejszym produktem takiego laboratorium nie byłby jeden model. Byłaby nim zdolność. Umiejętność budowania, testowania, porównywania, poprawiania i utrzymywania własnych narzędzi AI.
To brzmi mniej efektownie niż „dogonimy Dolinę Krzemową”, ale jest znacznie bardziej użyteczne.
Mistral jest bardzo konkurencyjny w stosunku do Gemini i GPT, czekaj (sprawdzam notatki)...Termodynamika myśli
W rozmowach o otwartej AI łatwo wpaść w romantyzm. Zbierzemy mądrych ludzi, wrzucimy kod na GitHuba i Europa sama się obudzi.
Problem w tym, że modeli nie trenuje się samym entuzjazmem. Potrzebne są dane, ludzie, energia, infrastruktura i GPU. Dużo GPU.
Myśl maszynowa ma swoją temperaturę i swój rachunek za prąd. Karty graficzne kosztują. Centra danych kosztują. Chłodzenie kosztuje. Eksperymenty kosztują. Błędy też kosztują, a w badaniach część eksperymentów musi się nie udać.
Dlatego suwerenność AI nie wyrośnie wyłącznie z wolontariatu. Społeczność może uruchomić ruch, ale nie utrzyma sama całej infrastruktury. Potrzebne są pieniądze publiczne, prywatny kapitał, zamówienia od firm, wsparcie uczelni i programy europejskie, które nie skończą się na prezentacji.
Unia powoli to rozumie. W ramach inicjatyw AI Factories, AI Gigafactories i InvestAI Komisja Europejska oraz Europejski Bank Inwestycyjny zapowiadają wielomiliardowe inwestycje w europejską moc obliczeniową.
To dobry kierunek. Ale sama infrastruktura nie wystarczy. Serwery bez ludzi, modeli, danych i produktów są tylko drogim pomieszczeniem z hałasem. Krzem można kupić. Kompetencje trzeba wyhodować.
Open source musi mieć biznesowy sens
Otwartość nie oznacza braku kosztów. Oznacza raczej inny sposób ich ponoszenia i dzielenia.
Jeśli polskie i europejskie modele mają mieć znaczenie, muszą rozwiązywać konkretne problemy. Dla redakcji: research, archiwum, analiza tekstów i dystrybucja. Dla firm: dokumenty, obsługa klienta, wiedza wewnętrzna i automatyzacja. Dla administracji: prostsza komunikacja z obywatelami. Dla edukacji: narzędzia rozumiejące lokalny program i język. Dla bezpieczeństwa: analiza ryzyk bez wysyłania wszystkiego do zewnętrznego dostawcy.
Nie każda firma powinna trenować własny model. To byłoby absurdalne. Ale coraz więcej firm powinno wiedzieć, kiedy korzystać z modelu komercyjnego, kiedy z europejskiego, kiedy z lokalnego, a kiedy z otwartego modelu uruchamianego na własnej infrastrukturze.
To będzie jedna z nowych kompetencji zarządów i działów technologicznych. Tak jak kiedyś trzeba było zrozumieć różnicę między własnym serwerem, chmurą i SaaS-em, tak teraz trzeba będzie rozumieć różnicę między modelem zamkniętym, otwartym, lokalnym i hybrydowym.
Polska nie musi udawać Doliny Krzemowej
Polska nie musi zbudować większego OpenAI niż OpenAI. Nie musi też udawać Doliny Krzemowej, bo gdy próbujemy to robić, zbyt często wychodzi z tego Mordor z cateringiem i panelem o innowacjach.
Nasza szansa jest gdzie indziej.
Mamy mocnych programistów, społeczności technologiczne, software house’y, uczelnie, doświadczenie wdrożeniowe i dobrą intuicję do praktycznych zastosowań. Nie musimy wygrać wyścigu na największy model świata. Możemy wygrać w lokalizacji, integracji, bezpieczeństwie, zastosowaniach branżowych i wdrażaniu AI w realnych organizacjach.
To mniej spektakularne niż globalny manifest, ale bardziej prawdopodobne. I pewnie bardziej polskie: niekoniecznie najładniejszy showroom, ale system, który działa.
Nie chodzi o odcięcie się od świata
Budowanie własnych kompetencji AI nie oznacza rezygnacji z OpenAI, Anthropic, Google’a czy Mistrala. To byłoby równie niemądre jak pełne uzależnienie się od nich.
Rozsądna architektura przyszłości będzie mieszana. Część zadań będą wykonywać modele komercyjne. Część europejskie. Część lokalne modele open source. Część wyspecjalizowane systemy branżowe.
Najważniejsze, żeby firmy i państwa miały wybór, a suwerenność technologiczna nie polega na tym, że wszystko robimy sami. Polega na tym, że kiedy ktoś zmienia zasady gry, nie zostajemy z pustymi rękami.
Autor albo podłoże
Sprawa Fable 5 i Mythosa jest ostrzeżeniem, które przyszło w porę. Pokazała, że AI to nie tylko technologia, ale także infrastruktura, polityka i władza.
Z tej warstwy można korzystać. Można ją też współtworzyć. To różnica między byciem użytkownikiem a byciem autorem.
Bez własnych modeli zostajemy klientami. Bez własnej infrastruktury i laboratoriów zostajemy najemcami. Bez własnych kompetencji zostajemy komentatorami cudzych premier.
A jeśli nie mamy żadnej alternatywy, ktoś inny zawsze będzie trzymał palec na naszym wyłączniku.
Polskę prawdopodobnie stać na własne labolatoria AI. Trudniejsze pytanie brzmi inaczej: czy stać nas na to, żeby zostać tylko podłożem, na którym myśli ktoś inny?
Źródła
Oświadczenie Anthropic: rząd USA nakazał zawiesić dostęp do Fable 5 i Mythos 5 dla osób niebędących obywatelami USA.
Komunikaty Anthropic: Fable 5 jako najmocniejszy szeroko wypuszczony model, Mythos 5 w programie o ograniczonym dostępie.
Reuters o Mistral AI: finansowanie dłużne na centrum danych pod Paryżem i zakup chipów Nvidii.
Bielik: polska rodzina otwartych modeli językowych tworzona przez Fundację SpeakLeash i partnerów; zasoby superkomputerowe (Helios, Athena) zapewnia Cyfronet AGH; model rozwijany wokół języka i polskiego kontekstu.
Komisja Europejska / EIB (InvestAI): AI Factories i AI Gigafactories, w tym fundusz do 20 mld euro na maksymalnie pięć AI Gigafactories.
