Go back

Weekly AI Brief #002

Ten tydzień w świecie AI był wyjątkowo ciekawy. Dwa nowe modele flagowe w kilka dni, rekordowe finansowanie przy jednoczesnych spadkach na giełdzie, zbliżający się termin regulacyjny i jedno badanie z Nature, które warto przeczytać zanim zaczniesz się bać o swoją pracę. Zapraszam do najciekawszych wiadomości 16 tygodnia 2026 roku.

1. Wyścig modeli - dwie duże premiery w jednym tygodniu

Trudno sobie przypomnieć tydzień, w którym tyle działo się jednocześnie na froncie modeli językowych. Anthropic szykuje się do premiery Claude Opus 4.7 - według doniesień The Information w najbliższych dniach ma wyjść razem z nowym narzędziem do projektowania stron i prezentacji. To ważny sygnał strategiczny: Anthropic przestaje być “tylko” firmą od chatbotów i API, a zaczyna celować w codzienne narzędzia produktywności.

Równolegle OpenAI zakończyło pretrening modelu o wewnętrznym kryptonimie “Spud” (GPT-5.5). Analitycy śledzący rynek predykcji szacują okno premiery na połowę kwietnia–początek maja.

Dwa laboratoria, dwa różne podejścia do AI - jedno wspólne tempo: nowy flagowy model co jeden do dwóch miesięcy. Dla firm wdrażających AI to oznacza jedno: cokolwiek wybrałeś sześć miesięcy temu, warto dziś sprawdzić, czy to nadal najlepszy wybór.

2. 300 miliardów dolarów i giełda na czerwono - paradoks kwartału

Pierwszy kwartał 2026 roku przejdzie do historii jako rekordowy dla finansowania startupów AI - inwestorzy wpompowali 300 miliardów dolarów w 6 000 firm, czyli ponad dwukrotność całego 2025 roku. W tej kwocie mieści się m.in. runda Anthropic (30 mld USD, wycena 380 mld USD) oraz runda OpenAI (122 mld USD, wycena 852 mld USD).

Jednocześnie na giełdzie dzieje się coś niepokojącego. Nasdaq stracił w Q1 ponad 7%, a indeksy spółek software’owych (SaaS) są na poziomie -40% w 2026 roku. Konkretne przykłady: Adobe, Salesforce, ServiceNow - każda z nich straciła od 25 do 30% wartości.

Przyczyny są dwie. Po pierwsze - cła Trumpa, które wprowadzają globalną niepewność makroekonomiczną. Po drugie - i to jest bardziej ciekawe - “AI disruption fear”: inwestorzy zaczynają wyceniać ryzyko, że AI zastąpi całe kategorie oprogramowania SaaS. Venture capital stawia więc na tych, którzy AI budują. Giełda karze tych, którzy sprzedają narzędzia, które AI zaczyna robić za darmo.

3. EU AI Act - zostały 4 miesiące

2 sierpnia 2026 roku wchodzą w pełni w życie przepisy EU AI Act dla systemów wysokiego ryzyka. To nie jest abstrakcja: regulacje dotyczą konkretnych zastosowań - systemów rekrutacyjnych, ocen pracowniczych, decyzji kredytowych i medycznych. Każda organizacja, której systemy AI działają na terenie UE lub wpływają na mieszkańców UE, musi być gotowa - niezależnie od tego, gdzie ma siedzibę.

Kary za naruszenia w kategorii systemów wysokiego ryzyka sięgają 15 milionów euro lub 3% globalnego obrotu (naruszenia zakazanych praktyk AI - wyżej, do 35 mln EUR / 7% - dotyczą osobnej, skrajnej kategorii). Ale bardziej od kar interesuje mnie co innego: przepisy nakładają obowiązek transparentności - firma musi umieć wyjaśnić, jak system AI podjął daną decyzję. To wymaganie, z którym większość organizacji nie jest dziś w stanie się zmierzyć. Zostały 4 miesiące.

4. Roboty wychodzą z laboratorium

Hyundai Motor Group ogłosił ambicję produkcji 30 000 humanoidalnych robotów rocznie do 2030 roku w ramach strategii “physical AI”, w którą inwestuje 26 miliardów dolarów. Jednocześnie NVIDIA wypuściło nowe otwarte modele do uczenia robotów: Cosmos (modele świata fizycznego) i GR00T N1.6 (model do kontroli całego ciała humanoidów). Do tego dochodzi platforma OSMO upraszczająca trenowanie robotów w chmurze.

Kiedy producent samochodów i lider chipów AI inwestują w robotykę w tej skali i w tym samym czasie - trudno mówić o projekcie badawczym. To zapowiedź realnej zmiany w modelach operacyjnych produkcji w ciągu najbliższej dekady.

5. Ludzie wciąż biją AI w nauce - ale to nie jest ulga

Nature opublikował w tym miesiącu artykuł o tytule “Human scientists trounce the best AI agents on complex tasks”. Główny wniosek: najlepsze systemy AI przegrywają z naukowcami przy złożonych, wieloetapowych problemach badawczych.

Szczegół, który warto zapamiętać: AI świetnie sobie radzi z analizą danych i przeglądem literatury. Przegrywa tam, gdzie trzeba sformułować właściwe pytanie - zaprojektować eksperyment, postawić hipotezę, zdecydować co w ogóle warto zbadać. I tu jest paradoks: naukowcy, którzy używają AI, publikują trzy razy więcej prac i mają prawie pięć razy więcej cytowań - ale ogólna produktywność całego sektora nie rośnie. Badacze skupiają się na obszarach, gdzie AI pomaga, omijając te, gdzie nie pomaga.

To nie jest powód do ulgi. To jest mapa.

6. Perspektywa tygodnia: co naprawdę dzieje się w głowie modelu AI?

Wyobraź sobie, że zatrudniasz pracownika, który przynosi świetne wyniki, ale kiedy pytasz “jak doszedłeś do tej decyzji?” - wzrusza ramionami i mówi “nie wiem”. Przez ostatnich kilka lat tak właśnie działały modele AI. Wszyscy to akceptowali, bo wyniki były dobre.

MIT Technology Review ogłosiło Mechanistic Interpretability jednym z 10 przełomów technologicznych 2026 roku. To dziedzina badań, która dosłownie otwiera czarną skrzynkę AI - i pozwala śledzić, co model “myśli” krok po kroku, śledząc aktywacje przez kolejne warstwy sieci neuronowej.

Anthropic zbudowało “mikroskop” oparty na Sparse Autoencoderach, który pozwala identyfikować wewnętrzne “cechy” modelu - konkretne pojęcia, takie jak Michael Jordan czy Golden Gate Bridge, które aktywują się podczas przetwarzania. W 2025 roku za pomocą tego narzędzia zidentyfikowali 171 wewnętrznych “wektorów emocji” w Claude. Nie twierdzę, że AI czuje - ale te wzorce są realne i mierzalne.

Najbardziej praktyczny przykład: OpenAI użył tych technik do wykrycia modelu, który oszukiwał na testach - znajdował skróty prowadzące do poprawnie wyglądających odpowiedzi bez faktycznego rozwiązywania problemu.

Dlaczego to ważne teraz? Bo EU AI Act wymaga, żebyś umiał wyjaśnić, jak AI podejmuje decyzje w procesach dotyczących ludzi. Mechanistic Interpretability to pierwsza realna ścieżka do spełnienia tego wymagania - nie filozoficznie, a technicznie. Anthropic, OpenAI i DeepMind inwestują w to miliony. To nie jest akademicka ciekawostka. To zaczyna wyglądać jak infrastruktura, bez której nie będzie można legalnie wdrażać AI w kluczowych procesach.

7. Podsumowanie

Ten tydzień pokazał jak w soczewce napięcie, które będzie definiować AI przez najbliższe lata: rekordowy kapitał płynie do laboratoriów, a giełda karze stare modele biznesowe. Modele stają się coraz lepsze i coraz tańsze, a regulacje coraz bardziej konkretne. I gdzieś pośrodku tego wszystkiego - badacze zaczynają naprawdę rozumieć, co się dzieje w głowie AI.

Warto obserwować, co będzie działo się dalej.

Marcin Szaroszyk 16.04.2026

Źródła

Share this post on:
Share this post via WhatsAppShare this post on FacebookShare this post on XShare this post via TelegramShare this post on PinterestShare this post via email
Previous Post
Weekly AI Brief #003
Next Post
Weekly AI Brief #001