Rozmowa z Robertem Greyem, Kanclerzem Uniwersytetu Warszawskiego, o świecie po rewolucji AI, konkurencyjności Europy i Polski oraz o tym, dlaczego inteligentna technologia potrzebuje inteligentnych instytucji.
Dwa lata temu rozmawialiśmy o sztucznej inteligencji, ESG i zmianach, jakie nowe technologie przyniosą edukacji i gospodarce. Dzisiaj AI jest już częścią codzienności. Czy rzeczywistość rozwija się tak, jak Pan wtedy przewidywał?
Pod pewnymi względami szybciej, niż wielu z nas przypuszczało. Ale powiedziałbym coś, co może zabrzmieć paradoksalnie: dzisiaj wiemy o sztucznej inteligencji znacznie więcej niż dwa lata temu, a jednocześnie znacznie lepiej rozumiemy, jak wiele nadal nie wiemy. I właśnie ta niewiedza jest dla mnie dzisiaj szczególnie interesująca. Wiemy, że AI zmieni gospodarkę. Widzimy już, że zmienia sposób pracy, prowadzenia badań, programowania, analizy danych czy komunikacji. Będzie coraz mocniej obecna w medycynie, finansach, administracji, przemyśle i obronności. Ale równie ważne jest to, czego jeszcze nie wiemy. Nie znamy jeszcze granicy możliwości tych systemów. Nie wiemy, jak szybko rozwiną się autonomiczni agenci AI. Nie wiemy, jaka część pracy intelektualnej będzie mogła zostać zautomatyzowana. Nie wiemy, jakie zawody znikną, jakie powstaną i jak szybko będzie przebiegała ta zmiana. Nie wiemy, jaki będzie długofalowy wpływ AI na edukację, relacje społeczne, demokrację czy bezpieczeństwo informacyjne. Nie wiemy nawet, czy za pięć lat będziemy rozmawiali o sztucznej inteligencji w takich kategoriach jak dzisiaj. I powinniśmy mieć odwagę, żeby to przyznać.
Czyli największym problemem nie jest już sama technologia?
Jedna rzecz zaczyna mnie niepokoić bardziej niż sama szybkość rozwoju technologii: czy nasze instytucje będą zmieniały się równie szybko? Państwa, administracja, system edukacji, uniwersytety czy duże przedsiębiorstwa zostały zaprojektowane dla świata, który zmieniał się wolniej. Mamy procedury, hierarchie, wieloletnie strategie, systemy kontroli. Tymczasem technologia może dzisiaj zmienić warunki działania całych sektorów w ciągu kilkunastu miesięcy. Dlatego po latach rozmów o inteligentnych maszynach powinniśmy poważnie rozmawiać o inteligentnych instytucjach. Takich, które potrafią dostrzegać zmianę, zanim stanie się ona kryzysem; podejmować decyzje przy niepełnej informacji; eksperymentować; przyznawać się do błędów i szybko się na nich uczyć. Być może największym zagrożeniem dla Europy nie jest to, że zabraknie nam technologii. Największym zagrożeniem może być to, że technologia będzie zmieniała się szybciej niż nasze instytucje.
Czy Europa może jeszcze wygrać globalny wyścig technologiczny?
Najpierw powinniśmy odpowiedzieć sobie na pytanie, co oznacza „wygrać”. Nie sądzę, żeby Europa miała stać się kopią Stanów Zjednoczonych czy Chin. Mamy inną historię, kulturę gospodarczą i model społeczny. Przywiązujemy większą wagę do ochrony prywatności, praw człowieka czy odpowiedzialności społecznej. Uważam to za wartość. Ale wartość może stać się słabością, jeżeli uznamy, że naszą główną rolą jest tworzenie zasad dla technologii, które ktoś inny projektuje, finansuje i komercjalizuje. Europa nie może być tylko regulatorem cudzej innowacji. Musi być jej współtwórcą i właścicielem.
Czyli stawką jest już nie tylko konkurencyjność gospodarcza?
Tak, to nie jest już tylko kwestia konkurencyjności. To kwestia suwerenności. Dzisiaj skala amerykańskich inwestycji w AI jest nieporównywalnie większa niż w Europie. Największe modele, platformy cyfrowe, infrastruktura chmurowa i ogromna część mocy obliczeniowej znajdują się poza Unią Europejską. W świecie, w którym AI będzie obecna w gospodarce, energetyce, ochronie zdrowia, administracji i obronności, zależność technologiczna może stać się zależnością strategiczną. Europa zaczyna to rozumieć. Powstają AI Factories, rozwijamy europejską infrastrukturę superkomputerową, planowane są gigafabryki AI. To potrzebne działania. Ale same komputery nie wystarczą.
Czego więc najbardziej brakuje Europie?
Potrzebujemy kapitału. Potrzebujemy jednolitego rynku, na którym firma założona w Warszawie, Helsinkach czy Paryżu lub Londynie może naprawdę szybko osiągnąć europejską skalę. Potrzebujemy znacznie sprawniejszego transferu technologii z nauki do gospodarki. Potrzebujemy kultury, w której ambitny technologiczny projekt może ponieść porażkę, a jego twórca nie zostaje przez tę porażkę wyeliminowany z rynku. I potrzebujemy talentów. Europa nadal ma świetnych naukowców, matematyków, informatyków i inżynierów. Polska jest tego bardzo dobrym przykładem. Tylko musimy zadać sobie niewygodne pytanie: co dzieje się z wartością, którą ci ludzie tworzą? Jeżeli kształcimy znakomitego polskiego informatyka za publiczne i prywatne pieniądze, a później jedyną realną możliwością rozwinięcia jego pomysłu w globalną firmę jest przeprowadzka do Stanów Zjednoczonych, to Europa wykonuje ogromną część inwestycji, ale ktoś inny przechwytuje znaczną część jej efektów. Nie chciałbym, żeby Polska została w epoce AI krajem znakomitych informatyków pracujących przede wszystkim nad technologiami należącymi do innych.
Co więc powinniśmy zrobić, żeby zatrzymać w Polsce i Europie nie tylko talenty, ale również wartość, którą tworzą?
Nie wystarczy być źródłem talentu. Musimy stać się również miejscem, w którym talent zamienia się we własność intelektualną, przedsiębiorstwa i kapitał. I właśnie dlatego najbliższych kilka lat jest tak ważnych. W historii technologii momenty przełomu często prowadzą do powstania nowych liderów. Jeżeli Europa prześpi ten moment, późniejsze odrabianie dystansu może być niezwykle kosztowne.
Jaką rolę powinny odegrać w tym uniwersytety?
Fundamentalną. I znacznie szerszą niż samo prowadzenie badań nad AI. Uniwersytet jest jednym z niewielu miejsc, gdzie jednocześnie spotykają się nauka, młode pokolenie, technologia, gospodarka, państwo, kultura i debata o wartościach. Dlatego powiedziałbym, że uniwersytet powinien stać się laboratorium przyszłości. Powinniśmy oczywiście tworzyć technologie. Ale powinniśmy również eksperymentować z nowymi sposobami uczenia, zarządzania, współpracy z biznesem i komercjalizacji badań.
Ale czego właściwie uczyć studentów, jeżeli AI potrafi już wykonywać coraz większą część pracy intelektualnej?
To jest bardzo trudne pytanie. Jeżeli AI potrafi w kilka sekund napisać poprawny tekst, stworzyć kod, przeanalizować tysiące stron dokumentów czy zaproponować rozwiązanie problemu, edukacja oparta przede wszystkim na odtwarzaniu informacji staje się coraz mniej wystarczająca. Nie oznacza to końca wiedzy. Jest dokładnie odwrotnie. Człowiek bez wiedzy może nawet nie zauważyć, że AI podała mu bardzo przekonującą, ale błędną odpowiedź. Zmienia się jednak hierarchia kompetencji. Coraz ważniejsze stają się umiejętność zadawania właściwych pytań, krytyczne myślenie, łączenie różnych dziedzin wiedzy, kreatywność, rozumienie kontekstu i odpowiedzialność za decyzje. I tu dochodzimy do ciekawego paradoksu. Im bardziej inteligentne stają się maszyny, tym bardziej wartościowe mogą stawać się kompetencje, które uważaliśmy za najbardziej ludzkie: empatia, odpowiedzialność, przywództwo, budowanie zaufania, rozumienie kultury, etyka. Może się więc okazać, że największa rewolucja technologiczna naszych czasów doprowadzi nas do ponownego odkrycia humanistyki.
Czy jednak AI nie stawia przed uczelniami jeszcze bardziej fundamentalnego pytania – po co za kilkanaście lat będziemy potrzebowali uniwersytetów?
Myślę, że jest to pytanie, które każda poważna uczelnia powinna sobie dzisiaj postawić. Przez stulecia jedną z podstawowych funkcji uniwersytetu było gromadzenie, porządkowanie i przekazywanie wiedzy. Dzisiaj student może mieć przy sobie system, który w kilka sekund wyjaśni mu skomplikowane zagadnienie, przeanalizuje tysiące stron materiału albo będzie z nim prowadził indywidualną rozmowę edukacyjną przez całą dobę. Jeżeli więc uniwersytet będzie definiował swoją wartość przede wszystkim jako miejsce przekazywania istniejącej wiedzy, jego pozycja rzeczywiście może zostać podważona. Ale nie sądzę, żeby oznaczało to koniec uniwersytetu. Uniwersytet przyszłości nie powinien być przede wszystkim miejscem, do którego przychodzimy po wiedzę. Powinien być miejscem, w którym uczymy się wiedzę tworzyć, weryfikować i odpowiedzialnie z niej korzystać.
Czy wiemy już, jak taki uniwersytet powinien wyglądać?
Być może byłoby niebezpieczne, gdybyśmy dzisiaj byli przekonani, że znamy te odpowiedź. Nie wiem, czy za dwadzieścia lat będziemy nadal organizować studia dokładnie według dzisiejszych kierunków, semestrów i programów. Nie wiem, czy wykład pozostanie podstawową formą przekazywania wiedzy ani czy tradycyjna praca pisemna będzie jeszcze dobrym sposobem sprawdzania kompetencji. Powinniśmy mieć odwagę pozostawić te pytania otwarte.
Pewne rzeczy mogą stać się jeszcze ważniejsze niż dzisiaj: konfrontacja poglądów, eksperyment, laboratorium, praca zespołowa, kontakt z wybitnym naukowcem, rozwiązywanie rzeczywistych problemów i przede wszystkim prowadzenie badań tam, gdzie odpowiedzi jeszcze nie zna ani człowiek, ani AI. Widzimy też zmianę relacji człowieka z uniwersytetem. Model, w którym studiujemy do 24. roku życia, otrzymujemy dyplom i przez następne czterdzieści lat korzystamy głównie z wiedzy zdobytej na początku kariery, po prostu nie przetrwa. Uniwersytet będzie musiał coraz częściej towarzyszyć człowiekowi przez całe życie. I może zyskać jeszcze jedną niezwykle ważną funkcję. W świecie wypełnionym treściami generowanymi przez maszyny społeczeństwo będzie potrzebowało instytucji, którym może zaufać w procesie dochodzenia do prawdy. Nie dlatego, że profesor zawsze ma rację, ale dlatego, że nauka stworzyła mechanizmy pozwalające sprawdzać twierdzenia. Dlatego bardziej niż tego, że AI zlikwiduje uniwersytety, obawiałbym się sytuacji, w której uniwersytety pozostaną, ale nie zmienią się wystarczająco szybko i stopniowo stracą znaczenie.
Czy AI rzeczywiście zmieni sposób zarządzania dużymi organizacjami?
Myślę, że fundamentalnie. Przez lata zarządzaliśmy przede wszystkim patrząc wstecz. Otrzymywaliśmy raport finansowy, analizę wykorzystania energii, dane dotyczące inwestycji i pytaliśmy: co się wydarzyło? AI daje możliwość postawienia innego pytania: co może wydarzyć się za chwilę? To może być ogromna zmiana w zarządzaniu ryzykiem. System może analizować tysiące zmiennych i zauważyć wzorzec, którego człowiek jeszcze nie widzi.
A gdzie pojawia się niebezpieczeństwo?
Co stanie się, kiedy człowiek przestanie rozumieć rekomendację systemu, ale będzie jej ufał, ponieważ „algorytm zazwyczaj ma rację”? Możemy bardzo łatwo przejść od decision support do decision replacement. A wtedy pojawia się fundamentalne pytanie: kto odpowiada za decyzję? To nie są abstrakcyjne pytania filozoficzne. Wkrótce mogą stać się bardzo konkretnymi problemami zarządczymi i prawnymi. Dlatego zasada human in the loop jest tak ważna. Maszyna może analizować. Może proponować. Może ostrzegać. Może symulować scenariusze. Ale człowiek powinien rozumieć, dlaczego podejmuje decyzję, i być gotowy wziąć za nią odpowiedzialność. Bo zarządzanie nigdy nie jest wyłącznie optymalizacją. Nie boję się świata, w którym maszyny pomagają nam podejmować lepsze decyzje. Obawiam się świata, w którym ludzie przestaną czuć się odpowiedzialni za decyzje, ponieważ podpowiedziała je maszyna.
Jak więc zarządzać przyszłością, skoro nie wiemy nawet, jak będzie wyglądał świat za pięć czy dziesięć lat?
Może powinniśmy wreszcie zaakceptować, że nie jesteśmy w stanie go dokładnie przewidzieć. Pandemia, wojna, kryzys energetyczny, czy generatywna AI. Ile dziesięcioletnich strategii naprawdę przewidziało te wydarzenia? To nie oznacza, że strategia nie jest potrzebna. Oznacza, że musimy inaczej rozumieć jej rolę. Nie jesteśmy w stanie przygotować organizacji na każdy możliwy kryzys. Możemy natomiast przygotować ją na nieprzewidywalność. Odporna organizacja wcześnie zauważa słabe sygnały. Posiada dobre dane. Wie, kto może podejmować decyzje. Ma scenariusze awaryjne. Potrafi przesuwać zasoby. Uczy się na własnych błędach. Ale sama odporność nie wystarcza. Potrzebujemy zdolności adaptacyjnej. Odporność kojarzy się z przetrwaniem uderzenia i powrotem do poprzedniego stanu. Tymczasem czasami nie ma już do czego wracać.
I tutaj wraca kwestia zaufania?
Tak. W świecie niepewności zaufanie staje się infrastrukturą zarządzania. Jeżeli każda nietypowa decyzja wymaga nowej procedury, kilku opinii i wielu poziomów akceptacji, organizacja może być formalnie perfekcyjnie zabezpieczona, ale praktycznie niezdolna do działania. Potrzebujemy instytucji, które potrafią połączyć kontrolę i zaufanie, odpowiedzialność i autonomię, stabilność i zmianę.
Największy społeczny lęk związany z AI dotyczy jednak pracy. Czy rzeczywiście możemy dojść do świata, w którym duża część ludzi przestanie być potrzebna gospodarce?
Nie wiem. Myślę, że musimy zaakceptować, że dzisiaj po prostu nie wiemy, jak będzie wyglądał rynek pracy za dziesięć czy piętnaście lat. Jesteśmy uczestnikami eksperymentu prowadzonego w skali całej światowej gospodarki. Nawet jeżeli transformacja stworzy więcej miejsc pracy, niż wyeliminuje, pozostaje inne pytanie: czy człowiek, którego miejsce pracy zniknie, będzie mógł wykonywać pracę, która właśnie powstała? Dlatego reskilling, lifelong learning i edukacja dorosłych muszą stać się jednym z fundamentów polityki gospodarczej.
A jeśli AI rzeczywiście przyniesie ogromny wzrost produktywności?
Wtedy pojawia się interesujące pytanie. Załóżmy, że za kilka czy kilkanaście lat człowiek przy pomocy AI będzie w stanie wykonać w godzinę pracę, która wcześniej zajmowała mu osiem godzin. Co zrobimy z pozostałymi siedmioma? Czy powiemy mu: świetnie, teraz wykonaj osiem razy więcej pracy? Być może. Ale może część tej technologicznej dywidendy możemy przeznaczyć na edukację, rodzinę, zdrowie, kulturę, twórczość, relacje społeczne, opiekę nad osobami starszymi czy aktywność obywatelską? Wtedy przestajemy rozmawiać wyłącznie o AI. Zaczynamy rozmawiać o tym, czemu właściwie ma służyć gospodarka.
Czy nie jest to zakwestionowanie idei wzrostu?
Europa pilnie potrzebuje wzrostu, konkurencyjności, inwestycji, przedsiębiorczości i innowacji. Ale wzrost jest środkiem, a nie odpowiedzią na pytanie o cel. Możemy stworzyć społeczeństwo niewyobrażalnie produktywne, które jednocześnie będzie samotne, spolaryzowane, nieufne i przestraszone przyszłością. Dlatego być może w przyszłości będziemy musieli zacząć mówić nie tylko o ekonomii efektywności, ale również o ekonomii odpowiedzialności. Technologia może dać nam niezwykłe narzędzia. Ale nie odpowie za nas na pytanie, jakiego świata chcemy.
Powinniśmy więc patrzeć na przyszłość z optymizmem czy z obawą?
Przyszłość powinna nas jednocześnie fascynować i niepokoić. Nie znamy architektury świata, który powstanie w następnej dekadzie. Nie wiemy, dokąd doprowadzi AI. Nie wiemy, jak zmieni się praca. Nie wiemy, jakie nowe technologie pojawią się obok niej. Nie wiemy nawet, jaki będzie kolejny kryzys. Nie możemy jednak odpowiadać na tę niewiedzę strachem ani próbą zatrzymania zmian. Musimy odpowiedzieć przygotowaniem i ambicją. Europa nie musi przewidzieć przyszłości, żeby mieć w niej swoje miejsce. Musi jednak być gotowa ją współtworzyć. Musimy inwestować w naukę, technologię, infrastrukturę i przedsiębiorstwa. Musimy zatrzymywać talenty i kapitał. Musimy nauczyć się szybciej przenosić odkrycia z laboratoriów do gospodarki. I musimy budować instytucje zdolne do uczenia się i adaptacji.
A Polska?
Polska nie powinna czekać, aż ktoś tę przyszłość zaprojektuje, a później zastanawiać się, jak się do niej dostosować. Powinniśmy być przy stole, przy którym ta przyszłość jest projektowana. Mamy ludzi, wiedzę, przedsiębiorczość i potencjał naukowy, żeby przy nim siedzieć. Uniwersytety mają w tym szczególną odpowiedzialność. Przez stulecia przygotowywaliśmy młodych ludzi do świata, który mniej więcej potrafiliśmy sobie wyobrazić. Dzisiaj nasze zadanie jest trudniejsze. Musimy przygotowywać ludzi do świata, którego jeszcze nie znamy. Ale musimy również przygotować do tego świata sam uniwersytet. I być może właśnie to jest dzisiaj najważniejszą misją nowoczesnego uniwersytetu.
