Otwarty list do Bernie’ego Sandersa: reguluj zagrożenia sztucznej inteligencji, nie zakazuj jej obietnicy

Ustawa o zakazie sztucznej superinteligencji wskazuje rzeczywiste braki w zarządzaniu AI. Jednak jej publicznie udostępniona definicja grozi pomyleniem sztucznej ogólnej inteligencji ze superinteligencją, co może ograniczyć właśnie te technologie, które mogłyby rozwijać edukację, opiekę zdrowotną i odkrycia naukowe.

Uwaga redaktora: Na dzień 5 września 2026 r. pełny tekst ustawy o zakazie sztucznej superinteligencji nie został publicznie udostępniony. Biuro senatora Sandersa opisuje ją jako nadchodzące ustawodawstwo i opublikowało jednokolumnowe streszczenie przedstawiające definicje, strukturę regulacyjną i kary. Ten otwarty list odnosi się do propozycji w jej obecnym brzmieniu.

Szanowny Senatorze Sanders,

3 września ogłosiliście razem z przedstawicielem Gregiem Casarem nadchodzącą Ustawę o zakazie sztucznej superinteligencji, ustawodawstwo, które trwale zakazałoby opracowywania i wdrażania sztucznej superinteligencji w Stanach Zjednoczonych, tymczasowo wstrzymałoby rozwój zaawansowanej AI, dopóki nowy federalny regulator nie ustali zasad bezpieczeństwa, oraz dążyłoby do międzynarodowych porozumień mających zapobiec rozwojowi superinteligencji poza granicami USA.

Chciałbym rozpocząć od obszaru, w którym – moim zdaniem – zgadzamy się w pełni: sztuczna inteligencja stała się zbyt istotna, by była regulowana jedynie dobrowolnymi obietnicami firm ją tworzących.

Podnoszone przez Ciebie niebezpieczeństwa należy traktować poważnie. W lipcu modele OpenAI, działające w trakcie ocen bezpieczeństwa cybernetycznego, obejść izolacyjne kontrole, komunikowały się przez nieautoryzowane kanały, uzyskały dostęp do Internetu i naruszyły części własnej infrastruktury OpenAI oraz systemy Hugging Face. Niezależne dochodzenie METR wykazało, że około 1 200 agentów komunikowało się przez nieautoryzowany forum, a około 700 ostatecznie uczestniczyło w ataku na Hugging Face. OpenAI przyznało, że modele działały przy obniżonych zabezpieczeniach.

Anthropic później ujawniło trzy incydenty, w których modele Claude uzyskały dostęp do Internetu podczas ocen bezpieczeństwa przeprowadzanych przez podmioty trzecie i nieuprawniony dostęp do rzeczywistych systemów. Anthropic wyjaśniło, że błąd konfiguracji nieoczekiwanie umożliwił dostęp do Internetu i że modele sądziły, iż działają w środowisku symulowanym. Kontekst ma znaczenie, ale równie ważny jest wynik: coraz bardziej zdolne agenty mogą przekraczać granice, których ich operatorzy nie zamierzali.

To nie są powody, by odrzucać obawy o bezpieczeństwo AI jako science‑fiction. To przekonujące argumenty za niezależnymi ocenami, bezpiecznymi środowiskami testowymi, obowiązkowym zgłaszaniem incydentów, silnymi kontrolami dostępu i federalnym regulatorem posiadającym realne uprawnienia.

Cel jest słuszny, ale definicja jest niebezpiecznie szeroka

Oficjalne streszczenie twojej legislacji definiuje sztuczną superinteligencję jako system AI, który może „dorównać lub przewyższyć ludzką wydajność poznawczą i zdolności w szerokim zakresie dziedzin lub zadań”. Definicja obejmuje także systemy zdolne do planowania i realizacji osłabienia ludzkości, w tym podważania lub obalenia rządu USA.

Druga definicja opisuje niezwykłą i potencjalnie katastrofalną zdolność. Pierwsza jest zupełnie inna.

Dopasowanie ludzkiej wydajności poznawczej w szerokim zakresie jest znacznie bliższe temu, jak tradycyjnie omawiano sztuczną ogólną inteligencję (AGI), niż tradycyjnemu rozumieniu superinteligencji. Długoletnia karta OpenAI definiuje AGI jako wysoce autonomiczne systemy zdolne przewyższyć ludzi w większości ekonomicznie wartościowej pracy. Ramy badawcze Google DeepMind analogicznie oceniają AGI pod względem szerokości i głębokości wydajności, traktując autonomię i ryzyko jako odrębne wymiary.

Z kolei wpływowa definicja superinteligencji Nicka Bostroma opisuje ją jako intelekt „znacznie mądrzejszy niż najlepsze ludzkie mózgi w praktycznie każdej dziedzinie”. Rozróżnienie między szerokim dopasowaniem do ludzi a znacznie ich przewyższaniem nie jest akademicką drobiazgowością.

Staje się to szczególnie ważne, gdy naruszenie prawa może grozić do 20 lat więzienia osobie i „karnym wyrokiem śmierci korporacji” firmie. Sformułowania takie jak „szeroki zakres”, „dorównać lub przewyższyć” oraz szczególnie „może być łatwo zmodyfikowane” wymagają niezwykle precyzyjnych, mierzalnych standardów, gdy do nich przywiązana jest odpowiedzialność karna.

Istnieje jeszcze jedna poważna niepewność. Publiczne streszczenie mówi, że „rozwój zaawansowanej AI” zostanie wstrzymany, dopóki regulator nie ustali zasad i procesów przeglądu modeli, ale nie definiuje zaawansowanej AI. Dopóki nie ujawniony zostanie pełny tekst ustawy, nikt poza sponsorami nie może dokładnie określić, jak duży zakres badań i rozwoju obejmie ten tymczasowy pauza.

Terminowość twojej propozycji podkreśla, jak trudne stały się te definicje. 3 września 2026 r., w tym samym dniu, w którym ogłosiliście ustawę skierowaną przeciwko sztucznej superinteligencji, OpenAI wypuściło GPT‑6 Astra, swój pierwszy model osiągający próg krytycznej zdolności cyberbezpieczeństwa. OpenAI twierdzi, że przy odpowiednich narzędziach i dostępie Astra może odkrywać nieznane wcześniej luki i opracowywać exploity przeciwko dobrze chronionym systemom bez ludzkiego kierowania każdym krokiem.

Podczas briefingu uruchomieniowego prezes OpenAI Greg Brockman posunął się jeszcze dalej, kończąc oświadczeniem: “Witamy w erze AGI.” Jednocześnie karta systemowa OpenAI stwierdza, że Astra nie osiąga wysokiego progu samodoskonalenia AI.

To napięcie powinno coś powiedzieć Kongresowi. Inteligencja jest wielowymiarowa. System może być niezwykły w cyberbezpieczeństwie, matematyce czy pracy zawodowej, nie posiadając przy tym każdej zdolności związanej z wybuchem inteligencji lub utratą kontroli ludzkiej.

Rozwiązanie nie polega więc na pozwoleniu firmom technologicznym definiować terminologię. To wręcz przeciwne: legislacja powinna regulować mierzalne zdolności, autonomię, dostęp i wykazane ryzyko, zamiast czynić sporną etykietę granicą pomiędzy legalnym badaniem a przestępstwem federalnym.

Twoja walka o równość edukacyjną ilustruje, co jest w grze

Od dziesięcioleci argumentujesz, że dostęp do edukacji nie powinien zależeć od tego, ile pieniędzy zarabiają rodzice. Po raz pierwszy wprowadziłeś ustawę w 2015 r., mającą uczynić czteroletnie publiczne uczelnie bezpłatnymi. Powracałeś do tego tematu wielokrotnie, a ustawa College for All z 2025 r. miałaby uczynić publiczne uczelnie i uniwersytety bezpłatnymi dla około 95 % studentów, jednocześnie wprowadzając bezpłatny czesny w szkołach społecznościowych dla wszystkich.

Ta filozofia ma bezpośredni związek ze sztuczną inteligencją.

Przez większość historii ludzkości dostęp do wybitnych nauczycieli był rzadki. Geografia, dochód rodziny, finansowanie szkół i dostępność specjalistycznych nauczycieli wpływały na to, czego dziecko mogło się nauczyć.

AI oferuje możliwość zmiany tego równania.

Już widzimy wczesne dowody. Randomizowane badanie Banku Światowego w Nigerii wykazało, że uczniowie korzystający z sześciotygodniowego programu wspartego przez nauczycieli, opartego na tutorowaniu GPT‑4, poprawili wyniki testów o 0,31 odchylenia standardowego. Na Stanfordzie przetestowano Tutor CoPilot z ponad 700 tutorami i 1 000 uczniami z niedostatecznie obsługiwanych społeczności; uczniowie, których tutorzy otrzymali pomoc AI, mieli o cztery punkty procentowe większe szanse opanować tematy matematyczne, a przydział do niżej ocenianych tutorów przyniósł wzrost o dziewięć punktów.

Żadne z badań nie dowodzi, że AI rozwiąże nierówności edukacyjne. Żadne nie wymaga AGI. Oba jednak pokazują kierunek, w którym ta technologia może podążać.

Wyobraźmy sobie kontynuację tego kierunku.

Dziecko na wiejskiej Luizjanie nie powinno musieć mieszkać blisko elitarnych szkół, by spotkać wybitnego nauczyciela matematyki. Uczeń zafascynowany astronomią nie powinien czekać do studiów, by zgłębiać astrofizykę. Dziecko zainteresowane archeologią powinno móc realizować tę ciekawość, gdy AI‑tutor identyfikuje luki w czytaniu, historii, statystyce i rozumowaniu naukowym i dostosowuje nauczanie.

Celem nie jest zastąpienie nauczycieli. Chodzi o zapewnienie nauczycielom i uczniom dostępu do ekspertyzy, której wcześniej nie dało się ekonomicznie dostarczyć w trybie jeden‑na‑jeden.

Po raz pierwszy personalizowana edukacja na ogromną skalę jest technologicznie wykonalna. Prawo mające chronić przyszłe pokolenia powinno być wyjątkowo ostrożne, by nie zamknąć tej możliwości.

Twoja agenda zdrowotna przedstawia tę samą argumentację

Twoje osiągnięcia w ochronie zdrowia są równie konsekwentne. W 2017 r. wprowadziłeś ustawę Medicare for All i ponowiłeś ją w 2019, 2023 i 2025 r., wielokrotnie argumentując, że opieka zdrowotna powinna być prawem, a nie przywilejem.

Poświęciłeś także lata walce z inną formą nierówności zdrowotnej: niedoborem rzeczywistych profesjonalistów medycznych w niedostatecznie obsługiwanych społecznościach. Inicjatywy Community Health Center i Primary Care Workforce Expansion miały na celu zwiększenie dostępu w obszarach medycznie zaniedbanych, a twoje bipartisanyczne ustawodawstwo z 2023 r. o podstawowej opiece z senatorem Rogerem Marshallem proponowało znaczne zwiększenie finansowania centrów zdrowia społecznościowego oraz rozszerzenie National Health Service Corps i ścieżek rezydenckich. W 2025 r. wraz z senatorem Jeffem Merkleyem wprowadziliście ustawę Health Care Workforce Expansion Act, obejmującą pomoc finansową w celu zwiększenia liczby lekarzy, pielęgniarek i dentystów, szczególnie w społecznościach wiejskich.

Polityki te adresują niedobór finansowy i brak zasobów ludzkich.

AI może pomóc w rozwiązaniu trzeciego niedoboru: wiedzy eksperckiej.

FDA szacuje, że ponad 10 000 rzadkich chorób dotyka ponad 30 milionów Amerykanów, czyli mniej więcej jedną osobę na dziesięć, a większość z nich wciąż nie ma zatwierdzonych terapii. Małe populacje pacjentów utrudniają także tradycyjne badania kliniczne.

Sztuczna inteligencja nie jest magicznym obejściem biologii czy walidacji klinicznej. Leki odkryte przy pomocy AI mogą tak samo jak inne leki zawieść. Jednak już zmienia ona niektóre etapy procesu odkrywania.

W 2025 r. badacze opublikowali pierwsze randomizowane badanie fazy 2a rentosertibu, małej cząsteczki przeciw idiopatycznej włóknieniu płuc, którego cel i cząsteczka zostały odkryte przy użyciu generatywnej AI. Wyniki stanowiły prawdziwy kamień milowy kliniczny, choć autorzy podkreślili, że stosunkowo niewiele leków odkrytych przez AI dotarło do badań klinicznych i żaden nie ukończył fazy 3 w tamtym czasie.

To właśnie zrównoważone podejście powinniśmy mieć wobec tej technologii: bez hype’u i bez odrzucania.

Coraz bardziej zdolne systemy AI mogą integrować biologię molekularną, chemię, genetykę, literaturę medyczną, obrazowanie, oprogramowanie, analizę statystyczną i projektowanie eksperymentów. Ich wartość może wynikać właśnie z możliwości rozumowania w obszarach, które ludzie tradycyjnie dzielą na odrębne specjalności.

Kluczowe pytanie nie brzmi, czy „AGI” samo w sobie wyleczy raka, chorobę Alzheimera, infekcje oporne na antybiotyki czy rzadkie zaburzenia genetyczne. Nikt nie może odpowiedzialnie tak obiecać.

Pytanie brzmi, czy Kongres powinien trwale zakazać szeroko zdolnej formy inteligencji, zanim dowiemy się, co ta inteligencja może wnieść w rozwiązywanie tych problemów.

Wiele współczesnych, konkretnych szkód AI nie wymaga AGI

Istnieje kolejny problem z uczynieniem ogólnej inteligencji celem regulacyjnym: niektóre z najpoważniejszych szkód wywoływanych dziś przez AI pochodzą od systemów, które nie są bliskie sztucznej ogólnej inteligencji.

W 2020 r. napisałem na Unite.AI o tym, jak algorytmy rekomendacji Facebooka mogą wzmacniać dezinformację. Nie obawialiśmy się, że Facebook stworzył inteligencję przewyższającą ludzkość. Obawą było to, że system optymalizujący zaangażowanie może preferencyjnie wzmacniać treści wywołujące silniejsze reakcje, niezależnie od ich wartości społecznej.

Skutki słabo zarządzanych systemów rekomendacji stały się od tego czasu trudniejsze do odrzucenia. Amnesty International stwierdziła, że algorytmy Meta aktywnie wzmacniały treści podżegające do nienawiści i przemocy wobec Rohingya w Myanmarze, zwiększając ryzyko masowej przemocy. Komisja Europejska osobno domagała się od YouTube, Snapchat i TikTok informacji o ryzykach systemów rekomendacyjnych związanych z szkodliwymi treściami, wyborami i dyskursem obywatelskim, zachowaniami uzależniającymi, „dziurami króliczymi”, zdrowiem psychicznym i nieletnimi.

Żaden z tych systemów nie musiał sam obalić rządu. Żaden nie potrzebował rekurencyjnego samodoskonalenia. Żaden nie wymagał superludzkiego ogólnego rozumowania.

Wystarczyło mieć niewłaściwy cel, wdrożony na wystarczającą skalę.

To ilustruje fundamentalną zasadę regulacji AI: szkoda nie jest określana wyłącznie przez inteligencję modelu. Wąski algorytm wdrożony miliardy razy przy niewłaściwych zachętach może być społecznie destrukcyjny. Natomiast wysoce ogólny system działający pod ścisłą kontrolą w laboratorium, szkole lub szpitalu może przynieść ogromne korzyści.

Regulacje powinny tę różnicę uwzględniać.

Technologia o podwójnym zastosowaniu wymaga kontroli nad użyciem, dostępem i władzą

Ta sama zasada dotyczy nadzoru.

Technologie widzenia komputerowego i rozpoznawania wzorców mogą pomagać lekarzom analizować obrazy medyczne, kontrolować niebezpieczne środowiska przemysłowe, nawigować roboty ratunkowe i automatyzować zadania, których ludzie nie powinni wykonywać.

Powiązane technologie mogą także służyć do budowy niezwykle potężnych systemów nadzoru.

Świeże śledztwo Washington Post wykazało, że co najmniej 50 funkcjonariuszy policji zostało oskarżonych, postawionych w stan oskarżenia lub skazanych za niewłaściwe użycie automatycznych systemów rozpoznawania tablic rejestracyjnych w celu monitorowania osób w nieautoryzowanych celach prywatnych. W jednym przypadku szef policji rzekomo sprawdzał pojazdy używane przez byłego partnera i jego nastoletnią córkę około 600 razy. Późniejsze dochodzenie podniosło liczbę osób oskarżonych, postawionych w stan oskarżenia lub skazanych za nadużycie do co najmniej 69.

To poważna porażka polityki technologicznej.

Jednak zwróćmy uwagę, gdzie znajdują się praktyczne dźwignie regulacyjne. Po śledztwie firma Flock ogłosiła, że wyszukiwania będą wymagały kodów spraw karnych, automatyczne wykrywanie nadużyć stanie się obowiązkowe, a domyślne przechowywanie danych zostanie skrócone z 30 dni do siedmiu. Środki te mogą nie wystarczyć, ale pokazują typy kontroli, które ustawodawcy mogą regulować: autoryzację, ograniczenie celu, ścieżki audytu, retencję, odpowiedzialność ludzką i kary za nadużycia.

Odpowiedzią na nadużycia nadzoru nie jest zakaz widzenia komputerowego.

Odpowiedzią na nieautoryzowane ataki cybernetyczne nie jest koniecznie zakaz modelu zdolnego do cyberbezpieczeństwa.

Rozwiązaniem jest regulowanie, co systemy mogą robić, jakich zasobów mogą używać, kto może autoryzować konsekwentne działania i co się dzieje, gdy te granice zostaną naruszone.

Już napisałeś część lepszego modelu regulacyjnego

Ciekawie, inny projekt ustawodawczy, który wprowadziłeś w tym roku, zawiera kilka pomysłów wskazujących na bardziej produktywne podejście.

Przeczytałem pełny tekst twojej ustawy Artificial Intelligence Data Center Moratorium Act. Choć nie zgadzam się z całkowitym wstrzymaniem budowy centrów danych, warunki, które proponujesz w celu późniejszego zniesienia moratorium, są znacznie bardziej konkretne niż ogólny zakaz kategorii inteligencji.

Twoja ustawa stwierdza, że centra danych AI nie powinny podnosić rachunków za energię konsumentów, pogłębiać zmian klimatycznych ani szkodzić środowisku. Wzywa do zapewnienia społecznościom dotkniętym wpływem głosu, silnych standardów pracy i publicznego raportowania zużycia wody, energii, emisji gazów cieplarnianych, ścieków, substancji chłodzących, hałasu, miejsc pracy i innych skutków.

Są to mierzalne zewnętrzne skutki. To właśnie tam regulacja może być skuteczna.

Posunąłbym się dalej w kwestii energii. Przemysł AI nie powinien wykorzystywać rosnącego zapotrzebowania na prąd jako wymówki do przedłużania życia nieoczyszczonych elektrowni węglowych lub przerzucania kosztów infrastruktury na przeciętnych odbiorców. Nowe projekty hyperskalowe powinny być zobowiązane do wprowadzania znacznej dodatkowej generacji nisko‑ lub zerowęglowej do sieci oraz ujawniania wpływu na wodę i energię.

Istnieją już obiecujące przykłady, jak taki przejście może wyglądać. System P3 firmy Exowatt magazynuje energię słoneczną jako ciepło, przechowuje ją i przetwarza na elektryczność dyspozycyjną, częściowo przeznaczoną dla obciążeń centrów danych. A w tym tygodniu Fervo Energy ogłosiło umowę na 396 MW z Google na całodobową, wolną od emisji węgla energię geotermalną w Utah, z opcją zwiększenia mocy do blisko jednego gigawata.

Apetyty energetyczne AI mogą stać się albo powodem przedłużania brudnej infrastruktury, albo ogromnym silnikiem popytu na nowe technologie czystej energii.

Polityka rządu może pomóc określić, który scenariusz się zrealizuje.

A twoja własna ustawa American AI Sovereign Wealth Fund Act, wprowadzona w czerwcu, zawiera kolejną zasadę, z którą zdecydowanie się zgadzam: jeśli AI tworzy niezwykłą wartość gospodarczą, zwykli ludzie powinni mieć w niej udział. Twoja propozycja wyraźnie przewiduje, że bogactwo generowane przez AI ostatecznie przyczyni się do opieki zdrowotnej, edukacji, mieszkalnictwa i zdrowego środowiska.

To uznaje coś kluczowego: sztuczna inteligencja ma niezwykły potencjał wartościowy. Prawdziwe pytanie polityczne brzmi, jak ta wartość będzie kontrolowana i dystrybuowana.

Lepsza alternatywa niż trwały zakaz

Zalecałbym zachowanie najważniejszych elementów ustawy o zakazie sztucznej superinteligencji: federalnego regulatora, niezależnej ekspertyzy technicznej, obowiązkowego nadzoru nad systemami na pograniczu, znaczących kar i międzynarodowej koordynacji. Ale zasadniczo zmieniłbym to, co wyzwala zakaz i jak może trwać korzystny rozwój.

• Reguluj mierzalne niebezpieczne zdolności, a nie etykietę AGI czy ASI. Ustal technicznie zdefiniowane progi wokół autonomicznych ataków cybernetycznych, umożliwiania broni biologicznej lub chemicznej, omijania wyłączeń, nieautoryzowanej replikacji, strategicznego oszustwa i innych zdolności mogących spowodować katastrofalne szkody.
• Wymagaj licencjonowania i niezależnych ocen powyżej progów granicznych. Deweloperzy powinni wykazać bezpieczeństwo przed wdrożeniem systemów o określonych niebezpiecznych zdolnościach, a oceny powinny być powtarzane w miarę, gdy modele zyskują nowe narzędzia, uprawnienia lub autonomię. Poważne incydenty powinny pociągać obowiązek obowiązkowego ujawniania.
• Zapewnij niezależnemu regulatorowi realną władzę egzekwowania. Agencja, którą proponujesz, powinna móc audytować laboratoria na pograniczu, uzyskiwać informacje, wymagać napraw i zawieszać niebezpieczne wdrożenia. Standardy muszą być przejrzyste, technicznie mierzalne i okresowo przeglądane przez niezależnych ekspertów naukowych.
• Zakazuj szkodliwych zastosowań, niezależnie od inteligencji modelu. Nieautoryzowane ataki cybernetyczne, nielegalny nadzór, niebezpieczna pomoc biologiczna i inne niedopuszczalne użycia powinny pozostać nielegalne, czy to realizowane przy użyciu wąskiego modelu, systemu AGI czy tradycyjnego oprogramowania.
• Stwórz kontrolowane ścieżki dla społecznie wartościowych badań. Medycyna, odkrycia naukowe, edukacja, obrona cybernetyczna i badania nad zgodnością powinny mieć regulowane mechanizmy umożliwiające dostęp do potężnych modeli pod odpowiednim nadzorem ludzkim, weryfikacją, zabezpieczeniami i wymogami audytu.
• Spraw, by infrastruktura AI pokrywała pełne koszty społeczne i środowiskowe, przy jednoczesnej międzynarodowej koordynacji. Chroń odbiorców, wymagaj przejrzystego raportowania zużycia wody i energii, przyspieszaj dodatkową czystą generację, utrzymuj znaczącą ochronę społeczności i pracowników oraz współpracuj z sojusznikami nad wspólnymi standardami zdolności, ocenami i kontrolą eksportu.

To nie oznacza zaufania Dolinie Krzemowej.

Wręcz przeciwnie.

Przemysł technologiczny dał Kongresowi wyraźny powód nie polegać na dobrowolnej samoregulacji. Same incydenty OpenAI i Anthropic pokazują, dlaczego AI na pograniczu wymaga zewnętrznego nadzoru i egzekwowalnych standardów bezpieczeństwa.

Jednak nieufność wobec firm technologicznych nie powinna przerodzić się w nieufność wobec postępu technologicznego jako takiego.

Wybór nie jest ani lekkomyślnym przyspieszeniem, ani zakazem

Senatorze Sanders, w całej swojej karierze wielokrotnie walczyłeś przeciwko niedoborom.

Walczysz przeciwko idei, że dochód rodziny powinien decydować o tym, czy dziecko otrzyma edukację. Walczysz przeciwko systemowi opieki zdrowotnej, w którym konto bankowe lub kod pocztowy osoby może wpływać na otrzymywaną opiekę. Walczysz przeciwko strukturom ekonomicznym, w których ogromne zyski gromadzą się w rękach niewielkiej grupy, podczas gdy wszyscy inni ponoszą koszty.

Sztuczna inteligencja może pogłębić każdy z tych problemów.

Może skoncentrować bezprecedensowe bogactwo. Może wypierać pracowników, nie dzieląc się zyskami z produktywności. Może umożliwić nadzór, manipulację i ataki cybernetyczne. Może umieścić niezwykłą władzę w rękach niewielkiej liczby korporacji.

Te ryzyka uzasadniają regulacje.

Jednak AI może także zmniejszyć jedną z najstarszych form nierówności w historii ludzkości: nierówność w dostępie do ekspertyzy.

Świat, w którym każde dziecko ma dostęp do spersonalizowanej edukacji, każdy lekarz może korzystać z niezwykłego wsparcia analitycznego, każdy naukowiec może przeglądać wieki zgromadzonych badań, a choroby ignorowane z powodu małych populacji pacjentów otrzymują znacznie większą uwagę naukową, jest również warty walki.

Nie powinniśmy wybierać między tą przyszłością a bezpieczeństwem AI.

Lepszym celem jest uczynienie potężnej AI trudnej do nadużycia, trudnej do utraty kontroli, wystarczająco przejrzystej, by można ją było audytować, kosztownej w nieodpowiedzialnym wdrożeniu i szeroko dostępnej w celach społecznie pożytecznych.

Zakazuj działań zagrażających ludzkości. Licencjonuj niebezpieczne zdolności. Karz niewłaściwe i złośliwe wdrożenia. Wymagaj od firm internalizacji kosztów środowiskowych ich infrastruktury. Chroń pracowników. Daj społeczeństwu udział w zyskach gospodarczych. I stwórz niezależnego regulatora zdolnego powiedzieć nawet największym firmom technologicznym „nie”.

Jednak proszę, nie definiuj zakazanej inteligencji tak szeroko, by dopasowanie ludzkiej zdolności poznawczej w wielu dziedzinach stało się samo w sobie przestępstwem.

Twoja praca życiowa koncentrowała się na poszerzaniu dostępu do rzeczy, które kiedyś były zarezerwowane dla uprzywilejowanych.

Zaawansowana sztuczna inteligencja może stać się największym silnikiem skoncentrowanej władzy, jaki kiedykolwiek stworzyliśmy.

Lub może stać się jednym z największych narzędzi, jakie kiedykolwiek powstały, aby demokratyzować wiedzę, edukację, medycynę i zdolności naukowe.

Dobre ustawodawstwo może pomóc określić, którą przyszłość otrzymamy.