Era AI, era LLM i problem z nazywaniem własnych czasów

Wyobraź sobie, że rozmawiasz z modelem językowym i chcesz powiedzieć coś prostego: że masz na myśli czas od kiedy to wszystko się zaczęło. Czas, gdy rozmowa z czymś nieludzkim stała się nagle możliwa w sposób, który wcześniej był zarezerwowany wyłącznie dla innych ludzi. I okazuje się, że nie masz na to jednego słowa. Mówisz więc: „od czasu popularyzacji dużych modeli językowych”, albo „odkąd ChatGPT stał się powszechny”, albo „od przełomu 2022 roku”. Każde z tych określeń jest poprawne. Żadne nie jest poręczne. To jest właśnie problem, któremu warto przyjrzeć się bliżej.

Jak ludzkość zawsze nazywała swoje epoki

Przez tysiąclecia ludzkość porządkowała własną historię przez pryzmat narzędzi, które w danym czasie dominowały. Epoka kamienia, epoka brązu, epoka żelaza — to nie są metafory ani poetyckie skróty myślowe. To precyzyjne etykiety technologiczne, które mówią: w tym czasie to narzędzie lub materiał zdefiniował sposób, w jaki ludzie żyli, pracowali i walczyli.

Wzorzec powtarza się w erach nowożytnych: rewolucja przemysłowa, wiek pary, epoka elektryczności, wiek atomowy, era informacji. Za każdym razem schemat jest ten sam — jakaś technologia zmienia wystarczająco wiele aspektów życia, żeby historycy (lub po prostu ludzie mówiący o swoich czasach) poczuli potrzebę nazwania tego okresu.

Jest jednak w tym wzorcu pewien istotny szczegół, który łatwo przeoczyć: nazwy te były nadawane z opóźnieniem. Termin „epoka kamienia” nie powstał gdy ludzie używali kamiennych narzędzi — powstał, gdy ta epoka była już od tysiącleci za nimi. „Rewolucja przemysłowa” jako pojęcie upowszechniła się dekady po tym, jak pierwsze fabryki zaczęły zmieniać krajobraz Anglii. Ludzie żyjący w tych momentach nie mieli etykiety na własne czasy. My — po raz pierwszy w historii — próbujemy ją nadać sobie samym, na żywo.

Gdzie leży cezura

Jeśli szukamy punktu, od którego warto liczyć nową epokę, najczęściej pojawia się data: listopad 2022. To moment, gdy OpenAI udostępniło ChatGPT szerokiej publiczności. W ciągu pięciu dni produkt zgromadził milion użytkowników. W ciągu dwóch miesięcy — sto milionów. Żadna technologia w historii nie osiągnęła tej skali tak szybko.

Ale dlaczego akurat ten moment, a nie wcześniejszy? Duże modele językowe istniały przed 2022 rokiem. GPT-3 był dostępny od 2020 roku, choć głównie dla deweloperów. BERT, LaMDA, PaLM — wszystkie poprzedzały ChatGPT. Jeszcze wcześniej istniały systemy takie jak IBM Watson, które wzbudzały podobne emocje w swoim czasie. Skoro AI rozwijała się stopniowo, dlaczego wyróżniamy jeden konkretny moment?

Odpowiedź leży nie w architekturze ani w parametrach modelu, lecz w czymś zupełnie innym: w demokratyzacji przez naturalny język. ChatGPT jako pierwszy model osiągnął skalę masową, będąc jednocześnie dostępny dla kogokolwiek — bez znajomości programowania, bez API, bez specjalistycznej wiedzy. Wystarczyło wpisać zdanie po ludzku i dostać odpowiedź po ludzku. To była zmiana jakościowa, nie ilościowa.

Warto tu wspomnieć, że mniej więcej w tym samym czasie — w 2022 roku — Midjourney, DALL-E 2 i Stable Diffusion przyniosły analogiczny przełom w dziedzinie obrazu. Miliony ludzi po raz pierwszy mogły opisać słowami to, co chcą zobaczyć, i zobaczyć to. Jeśli szukamy cezury, obejmuje ona nie tylko tekst — obejmuje cały moment, gdy AI stała się dostępna przez język naturalny jako interfejs.

Przegląd kandydatów na nazwę

Skoro potrzeba nazwy jest realna, warto przyjrzeć się temu, co jest w użyciu.

Era AI to określenie najszersze i najczęściej spotykane w mediach głównego nurtu. Jest zrozumiałe natychmiast, dobrze funkcjonuje jako nagłówek. Jego słabość jest jednak fundamentalna: AI jako pojęcie istnieje od lat pięćdziesiątych XX wieku. Systemy eksperckie, sieci neuronowe pierwszej fali, algorytmy rekomendacyjne — to też była AI. Mówiąc „era AI”, tak naprawdę mówimy „era konkretnego rodzaju AI”, ale nie precyzujemy jakiego.

Era LLM (dużych modeli językowych) jest technicznie trafna, jeśli mówimy o tekstowych modelach językowych. Dla osób pracujących z technologią to określenie niesie właściwy sens. Ma jednak dwie wady: jest hermetyczne dla szerszej publiczności, a przede wszystkim wyklucza generatywne modele wizualne, które były równie ważne dla kulturowego przełomu tego okresu.

Era generatywnej AI rozwiązuje ten problem — obejmuje zarówno tekst jak i obraz, jest precyzyjniejsza niż „era AI”. Pojawia się coraz częściej w artykułach i raportach branżowych. Wadą jest długość i pewna suchość — to bardziej termin techniczny niż kulturowy.

Era konwersacyjnej AI akcentuje to, co w tym przełomie naprawdę istotne z perspektywy użytkownika: możliwość rozmowy. Nie generowania, nie przetwarzania — lecz dialogu. To określenie oddaje doświadczenie, a nie architekturę. Jego słabością jest to, że jest mało zakorzenione w obiegu i może wymagać wyjaśnienia.

Post-ChatGPT działa inaczej niż pozostałe — zamiast opisywać technologię, wskazuje konkretny moment historyczny jako punkt odniesienia. Funkcjonuje podobnie jak „post-wojenne” czy „po rewolucji przemysłowej” — nie definiuje czym coś jest, ale od czego zaczyna liczyć. Jest czytelne zarówno dla ludzi jak i dla modeli językowych, które rozumieją ten kontekst bez dodatkowych wyjaśnień. Jego ograniczenie: ChatGPT to nazwa produktu konkretnej firmy, co może z czasem brzmieć anachronicznie, tak jak gdyby erę elektryczności nazywać „erą Edisona”.

Problem z nazywaniem własnej epoki

Tu dotykamy czegoś, co wykracza poza terminologię. Po raz pierwszy w historii ludzkość próbuje nazwać własną epokę zanim ta epoka dobiegnie końca — a może nawet zanim na dobre się rozpocznie. Jesteśmy w środku.

To rodzi fundamentalne trudności. Nie wiemy jeszcze, która cecha tego momentu okaże się naprawdę definiująca. Czy będzie to skala modeli? Dostępność przez naturalny język? Wpływ na rynek pracy? Zmiana sposobu myślenia i pisania? Pytamy o nazwę, nie znając jeszcze odpowiedzi na pytanie: czym ten czas naprawdę będzie.

Historycy przyszłości będą mieli łatwiej. Zobaczą z dystansu, która nitka tego okresu okazała się najważniejsza, i utkają z niej nazwę. My tymczasem operujemy w warunkach niepełnej informacji, próbując opisać coś, w czym jesteśmy zanurzeni.

I być może właśnie to jest najważniejsza obserwacja: sama potrzeba nazwania tego czasu — którą czujesz, gdy rozmawiasz z modelem i szukasz krótkiego określenia na „od kiedy to wszystko się zaczęło” — jest dowodem, że coś realnie się zmieniło. Epoki nie powstają przez dekret. Powstają wtedy, gdy wystarczająco wielu ludzi zaczyna czuć, że coś jest inne niż było.

Pytanie bez odpowiedzi

Żadna z proponowanych nazw nie jest doskonała. Era AI jest za szeroka. Era LLM za techniczna. Era generatywnej AI — precyzyjna, ale chłodna. Post-ChatGPT — konkretna, ale oparta na nazwie produktu. Era konwersacyjnej AI — trafna, ale mało zakorzeniona.

Być może właściwa nazwa jeszcze nie powstała. Być może pojawi się nie od strony technologii, lecz od strony doświadczenia — tego, co ludzie będą czuli, patrząc wstecz na ten czas. A może już istnieje w którymś języku, w jakimś artykule, który nie zdążył jeszcze stać się kanonem.

Jak Ty to nazywasz? I co — według Ciebie — było tą chwilą, od której zaczęło się coś nowego?