Dlaczego grupa najwybitniejszych naukowców na świecie spędziła lata, ucząc komputery grać w Space Invaders, Go i StarCrafta, zamiast od razu brać się za raka i zmiany klimatu? Dokument „The Thinking Game” pokazuje, że te pikselowe piaskownice były tylko rozgrzewką. Prawdziwą stawką okazało się życie samo w sobie.
Misja, która brzmi jak science fiction
„Chcemy rozwiązać inteligencję, a potem użyć jej do rozwiązania pozostałych problemów ludzkości” – tak założyciele DeepMind streszczali swoją misję, zanim ktokolwiek spoza świata AI traktował AGI poważnie.
Demis Hassabis zaczynał jako cudowne dziecko szachów i projektant gier wideo. W pewnym momencie dochodzi jednak do wniosku, że ludzka kreatywność marnuje się na wygrywanie turniejów w dusznych salach. Jeśli dałoby się „zapisać” inteligencję w maszynie, można by ją skierować na znacznie ważniejsze cele niż matowanie kolejnych przeciwników.
Z tej obsesji rodzi się DeepMind. Firma od początku myśli w horyzoncie wieloletnim: zamiast tworzyć kolejne aplikacje, buduje ogólną sztuczną inteligencję zdolną uczyć się wielu różnych zadań.
Atari: kiedy piksele stają się laboratorium
W „The Thinking Game” gry komputerowe nie są tylko efektownym tłem. To laboratoryjne myszy, na których testuje się fundamenty inteligencji.
DeepMind rezygnuje z klasycznego podejścia „zaprogramujmy wszystkie reguły”. Stawia na uczenie przez wzmacnianie. Agent trafia do nieznanego środowiska i metodą prób oraz błędów odkrywa, które działania prowadzą do nagrody, a które do kary. Zamiast mówić mu, jak grać, badacze mówią tylko: „maksymalizuj wynik”.
Pierwszym polem testowym jest Atari. W Breakoucie po setkach partii system nie tylko uczy się perfekcyjnej gry – odkrywa strategię, której twórcy nie przewidzieli: przebija się tunelem przez boczną ścianę cegiełek, żeby piłka sama „sprzątała” rzędy punktów. To moment, w którym badacze po raz pierwszy mówią pół żartem, pół serio: „to wygląda jak kreatywność”.
Pong, Breakout, kolejne tytuły – każda gra jest trochę innym światem. Jeden algorytm, wiele środowisk. Nagle okazuje się, że zamiast programować reguły, wystarczy nauczyć maszynę zasad uczenia się.
Boski Ruch 37 i moment Sputnika
Prawdziwy wstrząs przychodzi jednak z zupełnie inną planszą.
Go – starożytna gra o liczbie możliwych układów większej niż liczba atomów we wszechświecie – przez dekady uchodziła za terytorium tylko dla ludzi. Eksperci powtarzali: klasyczna AI tu nie podskoczy.
W 2016 roku AlphaGo gra w Go z mistrzem świata Lee Sedolem. Druga partia przechodzi do historii. System wykonuje Ruch 37 – tak nieoczekiwany, że komentatorzy uznają go za błąd. Po kilku kolejkach okazuje się, że to genialna, nieludzka strategia. Model szacuje prawdopodobieństwo, że człowiek wykona podobny ruch, na 1 do 10 tysięcy.
Dla społeczności Go to szok. Dla świata technologii – sygnał epokowy. Eric Schmidt nazywa ten moment „Sputnikiem” AI. Tak jak pierwszy radziecki satelita uruchomił wyścig kosmiczny, tak AlphaGo uruchomił globalny wyścig o sztuczną inteligencję.
A potem pojawia się AlphaZero. System nie ogląda ludzkich partii. Dostaje jedynie zasady gry. Reszta to miliardy symulowanych rozgrywek. Rano jest amatorem, wieczorem pokonuje najlepsze silniki szachowe świata i tworzy styl, który zmusza arcymistrzów do przepisania teorii debiutów.
Od wirtualnej piaskownicy do biologii: AlphaFold
W filmie pada zdanie, które odwraca całą optykę: gry są tylko poligonem.
Prawdziwym celem nie jest wygrywanie w Go, lecz rozwiązywanie problemów naukowych, których ludzie nie potrafią ugryźć obliczeniowo.
Wybór pada na problem fałdowania białek. Białka to nanomaszyny życia. To, co robią w komórce, zależy od ich trójwymiarowego kształtu. Przewidzenie struktury wyłącznie na podstawie sekwencji aminokwasów uważano przez dekady za niemal niemożliwe. Klasyczne metody eksperymentalne potrafiły zająć lata – dla jednego białka.
DeepMind startuje w konkursie CASP, olimpiadzie biologii strukturalnej. AlphaFold 1 wygrywa CASP13, ale biolodzy kręcą głowami: „fajnie, ale do realnej pracy jeszcze daleko”. To moment otrzeźwienia.
Dopiero druga generacja – AlphaFold 2 – przynosi przełom. W CASP14 osiąga dokładność porównywalną z metodami laboratoryjnymi, a czas obliczeń spada z miesięcy do godzin, a potem minut.
A potem pada decyzja, która zapisuje się w historii nauki. DeepMind wraz z EMBL-EBI udostępnia bazę ponad 200 milionów struktur białek – niemal wszystkich znanych nauce. Naukowcy na całym świecie otrzymują darmowe narzędzie do projektowania leków, badania chorób i rozumienia mechanizmów życia na nowym poziomie.
Od tej chwili nie jest to pokaz technologii. To realna zmiana sposobu prowadzenia badań naukowych.
Cień Oppenheimera i e-mail od obcych
„The Thinking Game” nie jest tylko laurką. W tle sukcesów pojawia się niewygodne pytanie: czy ten wyścig nie przypomina zbyt mocno Projektu Manhattan?
Hassabis przyznaje, że twórcy bomby atomowej dali się ponieść fascynacji technologią, a o konsekwencjach zaczęli myśleć za późno.
W filmie pojawiają się głosy Stuarta Russella, Margaret Levi i innych ekspertów od etyki. Padają ostrzeżenia przed bronią autonomiczną, wyścigiem państw, precyzyjną dezinformacją, manipulacją psychologiczną i narastającymi nierównościami.
Russell używa najostrzejszej metafory filmu:
gdybyśmy dostali e-mail od obcej cywilizacji zapowiadającej przybycie, rządy świata zwołałyby natychmiast sztaby kryzysowe.
AGI to właśnie taki e-mail – tylko że nadawcę stworzyliśmy sami, a reakcja jest zaskakująco spokojna.
DeepMind mówi wprost: AGI powstanie – pytanie brzmi, na jakich wartościach je zbudujemy i kto będzie pilnował zasad.
Corporate fairytale czy uczciwy wgląd?
Warto podkreślić: „The Thinking Game” powstał w ścisłej współpracy z Google DeepMind. Dzięki temu oglądamy naukę od kuchni, ale perspektywa jest częściowo korporacyjna. Nie ma tu ostrych pytań o koncentrację władzy czy modele biznesowe Big Techu.
Mimo to film jest wartościowym dokumentem, pokazującym autentyczne napięcia: między nauką a komercją, otwartością a strategią, ambicją a odpowiedzialnością.
Co z tego wynika dla ludzi z IT i biznesu?
Patrząc z szerszej perspektywy świata IT i biznesu, film działa na kilku poziomach:
1. Przełomy nie rodzą się z MVP.
DeepMind latami inwestował w badania podstawowe bez pewności zwrotu. To kontrast wobec kultury szybkich iteracji – ale w deep tech właśnie tak powstają prawdziwe przełomy.
2. Piaskownice mają znaczenie.
Eksperymenty, hackathony, gry i symulacje to często zalążki technologii, które później stają się fundamentami nauki czy biznesu.
3. Odpowiedzialność nie jest opcjonalna.
Decyzje o danych, otwartości, kierunku badań czy strategii AI mają konsekwencje społeczne. Strategia AI nie może być zostawiona wyłącznie inżynierom – to temat dla zarządów.
Dlaczego warto obejrzeć „The Thinking Game”
Po seansie trudno patrzeć na AI jak na kolejną technologiczną modę. Film sugeruje wyraźną cezurę: „przed” i „po” AGI. Pokazuje, jak w zaledwie jedną–dwie dekady przeszliśmy od pikseli Atari do rozwiązywania fundamentalnych problemów biologii.
Nie jest to obraz idealnie zbalansowany, ale jako wgląd w sposób myślenia ludzi, którzy realnie przesuwają granice AI – jest bezcenny.
Jeśli pracujesz w technologiach, produktach, danych albo po prostu chcesz zrozumieć, jak wygląda wyścig o przyszłość widziany od środka, „The Thinking Game” to pozycja obowiązkowa.
1 Comment