Rewolucja AI, która napędzała postęp w ostatniej dekadzie, zdaje się zwalniać. Z ust liderów branży, od Ilyi Sutskevera po Elona Muska, słyszymy alarmujące diagnozy: osiągnęliśmy „szczyt danych”. Skończyły się publicznie dostępne zasoby, na których można trenować coraz potężniejsze modele. Ta narracja sugeruje, że stoimy u progu ery stagnacji, w której AI będzie rozwijać się jedynie w sposób inkrementalny.

Jednak co, jeśli ta diagnoza jest fundamentalnie błędna? Co, jeśli problemem nie jest brak danych, ale nasza niezdolność do ich wykorzystania? Analiza przedstawiona w badaniu „Unlocking a Million Times More Data for AI” rzuca zupełnie nowe światło na ten kryzys. To nie jest problem niedoboru. To problem dostępu, zakorzeniony w zepsutych mechanizmach rynkowych, które zmuszają do chomikowania najcenniejszego zasobu XXI wieku. Proponowane rozwiązanie to nie kolejna techniczna sztuczka, ale fundamentalna zmiana paradygmatu, inspirowana jednym z największych sukcesów technologicznych w historii – projektem ARPANET.

Mit „szczytu danych”: dlaczego największe modele AI trenują na okruchach?

Historia postępu w AI to historia danych. Każdy przełom – od momentu ImageNet, przez Word2vec, aż po architekturę Transformer i modele GPT – był bezpośrednio napędzany przez skokowy wzrost ilości dostępnych danych. Uruchomienie potężniejszego algorytmu bez dodatkowych danych jest jak włożenie silnika od ciężarówki do sedana z bakiem paliwa wielkości naparstka.

Narracja o „szczycie danych” opiera się na założeniu, że wyczerpaliśmy już zasoby internetu. Ale jak duża jest ta „wyczerpana” pula? Największe modele językowe, takie jak Llama 4 Behemoth od Meta, trenowane są na zbiorach rzędu kilkuset terabajtów. To liczba, która brzmi imponująco, dopóki nie umieścimy jej w kontekście:

• Możesz dziś wejść do sklepu i kupić kilka dysków twardych, które zmieszczą cały zbiór treningowy najpotężniejszego modelu AI na kuchennym stole.

• Samsung sprzedaje smartfony z 1 TB pamięci. Karta SD o pojemności 2 TB ma rozmiar paznokcia.

Tymczasem globalne zasoby zdigitalizowanych danych szacowane są na 180-200 zettabajtów. Zettabajt to miliard terabajtów. Oznacza to, że ilość danych, na których trenujemy dzisiejszą AI, stanowi mniej niż jedną milionową całości. Dane istnieją. Po prostu nie są używane.

Prawdziwy kryzys: zepsuty rynek, który dusi innowacje

Problem leży w fundamentalnej wadzie rynku informacji. Gdy właściciel danych – szpital, bank, instytucja badawcza – udostępnia swój zbiór, traci nad nim wszelką kontrolę. Sprzedaje kopię, a nie oryginał. Ta kopia może być następnie powielana w nieskończoność, co obniża jej wartość i sprawia, że każdy nabywca staje się konkurentem w jej dalszej odsprzedaży.

Co gorsza, ten sam zbiór danych może być użyty do tysięcy różnych celów – od przełomu medycznego po optymalizację łańcucha dostaw. Właściciel nigdy nie jest w stanie uchwycić pełnej wartości, jaką jego dane generują.

W rezultacie najbardziej racjonalną strategią staje się nieudostępnianie. Giganci technologiczni nie sprzedają danych, które pozyskują. Zamiast tego budują na nich „fosy danych” (data moats), które stanowią rdzeń ich modelu biznesowego. Ta dynamika, która umożliwiła powstanie obecnych liderów AI, teraz staje się ich największym ograniczeniem. Laboratoria AI utknęły w pułapce: wyczerpały publicznie dostępne dane i zderzają się ze ścianą, próbując uzyskać dostęp do prywatnych zasobów, których właściciele nie mają żadnego interesu w ich udostępnianiu.

Rozwiązanie: kontrola oparta na atrybucji (ABC) – dane jako usługa, nie jako produkt

Wyobraźmy sobie dzisiejszą AI jako gigantyczny blender. Wrzucasz do niego swoje dane, które mieszają się z danymi wszystkich innych, a ty tracisz nad nimi wszelką kontrolę. Kontrola Oparta na Atrybucji (Attribution-Based Control, ABC) to fundamentalna zmiana tej architektury.

ABC to nie konkretna technologia, ale zestaw dwóch kryteriów, które musi spełniać system AI:

1. Właściciel danych musi mieć kontrolę nad tym, które konkretnie predykcje AI są wspierane przez jego dane.

2. Użytkownik AI musi mieć kontrolę nad tym, które źródła danych przyczyniają się do predykcji, którą otrzymuje.

Taki system przekształca dane z jednorazowego produktu w ciągłe źródło przychodu. Właściciel danych, podobnie jak muzyk otrzymujący tantiemy za każde odtworzenie utworu, zyskuje motywację do ich udostępniania, ponieważ zachowuje nad nimi kontrolę i zarabia za każdym razem, gdy generują one wartość. Zamiast chomikować dane, organizacje mogą je monetyzować, zachowując jednocześnie pełną kontrolę.

Jak to działa? Fundamenty technologiczne, które już istnieją

Wizja ABC nie jest futurystyczną fantazją. Opiera się na dwóch filarach technologicznych, które są już dziś dojrzałe i skalowalne.

• Partycjonowanie modeli (Atrybucja): To zdolność do utrzymywania matematycznej separacji między danymi pochodzącymi z różnych źródeł wewnątrz modelu AI. Technologie takie jak Mixture of Experts (MoE) czy Retrieval-Augmented Generation (RAG) już dziś pozwalają na tworzenie modeli, w których poszczególne komponenty mogą być własnością różnych podmiotów.

• Infrastruktura prywatności (Kontrola): To zestaw technologii zwiększających prywatność (Privacy-Enhancing Technologies, PETs), które pozwalają właścicielom danych uczestniczyć w procesie treningu bez ujawniania samych danych. Technologie takie jak enklawy w procesorach GPU (np. NVIDIA H100s), szyfrowanie homomorficzne czy bezpieczne obliczenia wielostronne (secure multi-party computation) tworzą infrastrukturę dla w pełni zaszyfrowanych i zdecentralizowanych przepływów pracy AI.

Narzut wydajnościowy tych technologii jest porównywalny z tym, co już dziś akceptujemy w przypadku protokołu HTTPS w internecie – to niewielka cena za dostęp do miliony razy większych zasobów danych.

Mapa drogowa: program w stylu ARPANET, aby uwolnić dane

Prywatny sektor, skupiony na budowaniu własnych „fos danych”, nie ma motywacji do tworzenia otwartej, interoperacyjnej infrastruktury, która przyniosłaby korzyści wszystkim. To tworzy wąskie gardło, w którym potencjał amerykańskiej AI jest ograniczony do tego, co może zebrać jedna firma.

Historia pokazuje jednak rozwiązanie. Tak jak w XX wieku rząd USA, poprzez programy ARPANET i NSFNET, stworzył fundamenty dzisiejszego internetu, łącząc izolowane superkomputery w jedną sieć, tak dziś może on zainicjować przejście od scentralizowanej AI do AI zasilanej sieciowo. Proponowana strategia opiera się na trzech krokach:

1. Ustanowienie programu rozwojowego ABC w ramach DARPA: Stworzenie małego, skoncentrowanego zespołu do zintegrowania istniejących technologii i budowy prototypu.

2. Wykorzystanie grantów NSF do subsydiowania wczesnych użytkowników: Zachęcenie uniwersytetów i instytucji badawczych do implementacji systemów ABC, czyniąc je standardową infrastrukturą badawczą ery AI.

3. Budowa międzynarodowych standardów ABC w NIST: Ustanowienie amerykańskich technologii jako globalnej normy dla etycznego i kontrolowanego udostępniania danych.

Rewolucja AI stoi na rozdrożu. Możemy kontynuować drogę silosów danych i oporu rynkowego, albo możemy zbudować autostrady danych dla AI, które uwolnią nową erę wspólnego postępu. Technologiczne składniki już istnieją, potrzeba jest pilna, a historia pokazała nam drogę.

FAQ – Najczęściej zadawane pytania

1. Czym Kontrola Oparta na Atrybucji (ABC) różni się od federacyjnego uczenia (Federated Learning)?
   Federacyjne uczenie jest jedną z technologii, która może być częścią systemu ABC – pozwala na trenowanie modeli bez centralizowania danych. ABC to jednak szersza koncepcja architektoniczna, która obejmuje nie tylko trening, ale także mechanizmy kontroli i monetyzacji na etapie wykorzystania modelu (inferencji), dając właścicielom danych precyzyjną kontrolę nad tym, jak i kiedy ich dane generują wartość.

2. Czy wdrożenie tych wszystkich technologii prywatności nie spowolni drastycznie treningu AI?
   Pewien narzut wydajnościowy jest nieunikniony, ale jest on porównywalny do kosztu, który już dziś ponosimy za bezpieczeństwo w internecie (HTTPS). Nowoczesne optymalizacje, takie jak akceleracja sprzętowa, sprawiają, że koszt ten staje się coraz bardziej pomijalny w stosunku do gigantycznej wartości, jaką daje dostęp do miliony razy większych zbiorów danych.

3. Czy system ABC jest przeznaczony tylko dla wielkich korporacji i rządów?
   Wręcz przeciwnie. Elastyczność proponowanej infrastruktury oznacza, że małe organizacje mogą korzystać z usług chmurowych opartych na bezpiecznych enklawach, podczas gdy większe instytucje mogą budować własne, lokalne węzły. Celem jest demokratyzacja dostępu do danych, umożliwiająca każdemu – od startupu po wielki szpital – bezpieczne uczestnictwo w gospodarce danych AI.

4. Jak ABC odnosi się do kwestii praw autorskich, która jest dziś tak paląca?
   ABC oferuje potencjalne rozwiązanie. Zamiast jednorazowego „oskrobania” danych z internetu, system oparty na atrybucji pozwala twórcom zachować własność i kontrolę nad swoimi dziełami. Mogliby oni udzielać licencji na wykorzystanie swoich danych do treningu konkretnych komponentów AI i otrzymywać wynagrodzenie za każdym razem, gdy te komponenty są używane, podobnie jak w systemie tantiem.

5. Co jest największą, nietechnologiczną barierą dla wdrożenia ABC?
   Największą barierą jest inercja i brak odpowiednich bodźców rynkowych. Obecni liderzy AI zbudowali swoje imperia na scentralizowanych „fosach danych” i nie mają naturalnej motywacji do budowy otwartego, interoperacyjnego ekosystemu. Dlatego właśnie, jak argumentują autorzy, potrzebna jest interwencja rządu, która, podobnie jak w przypadku ARPANET, stworzy wspólną infrastrukturę i zachęci do jej adopcji.