Silne sprzężenie z udziałem ludzi
Ludzie wzmocnieni AI przyspieszają postęp ponad trend. Utrzymany wzrost tempa to sygnał do zbadania pętli, nie jej dowód: może wynikać też ze wzrostu nakładów.
Insights · Atlas, zeszyt o AI nr 1 · Rekurencyjne samodoskonalenie AI
Gdzie jest eksplozja?
Rayan Krishnan prognozuje automatyzację badań AI w 2027 roku. Ramez Naam szacuje, że dzisiejsza pętla samodoskonalenia jest za słaba, by sama przyspieszała postęp. Obaj mogą mieć rację, bo mówią o dwóch różnych progach.
01
Dwa zegary
Jedna prognoza na 2027 i jedna diagnoza na dziś. Nie muszą się wykluczać.
Na przełomie września i października 2026 padły dwie odpowiedzi na pytanie, kiedy sztuczna inteligencja zacznie ulepszać samą siebie szybciej, niż robią to ludzie.
Rayan Krishnan, szef Vals AI (niezależne benchmarki), powiedział 3.10.2026, że według ich indeksu Anthropic osiągnie pełne RSI (recursive self-improvement) w lipcu lub sierpniu 2027. To prognoza: ekstrapolacja z ograniczonego zestawu zadań. Że stąd wynika pełna automatyzacja R&D, benchmark zakłada, a nie sprawdza.metodologia Vals
Ramez Naam, inwestor i futurolog, który opisał rewolucję solarną, zanim stała się oczywista, opublikował u Noaha Smitha diagnozę: przy jego założeniach (rozdz. 6) dzisiejsza pętla jest 5-10 razy za słaba, by podtrzymać samą siebie.
Rycina 1
Krishnan prognozuje, czy AI wykona pracę badacza. Naam szacuje, czy dzisiejsza pętla przyspiesza postęp.
Zegar 1 · Rayan Krishnan, Vals AI · wywiad 3.10.2026 · prognoza
VII-VIII 2027okno prognozy, ok. 9 miesięcy od wywiadu
„Pełne RSI” w Anthropic: praca inżynierów ML zostaje zautomatyzowana.
- Miara
- Indeks RSI Vals: zadania zastępcze z pre-trainingu, post-trainingu i harness engineeringu (np. model ma sam dotrenować model Qwen), zestawy testowe ukryte.
- Zastrzega
- RSI nie musi oznaczać szybkiego startu, pojawią się nowe wąskie gardła. Strona Vals pisze dziś ostrożniej: „nie wiadomo, kiedy RSI”.
Zegar 2 · Ramez Naam, Noahpinion · 28.09.2026 · diagnoza
2-3%wobec progu 15% lub 19% (dwie kalibracje)
Zysk produktywności badań na punkt zdolności, wobec progu, od którego pętla podtrzymuje się sama.
- Miara
- Logi eksperymentów OpenAI, ankieta Anthropic, indeks zdolności Epoch (ECI), model ekonomiczny pętli Cunninghama i in.
- Zastrzega
- „Mogę się mylić. Prognostycy wielokrotnie nie doceniali postępu AI.”
Przypis: rozbieżność źródeł
W wywiadzie Krishnan mówi o pięciu zadaniach zastępczych, dokumentacja indeksu z 1.10.2026 opisuje cztery i średnią z czterech. Której wersji dotyczyła prognoza, nie ustaliliśmy.
Próg A: automatyzacja pracy badacza ≠ próg B: samonapędzający się postęp
02
Pięć znaczeń samodoskonalenia
„RSI” to pięć różnych rzeczy. Większość sporów zaczyna się od pomylenia szczebli.
Naam proponuje taksonomię, która porządkuje dyskusję. Typy 1-4 zderzają się z malejącymi zwrotami. Dopiero typ 5, ucieczka do superinteligencji, wymaga zwrotów rosnących.
Prognoza Krishnana dotyczy typu 4 dla jednego zawodu, eksplozja to typ 5. Naam ocenia, że bez dużego przełomu koncepcyjnego typ 5 jest mało prawdopodobny; to opinia, nie pomiar.
Rycina 2
Dowody obejmują typy 1 i 2. Prognoza na 2027 dotyczy typu 4, eksplozja typu 5.
Pięć typów samodoskonalenia AI według R. Naama, ze stanem dowodów na koniec września 2026.
Tu byłaby eksplozja● ocena: wymaga przełomu
5
Ucieczka do superinteligencji
Cecha: każde pokolenie buduje następne szybciej niż poprzednie; wymaga rosnących zwrotów.
Tu mierzy Krishnan○ brak dowodów
4
W pełni autonomiczne R&D
Cecha: AI projektuje, trenuje i testuje własnego następcę bez człowieka, nadal przy malejących zwrotach.
3
AI samodzielnie testuje rozwiązania
Cecha: pętla eksperymentów bez człowieka w środku, ale na cudzym planie badań.
Tu jesteśmy● potwierdzone
2
Silniejszy model ulepsza słabszy
Cecha: stały „nauczyciel” zmienia kod treningowy mniejszego „ucznia”, uruchamia, ocenia, próbuje dalej; sam się nie poprawia. Tu Naam klasyfikuje autoresearch Karpathy'ego.
1
AI zwiększa produktywność ludzi
Cecha: człowiek prowadzi badania. Wg Naama inżynierowie Anthropic piszą 8× więcej kodu na osobę niż w 2024, w OpenAI ok. 7× (miary aktywności).
03
Benchmark a laboratorium
Benchmark, praca w laboratorium i prognoza mierzą trzy różne rzeczy. Zanim porównasz liczby, sprawdź jednostkę.
Horyzont zadań METR to długość zadania, liczona w godzinach pracy eksperta, przy której model osiąga 50% albo 80% skuteczności. Ostatnie opublikowane oszacowanie w pokazanej serii dotyczy wczesnej wersji Claude Mythos Preview z kwietnia 2026: 17,4 h przy 50% (8,5-55 h) i 3,1 h przy 80% (1,6-6,6 h). Powyżej 16 godzin zestaw METR przestaje mierzyć wiarygodnie.definicja METR
Dla nowszych modeli (GPT-5.6 Sol, GPT-6 Astra, Claude Fable 5.1, Opus 5.5) brakuje porównywalnych punktów w przytoczonej serii horyzontów METR. Oszacowania dla Sola METR sam uznał za niewiarygodne.METR o Solu
OpenAI (raport z 6.09.2026) mierzy coś innego: zadania, które badacze naprawdę zlecają agentom, z sukcesem bez interwencji człowieka. Naam odczytał z wykresu horyzont około 15 minut przy 80% (I-VII 2026). Ten sam raport ogłasza „automatycznego stażystę badawczego”, który pod kierunkiem człowieka wykonuje zadania na kilka dni.raport OpenAI
Tych liczb nie da się podzielić przez siebie: inne modele, okres, zadania i definicja sukcesu. Wniosek: dobry wynik benchmarku nie wystarcza do stwierdzenia gotowości do autonomicznych badań. Autonomia w laboratorium wymaga osobnego pomiaru.
A prognoza? Autorzy AI 2027 ocenili 16.08.2026, że rzeczywistość idzie w 70-90% tempa ich scenariusza, zależnie od doboru wskaźników. Ścieżka na rycinie 3 to ilustracja jednego wariantu, nie cały model.AI Futures, 16.08.2026
Przypis: szczegóły pomiarów
GPT-5.6 Sol (26.06.2026): ok. 11,3 h przy 50%; wynik zależał od traktowania prób obchodzenia zasad testu. Opusa 5.5 METR oceniał 22.09.2026 (rozdz. 4 i 8).
OpenAI: długość zadań szacuje klasyfikator; 15 minut to nie horyzont konkretnego modelu i tej liczby nie ma w tekście raportu. W ponad połowie udanych zadań na 4-8 godzin była co najmniej jedna interwencja człowieka.
AI Futures: 70-90% to zbiorcza ocena realizacji prognoz, nie stosunek horyzontów. Ścieżka na rycinie: 15 minut w III 2025, podwojenie co 4,5 miesiąca.
Rycina 3
Benchmark METR rośnie szybko. Pracy w laboratorium nie da się nałożyć na tę samą oś.
Horyzont METR przy 50% i 80% skuteczności oraz uproszczona ścieżka AI 2027; skala logarytmiczna. Panel boczny: odczyt OpenAI, inna miara.
METR, 50% skutecznościMETR, 80% skutecznościAI 2027, uproszczona ścieżka wykładnicza (80%)
Dane i status każdej liczby
| Model (premiera) | 50% (h) | 80% (h) | Status |
|---|---|---|---|
| o1 (XII 2024) | 0,65 | 0,12 | pomiar METR |
| Claude 3.7 Sonnet (II 2025) | 1,01 | 0,20 | pomiar METR |
| o3 (IV 2025) | 2,00 | 0,50 | pomiar METR |
| GPT-5 (VIII 2025) | 3,38 | 0,64 | pomiar METR |
| Claude Opus 4.5 (XI 2025) | 4,88 | 0,82 | pomiar METR |
| GPT-5.2 (XII 2025) | 5,87 | 1,10 | pomiar METR |
| Claude Opus 4.6 (II 2026) | 11,98 | 1,16 | pomiar METR |
| Gemini 3.1 Pro (II 2026) | 6,40 | 1,50 | pomiar METR |
| Claude Mythos Preview, wczesna (IV 2026) | 17,41 (8,5-55) | 3,10 (1,6-6,6) | ostatnie opublikowane oszacowanie w serii; >16 h poza wiarygodnym zakresem |
| GPT-5.6 Sol (VI 2026) | ok. 11,3 (5-40) | - | METR: nie jest wiarygodnym pomiarem (zależy od traktowania prób obejścia zasad); nie na wykresie |
| OpenAI, zadania badaczy (I-VII 2026) | - | ~0,25 | odczyt R. Naama z wykresu; inna miara; panel boczny |
| AI 2027, uproszczona ścieżka: 0,25 h w III 2025, podwojenie co 4,5 mies. | - | ~2,9 w VII 2026 | ilustracja jednego wariantu, nie cały model |
04
Łańcuch, którego połowy nie widać
Zużycie tokenów rośnie znacznie szybciej niż liczba eksperymentów. Przytoczone dane nie pozwalają ocenić, jak zmieniła się wartość odkryć.
Raport OpenAI pokazuje duże liczby: 124 razy więcej tokenów na badacza, około 7 razy więcej kodu na inżyniera. To miary aktywności. Najbliżej wyniku jest liczba eksperymentów: w sierpniu 2026 badacze uruchamiali ich na osobę 1,6 raza więcej niż średnio w 2025.
Dalej łańcuch się urywa: ile eksperymentów dało odkrycia, a ile odkryć lepsze modele, raport nie mówi. Naam szacuje, sam nazywając to spekulacją, że przy typowych malejących zwrotach 60% więcej eksperymentów to rząd 10% szybszego postępu.
Anthropic patrzy z drugiej strony. W dobrowolnej ankiecie 130 pracowników średni deklarowany wzrost produktywności to około 4×. Według karty systemowej do podwojenia tempa postępu potrzebny byłby wzrost „mniej więcej o rząd wielkości większy”, czyli rzędu 40×. To samoocena zestawiona z oszacowaniem modelowym, którego rachunku karta nie pokazuje.
„Wzrost produktywności nie przekłada się jeden do jednego na postęp zdolności.”Anthropic, karta systemowa Claude Mythos Preview (cyt. za R. Naamem)
METR w ocenie Opusa 5.5 (22.09.2026) relacjonuje wstępny szacunek: około 1,5× przyspieszenia postępu zdolności dzięki AI wewnątrz Anthropic, bez wglądu w dane i bez jasnego okresu. Z szacunkiem Naama dla OpenAI go nie zestawiamy.METR, 22.09.2026
Najmocniejszy kontrargument, który Naam sam przyznaje: lepszy badacz może robić mniej eksperymentów, ale trafniejszych. Dlatego ostatnie dwa ogniwa na rycinie są puste, nie zerowe.
Rycina 4
Od tokenów do postępu: im bliżej wyniku, tym mniejszy mnożnik i tym mniej pomiarów
Mnożniki „na osobę” w OpenAI, za R. Naamem. Skala logarytmiczna. Słupki mają różne populacje i okresy bazowe; ogniw przerywanych nikt tu nie mierzy.
Dane: populacja, okres bazowy, status
| Ogniwo | Mnożnik | Populacja | Mianownik / okres bazowy | Status |
|---|---|---|---|---|
| Tokeny | 124× | badacze OpenAI, na osobę | okres bazowy niepodany w omówieniu Naama | pomiar OpenAI (za Naamem) |
| Linie kodu | ~7× | inżynierowie OpenAI, na osobę | okres bazowy niepodany w omówieniu Naama | pomiar OpenAI (za Naamem) |
| Eksperymenty | 1,6× | badacze OpenAI, na osobę, VIII 2026 | średnia miesięczna z całego 2025 | pomiar OpenAI (za Naamem) |
| Użyteczne odkrycia | ? | - | - | brak w danych |
| Tempo postępu | ~1,1× | - | założenie: wykładnik 0,2 | spekulacja Naama |
05
Więcej paliwa, szybciej, ale nie wybuchowo
Wejścia rosną wykładniczo. Publiczny indeks zdolności przyspieszył wraz z modelami rozumującymi i od tego czasu rośnie po prostej.
Łączna moc chipów AI na świecie, z inferencją i projekcją na końcu okresu, wzrosła wg Epoch w nieco ponad trzy lata około 127 razy (II 2023-2026, ekwiwalenty H100). To kontekst infrastrukturalny, nie nakład na jeden model i nie zwrot z badań.Naam, rozdz. 5
Wraz z modelami rozumującymi trend indeksu zdolności Epoch (ECI) przyspieszył: około 14 punktów rocznie od o1 (IX 2024), wobec około 6 wcześniej. Samo to nie rozstrzyga, ile w tym rekurencyjnego samodoskonalenia, a ile zmiany przepisu (więcej mocy w inferencji, więcej RL). Od końca 2024 nie widać kolejnego zakrętu w górę.Epoch, 1.09.2026
„Uważamy, że wewnętrzne użycie najnowszych modeli AI było kluczowym czynnikiem utrzymania obecnego tempa postępu, ale nie widzimy jeszcze wyraźnych oznak dramatycznego przyspieszenia ponad to tempo.”Anthropic, karta systemowa Claude Fable 5.1 & Mythos 5.1 (kursywa Anthropic; cyt. za R. Naamem)
Przypis: rozbieżności źródeł
Epoch widzi skok poziomu i 2-3 razy szybszy trend; Naam dopasowuje do I 2024-IX 2026 jedną prostą (ok. 16 pkt/rok).
Kształt trendu zależy od skali: stały przyrost ECI może iść w parze z wykładniczym wzrostem horyzontu zadań (Epoch: +5 pkt ECI ≈ podwojenie horyzontu METR).
Naam podaje też ok. 3% PKB USA na infrastrukturę AI; to inny zakres niż globalna moc chipów, więc liczb nie łączymy.
Rycina 5
Stukrotnie więcej mocy obliczeniowej. Krzywa zdolności zakręciła raz, przy modelach rozumujących, i od tego czasu idzie po prostej
Dwa panele, każdy z własną osią. Schemat z punktów końcowych i nachyleń trendu, nie dane punktowe; odcinek kropkowany to projekcja.
06
Pętla
Pętla istnieje. Pytanie brzmi, czy każdy jej obrót daje więcej niż poprzedni, czy mniej.
Lepsze AI przyspiesza badania, badania dają lepsze AI. Tom Cunningham i współautorzy policzyli, ile musi dawać każdy dodatkowy punkt ECI, żeby ta pętla podtrzymywała się sama: około 15% więcej produktywności badań. Naam po korekcie kalibracji dostaje około 19%. To dwa warianty kalibracji; sam Naam radzi nie przywiązywać wagi do różnicy.Cunningham i in., s. 28-29
Stan obecny: z ankiety Anthropic Cunningham i in. dostają około 9%, z logów eksperymentów OpenAI Naam około 3%. Stąd jego luka 5-10×. Przy 9% luka to tylko 1,7-2,1×: wybór danych wejściowych waży więcej niż wybór progu.
Poniżej progu wzrost trwa, napędzany chipami, centrami danych i kapitałem, ale sama pętla programowa wygasa. Powyżej progu się rozpędza. Przesuń suwak.
Przypis: rachunek 3%
Korekta Naama opiera się na danych z eksperymentów nad silnikiem szachowym Stockfish.
1,6× więcej eksperymentów przy założonym przyroście +16 pkt ECI: 1,61/16 − 1 ≈ 2,98%. Rachunek łączy liczbę eksperymentów (aktywność) z założonym przyrostem ECI; nie mierzy jakości odkryć.
Zastrzeżenie Naama: kilka pętli naraz (oprogramowanie, sprzęt, gospodarka) może razem przekroczyć próg, choć każda osobno jest za słaba (model Davidsona, Halperina, Houldena i Korinka; Naam uważa go za zbyt optymistyczny w pętli programowej).
Rycina 6 · interaktywna
Poniżej progu każdy obrót pętli dodaje mniej niż poprzedni. Powyżej: więcej.
Ustaw zysk produktywności badań na punkt ECI i próg; zobacz przyrost z kolejnych obrotów. Ilustracja mechanizmu, nie prognoza w czasie: bez długości cyklu, kosztów i ograniczeń zasobów.
Próg:
07
Dwa progi na jednej mapie
Krishnan mierzy zdolność. Naam mierzy wzmocnienie. Jest scenariusz, w którym obaj mają rację.
Zdolność (próg A) to pytanie, czy model potrafi wykonać pracę inżyniera ML; indeks Vals pyta o to wprost. Wzmocnienie (próg B) to coś więcej niż przyspieszenie: AI może przyspieszać badania względem pracy bez AI (szacunek 1,5× z rozdz. 4) i wciąż być poniżej progu. Wzmocnienie oznacza tu, czy poprawa AI uruchamia sprzężenie wystarczająco silne, by kolejne obroty podtrzymywały lub zwiększały tempo postępu przy stałych nakładach zewnętrznych.
Scenariusz zgodny z oboma: w 2027 model wykonuje pracę inżyniera ML, a krzywa zdolności nadal rośnie po prostej. Automatyzacja znanego przepisu to wspinaczka po znanej górze.
„Prace są jak O-ringi. Gdy automatyzujesz część zadań, wąskie gardło przesuwa się na inne.”Theo, prowadzący wywiad z Krishnanem, który dodaje, że 7-9 miesięcy do pełnej automatyzacji „wydaje się trudne do uwierzenia”
Rycina 7
Scenariusz zgodny z prognozą Krishnana i diagnozą Naama
Prognoza Krishnana dotyczy osi poziomej, diagnoza Naama osi pionowej. Pola są rozłączne; tekst nie przypisuje im prawdopodobieństw.
Siła sprzężenia przy stałych nakładach (Naam) →
silne sprzężenie · niska autonomia
silne sprzężenie · wysoka autonomia
Warunki sprzyjające eksplozji
Typ 5: pętla powyżej progu, każdy obrót większy. Tempo w czasie rzeczywistym zależy też od długości cyklu i zasobów. Dziś brak danych, które by na to wskazywały.
słabe sprzężenie · niska autonomia
Wrzesień 2026
Typy 1-2. Zero zadań autonomicznych na wykresie Anthropic, pętla wg Naama ~3% na punkt ECI.
słabe sprzężenie · wysoka autonomia
Automatyzacja rzemiosła
Scenariusz zgodny z oboma: model wykonuje pracę inżyniera ML (Krishnan), krzywa zdolności nadal liniowa (Naam).
Zakres autonomicznego wykonania R&D (Krishnan) →
08
Dlaczego mądre kroki idą w bok
Dzisiejsze modele to świetni wykonawcy i słabsi odkrywcy. Świeże badanie sugeruje, jak trening może ograniczać eksplorację, i podsuwa częściowe lekarstwo.
Z korespondencji3.10.2026
PR
Praktyk · o własnych próbach
„Próbowałem w kilku podejściach zrobić harness, który doskonali się sam w sobie - to jeszcze łatwiejsze zagadnienie niż RSI pełnego AGI. Wrażenie: słabo to działa. Ten sam efekt co przy trudnych zadaniach - niby małe kroki, bardzo mądre i sensowne, ale w zupełnie bezsensowną stronę.”
To obserwacja z jednego warsztatu. Nowe źródła pozwalają ją rozłożyć na części.
Karta systemowa Opus 5.5. Anthropic pisze o własnym, najnowszym modelu:
„Jak poprzednie modele, jest słabszy w badaniach otwartych: użytkownicy wewnętrzni raportują, że głównie testuje przyrostowe pomysły i woli mniej ambitne hipotezy, a w prowadzonym przez ludzi ćwiczeniu z biologii trzymał się opublikowanej literatury i miał trudność z rozwijaniem nowych idei.”Anthropic, karta systemowa Claude Opus 5.5, sekcja 2.3.3 (cyt. za R. Naamem)
Na CoBench, benchmarku z historycznych problemów R&D w AI, Opus 5.5 zyskuje nad Opus 5 tylko 2,6 punktu procentowego, w granicach błędu. METR przypuszcza, przy dużej niepewności, że pełna automatyzacja R&D będzie wymagać dużego postępu w przewidywaniu, budowaniu własnych pętli informacji zwrotnej i „osądzie” badacza.METR, 22.09.2026
Sharpening Tax. Badacze Meta Superintelligence Labs (arXiv, 1.10.2026) opisują pasujący mechanizm. Trening RL „wyostrza” model: rośnie trafność pierwszej próby (pass@1), maleje korzyść z kolejnych prób. W obserwacyjnej analizie 42 kombinacji komercyjnych modeli i benchmarków „podatek” przy 128 próbach był dodatni w 36, co nie zawsze oznacza spadek pass@128.paper, §4
W eksperymencie kontrolowanym na Qwen2.5-7B-Instruct standardowy RL (PPO) w Sokobanie ponad dwukrotnie podnosi pass@1, a pass@128 spada o 28% względnie. Lekarstwo, PTGS, to temperatura próbkowania dobierana do trudności zadania podczas treningu RL: podnosi obie miary naraz i odzyskuje około 68% ubytku pass@128 w Sokobanie i 39% we FrozenLake.paper, §5, tab. 5
Analiza komercyjnych modeli nie ustala przyczyny słabości Opusa w odkryciach. Pokazuje mechanizm spójny z obserwacjami i to, że nie jest nieuchronny.
Gdzie pętla działa. Tam, gdzie weryfikacja jest tania i automatyczna. Poteto (Cursor, dziś SpaceX AI) mówi, że w miesiąc „wypuścił” 2000-2500 PR, bo jego agenci sami uruchamiają aplikację i sprawdzają swoją pracę, a człowiek rano przegląda próbki (nagranie, 39:12; anegdota, nie pomiar, duża część to porządkowanie kodu). Kent Beck o próbach bez człowieka w pętli: „zawsze wypada z torów” (Prodacity 2026, 31:00). Kierunek badań nie ma taniego weryfikatora.
Rycina 8
W dwóch środowiskach standardowy RL podnosi pierwszą próbę i obcina zasięg. PTGS w treningu odzyskuje część straty.
Eksperyment kontrolowany: Qwen2.5-7B-Instruct, średnia z 5 przebiegów. Kropka pusta = pass@1 (trafność pierwszej próby), pełna = pass@128 (zasięg). Długość odcinka = ile daje powtarzanie prób.
punkt wyjścia (przed RL)PPO (standardowy RL)PPO + PTGS (temperatura adaptacyjna w treningu)pass@1pass@128
Dane
| Środowisko | Model | pass@1 (%) | pass@128 (%) | Odzyskany ubytek pass@128 |
|---|---|---|---|---|
| Sokoban | Punkt wyjścia | 20,7 | 76,6 | - |
| Sokoban | PPO | 46,5 | 55,0 | ubytek 21,6 pp |
| Sokoban | PPO + PTGS | 61,1 | 69,7 | 14,7 / 21,6 = 68% |
| FrozenLake | Punkt wyjścia | 26,3 | 89,1 | - |
| FrozenLake | PPO | 63,7 | 74,1 | ubytek 15,0 pp |
| FrozenLake | PPO + PTGS | 65,0 | 80,0 | 5,9 / 15,0 = 39% |
09
Co zmieniłoby ocenę
Nie pytajmy, kto ma rację. Pytajmy, która obserwacja przestawiłaby który zegar.
Z korespondencji3.10.2026
PR
Praktyk · o prognozowaniu
„Punkt 9 definiuje w założeniach pod raport: brak wielkiej innowacji, takiej jak transformery. Jeśli tylko zanegujesz tę przesłankę, według mnie cały raport się sypie.”
Intuicja trafna, z dwiema poprawkami. Ta sama przesłanka podtrzymuje zegar Krishnana, który ekstrapoluje dzisiejszy przepis na budowę modeli. A u Naama przełom nie unieważnia analizy, tylko wymusza ponowną kalibrację; silniejsze sprzężenie może dać też lepszy osąd modeli, pamięć, dane albo połączone pętle. Malejące zwroty nie przyszły zresztą z Transformerem: krzywe skalowania z malejącymi zwrotami dopasowywano już w 1993.
Rycina 9
Pięć sygnałów, kryterium dla każdego i co kontrolować
Warunki zmiany oceny wymienione lub zasugerowane przez R. Naama, przełożone na obserwacje.
Sygnał 1 · zegar Naama
Więcej użytecznych odkryć przy stałych zasobach
Kryterium: wzrost liczby odkryć włączonych do modeli produkcyjnych na jednostkę compute i godzinę pracy ludzi, w dwóch kolejnych cyklach. Kontrolować: jakość odkryć, compute, czas ludzi.
Sygnał 2 · zegar Naama
Lepszy „osąd” badawczy modeli
Kryterium: mniej eksperymentów na odkrycie, mierzone na zadaniach spoza danych treningowych (np. nowe edycje CoBench), bez spadku jakości. Kontrolować: kontaminację i dobór zadań.
Sygnał 3 · oba zegary
Przełom architektoniczny
Kryterium: nowa metoda, po której trend ECI lub horyzontu utrzymuje wyższe nachylenie przez co najmniej dwa cykle, nie tylko skok poziomu. Kontrolować: zestaw zadań i compute.
Sygnał 4 · zegar Naama
Połączone pętle
Kryterium: skracający się czas od projektu chipu do wdrożenia i rosnący udział AI w tym projekcie, przy stabilnym koszcie jednostkowym. Kontrolować: subsydia i ceny energii.
Sygnał 5 · zegar Krishnana
Horyzont na prawdziwej pracy
Kryterium: horyzont na zadaniach zlecanych przez badaczy (ostatni odczyt: ok. 15 min) rośnie przy stałej metodologii i zbliża się do wartości benchmarkowych. Kontrolować: definicję sukcesu i interwencji.
10
Mapa dla inwestora
Nie pytaj, kiedy przyjdzie eksplozja. Pytaj, jak szybko i jak wiarygodnie da się sprawdzić wynik, i którą zmienną AI naprawdę porusza.
Z korespondencji, w skrócie1-3.10.2026
PR
Praktyk · 1.10
Wygrywa ten, kto może powiedzieć, że jego cyfrowy pracownik jest lepszy niż ten od OpenAI. Wyróżniki: brak vendor locka, specjalizacja sektorowa i human in the loop as a service.
PR
Praktyk · 3.10 · opinia
Inwestować w cyfrowego juniora lub mida albo w usługę z nadzorem człowieka. W pełni samodzielnego cyfrowego lekarza, prawnika czy naukowca bez przełomu w architekturze AI nie widać.
Analiza z tego tekstu daje tej opinii kryterium. Autonomii sprzyja szybka i wiarygodna weryfikacja, zwłaszcza gdy koszt błędu jest ograniczony, a wynik można sprawdzić przed użyciem. Naam spodziewa się wąskiej superinteligencji tam, gdzie maszyny same generują dane i sprawdzają wynik: w szachach i go, w matematyce formalnej, w częściach programowania i cyberbezpieczeństwa. Im dalej od takiej weryfikacji, tym bardziej opłaca się model mieszany: AI wykonuje, ekspert prowadzi i ocenia.
Dotyczy to zadań, nie dziedzin: programowanie zawiera zmianę z pełnym zestawem testów i decyzję o architekturze, biotech dokowanie in-silico i punkt końcowy badania klinicznego. W biotechu działa przy tym prawo Erooma: w latach 1950-2010 realny koszt R&D na nowy zatwierdzony lek podwajał się mniej więcej co 9 lat. AI najszybciej skróci etapy weryfikowalne w oprogramowaniu, ale wartość tworzy też niższym kosztem i lepszą selekcją (rycina 10b).Scannell i in., 2012
Rycina 10a
Im szybsza i wiarygodniejsza weryfikacja zadania, tym bliżej autonomicznego agenta
Przykładowe zadania, nie całe dziedziny, według czasu i wiarygodności sprawdzenia wyniku.
Rycina 10b
W łańcuchu wartości leku AI porusza trzy dźwignie. Szybkość jest tylko jedną z nich
Ramowanie jakościowe, nie dane. Kropki: ocena autora, jak szybko da się zweryfikować wynik etapu (5 = godziny-dni, 1 = lata na ludziach).
| Etap | Szybkość weryfikacji | Główna dźwignia AI | Pytanie do zarządu |
|---|---|---|---|
| Odkrycie celu | P(sukcesu) | Czy AI zmienia, które cele wybieracie, czy tylko jak szybko je opisujecie? | |
| Projekt in-silico | czaskoszt | Ile kandydatów odrzucacie wcześniej niż przed AI? | |
| Laboratorium mokre | kosztP(sukcesu) | Czy AI projektuje eksperymenty, czy tylko je dokumentuje? | |
| Przedklinika | P(sukcesu) | Czy szybciej zamykacie projekty skazane na porażkę? | |
| Badania kliniczne | kosztP(sukcesu) | Rekrutacja, dobór pacjentów, projekt badania - co z tego jest mierzone? |
czas skrócenie etapukoszt taniej za to samoP(sukcesu) lepsza selekcja
Cztery pytania do każdej spółki z „AI” w prezentacji
1
Którą zmienną AI realnie porusza: czas, koszt czy prawdopodobieństwo sukcesu?
I czy ten etap leży na ścieżce krytycznej, czy obok niej. To pytanie o O-ring.
2
Jak szybki i jak wiarygodny jest weryfikator, i ile kosztuje niewykryty błąd?
Gdzie na spektrum z ryciny 10a leżą automatyzowane zadania? Od tego zależy, czy agent może pracować sam.
3
Czy mierzycie wynik, czy aktywność?
Tokeny, linie kodu i liczba PR to wysiłek. Rycina 4 pokazuje, jak daleko bywa od 124× tokenów do postępu.
4
Czy dodatkowe próby poprawiają wynik przy akceptowalnym koszcie, i czy potraficie wiarygodnie rozpoznać sukces?
Model dostrojony RL-em pod wąską domenę może być powtarzalny, a rozwiązywać mniej problemów. Czy ktoś mierzył pass@K razem z kosztem prób?
Źródła
- R. Naam, „Where's the 'intelligence explosion'?”, Noahpinion, 28.09.2026; przedruk: Asia Times. Źródło taksonomii (rozdz. 2), odczytu „15 minut” (rozdz. 3), mnożników OpenAI (rozdz. 4), 127× i 3% PKB USA (rozdz. 5; 3% w przypisie), progów 15%/19% i rachunku 3% (rozdz. 7).
- R. Krishnan (Vals AI) w MTS, „Anthropic Will Reach Full RSI by August 2027”, 3.10.2026, YouTube (prognoza 04:13; pięć zadań 11:33). Dokumentacja indeksu: vals.ai/benchmarks/rsi_index (stan 1.10.2026: cztery zadania).
- METR, Time Horizons (definicja, dane 1.1); ocena GPT-5.6 Sol, 26.06.2026; ocena Claude Opus 5.5, 22.09.2026 (szacunek ~1,5×, osąd badacza).
- OpenAI, „Research acceleration: The view inside OpenAI”, 6.09.2026.
- AI Futures Project, „Q2.5 2026 timelines update”, 16.08.2026 (70-90% tempa); AI 2027, Timelines Forecast.
- Epoch AI, trend frontier ECI, 1.09.2026; „Have AI capabilities accelerated?”, 16.04.2026; ECI.
- T. Cunningham i in., „The Economics of Recursive Self-Improvement” (progi: s. 28-29); Elasticity Institute, „How to Measure RSI”.
- C. Oh, Q. Zeng, Q. Qi, A. Zhmoginov, D. Lei, Y. He, H. Phan, H. Kang, A. Mirhoseini, S. Li, „Sharpening Tax in Post-Training”, arXiv 2610.01509, 1.10.2026 (36/42: §4; PTGS: §5, tab. 5).
- Poteto i M. Pocock, „Shipping 1,000's of PRs a month at SpaceX”, 3.10.2026, YouTube (39:12).
- K. Beck, „Software Engineering in the Age of AI”, Prodacity 2026, 29.09.2026, YouTube (31:00).
- A. Karpathy, autoresearch (typ 2 wg Naama).
- J. W. Scannell i in., „Diagnosing the decline in pharmaceutical R&D efficiency”, Nature Reviews Drug Discovery, 2012 (prawo Erooma, dane 1950-2010).
- Cytowane za R. Naamem, bez dostępu do pełnych tekstów: karty systemowe Claude Mythos Preview, Claude Fable 5.1 & Mythos 5.1, Claude Opus 5.5 (sekcja 2.3.3); wykres Anthropic o udziale AI w R&D; T. Davidson, B. Halperin, T. Houlden, A. Korinek.
Metoda i status liczb. Każda kluczowa liczba ma w tekście odsyłacz i jeden ze statusów: pomiar (METR, logi OpenAI), samoocena (ankieta Anthropic), odczyt z wykresu (15 min, Naam), obliczenie autora (2,98%; 68%/39%), oszacowanie (1,5× METR; ~40× Anthropic), prognoza (Krishnan, AI 2027). Liczby z kart systemowych cytujemy za artykułem Naama i oznaczamy. Ryciny 5 i 6 to schematy i ilustracje mechanizmu. Ryciny 7, 9, 10a i 10b to ramowanie autora. Źródła zewnętrzne z rewizji 2 (METR Sol, METR Opus 5.5, AI Futures, Epoch, Vals) sprawdzono 8.10.2026 bezpośrednio pod podanymi adresami.
Rozmawiasz z inżynierami,
nie z handlowcami.
Bez prezentacji sprzedażowej i bez serii 14 maili. Napisz, co budujesz albo co się psuje, a my powiemy wprost, czy umiemy pomóc.
Sprawy biznesowe
office@itsg-global.com
Rekrutacja
recruitment@itsg-global.com
Biuro
Pl. Inwalidów 10, 01-552 Warszawa