OpenAI opublikowało 1 października 2026 esej „The Eternal Complement", w którym Hemanth Asirvatham i Elliott Mokski stawiają tezę, że wąskim gardłem postępu nie jest pomysł, lecz jego wykonanie. Im więcej hipotez generuje model, tym droższa staje się ich weryfikacja w świecie fizycznym.
Najważniejsze w skrócie
- Esej ukazał się 1 października 2026 na platformie Intelligence Age OpenAI
- Teza: inteligencja maszynowa i „inteligencja instytucjonalna"?Inteligencja instytucjonalna: Zdolność organizacji do wykonania pomysłu: koordynacji ludzi, sprzętu i procedur w skali, której jedna osoba nie obejmie., czyli zdolność wykonania, są dobrami komplementarnymi
- Liczba badaczy potrzebna do utrzymania prawa Moore'a?Prawo Moore'a: Obserwacja z 1965 roku, że liczba tranzystorów w układzie podwaja się w stałych odstępach czasu. Nie jest prawem fizyki, tylko trendem utrzymywanym nakładami. wzrosła ponad 18-krotnie od początku lat 70.
- Przywołane w eseju dane: produktywność badawcza spadła o 41% przy 23-krotnym wzroście nakładów
- Dwie ścieżki rozwoju: „głęboka cywilizacja" oparta na rozumowaniu i „szeroka" oparta na eksperymencie
Komplementarność, nie zastępowalność
Asirvatham i Mokski ujmują to jednym obrazem: genialny umysł maszyny projektuje pomniki, a instytucje kładą kamienie. Ilustracją jest Kosmiczny Teleskop Jamesa Webba — koszt rzędu 10 mld dolarów (ok. 36,5 mld zł), 300 instytucji z 14 krajów i tolerancje wykonania liczone w dziesiątkach nanometrów.
Dane, które podpierają tezę
Najmocniejszy punkt pochodzi z pracy Nicholasa Blooma, Charlesa Jonesa, Johna Van Reenena i Michaela Webba z „American Economic Review" z 2020 roku: żeby utrzymać podwajanie gęstości tranzystorów, potrzeba dziś ponad 18 razy więcej badaczy niż na początku lat 70.
| Wskaźnik | Zmiana |
|---|---|
| Badacze potrzebni do utrzymania prawa Moore'a | ponad 18× więcej niż na początku lat 70. |
| Produktywność badawcza | −41% przy 23-krotnym wzroście nakładów |
| Zatrudnienie techników wobec naukowców | rośnie dwa razy szybciej |
| Koszt nowoczesnej fabryki chipów | pięć razy wyższy niż trzydzieści lat temu |
| Kosmiczny Teleskop Jamesa Webba | ≈ 10 mld USD, 300 instytucji, 14 krajów |
Głęboka albo szeroka cywilizacja
Dalej pojawia się rozwidlenie. „Głęboka cywilizacja" maksymalizuje rozumowanie i minimalizuje eksperyment: wiedza rośnie myśleniem, bo luki w opisie przyrody same się odsłaniają. „Szeroka cywilizacja" przyjmuje odwrotne założenie i stawia na eksperyment w dużej skali.
Przykładem jest rozwój leków, gdzie więcej kandydatów wygenerowanych przez AI oznacza po prostu większe wąskie gardło w weryfikacji. Asirvatham i Mokski stawiają na drugi scenariusz, a stąd wniosek: wykonanie wyprzedzi pomysł jako zasób najbardziej deficytowy.
Dlaczego to ważne?
Stanowisko jest niewygodne dla obu stron sporu o AI. Entuzjastom odbiera obietnicę, że sama inteligencja maszynowa wystarczy, a sceptykom odbiera argument, że modele nie zmieniają gospodarki. Jeśli komplementarność jest realna, rosnąca podaż pomysłów podnosi wartość laboratoriów, linii produkcyjnych i techników, zamiast ją obniżać. To przestawia pytanie o wpływ AI na rynek pracy z zastępowania na przepustowość. Dla inwestorów oznacza to, że mnożnik wartości może leżeć poza samymi modelami.
Co dalej?
- Esej nie zapowiada produktu ani modelu — to stanowisko OpenAI w sporze o lokalizację wąskiego gardła, nie roadmapa
- Teza jest mierzalna: jeśli produktywność badawcza?Produktywność badawcza: Liczba nowych idei uzyskiwana na jednostkę nakładów badawczych — na badacza albo na wydane pieniądze. Spada, gdy ten sam postęp wymaga coraz większych zespołów. przestanie spadać przy rosnących nakładach, argument o wykonaniu jako zasobie deficytowym osłabnie
Źródła
- TMTPost — OpenAI 新文章把超级智能拉回执行层，十亿个爱因斯坦也要有人去采矿
- American Economic Review — Are Ideas Getting Harder to Find?
