O czym jest ten film
- Krytyka modelu biznesowego wielkich korporacji AI, które wykorzystują kreatywność użytkowników do trenowania zamkniętych modeli
- Analogia do jazzmana Johna Coltrane’a i jego kompozycji “Giant Steps” jako metafory nawigowania w skomplikowanych ograniczeniach
- Propozycja budowania suwerennej infrastruktury AI opartej na lokalnych modelach
- Wezwanie do tworzenia społeczności pionierów eksplorujących alternatywne ścieżki rozwoju AI
Redakcyjne tłumaczenie
Wielkie korporacje wykorzystują naszą kreatywność do trenowania modeli, których nigdy nie będziemy mogli używać. To właśnie dzieje się dzisiaj i musimy wyciągnąć z tego lekcję.
Przyjrzyjmy się samej technologii. Modele wielkich korporacji obwarowane są masą ograniczeń. Przede wszystkim muszą być “bezpieczne” - działają w ściśle wytyczonych granicach, podyktowanych modelem biznesowym tych firm. Ich celem jest wydobycie z nas jak największej ilości danych, aby ulepszyć kolejny, jeszcze potężniejszy model.
Jak to robią? Tworzą środowisko, które wcale nie musi być przyjazne - wręcz przeciwnie, ma być skomplikowane, tak aby tylko określone umysły mogły się w nim poruszać. To przypomina sytuację z utworem “Giant Steps” Johna Coltrane’a - kompozycją niezwykle złożoną, z akordami zmieniającymi się w zawrotnym tempie. Nawigowanie w takiej złożoności to nie tylko wyzwanie techniczne, ale też twórcze. Nie wystarczy umieć grać na tych nieustannie zmieniających się akordach - trzeba jeszcze stworzyć z tego sztukę, coś pięknego. To wymaga talentu i gustu.
Korporacjom nie chodzi o ułatwienie nam życia. Chodzi o stworzenie takich ograniczeń, które zmuszą nas do kreatywnego wysiłku, dostarczając im najcenniejszych danych treningowych. Moglibyśmy to zaakceptować, gdyby efekty były dostępne dla wszystkich - ale nie są. Systemy te są zamknięte, obwarowane bramkami, przez które my nie możemy przejść. Widzimy to na przykładzie liczników tokenów w modelach Anthropic - to kierunek, w którym zmierzamy. Dla korporacji kluczowe jest posiadanie najpotężniejszej AI - to ich model biznesowy.
Musimy zrobić to, co zrobił Coltrane - nie tylko stać się mistrzami w używaniu tych ograniczeń, ale wyjść poza nie, przejść do “A Love Supreme”, gdzie free jazz może się swobodnie wyrażać. Zamiast niewiarygodnego poziomu skomplikowania, cofnijmy się i stwórzmy więcej przestrzeni. To jest suwerenność - sami decydujemy, gdzie chcemy być wolni.
Osobiście podjąłem decyzję. Chcę używać czegoś, nad czym mam kontrolę. Potrzebuję lokalnego modelu, któremu mogę zaufać, którego mogę używać w architekturze, którą kontroluję. Wybrałem Qwen 3.6 27B. Dlaczego? Jest wystarczająco mały, by działać na sprzęcie, na który mnie stać, i wystarczająco szybki, by praca z nim miała sens.
Gdy potrzebuję czegoś potężniejszego - do kodowania czy pracy na poziomie strategicznym - korzystam z modeli chmurowych. Moim wyborem jest GLM 5.2 - niesamowity model, w którym nie widzę tych wszystkich ograniczeń narzucanych przez wielkie korporacje. Jest bardziej wolny, otwarty, eksploracyjny. Nie musi mi się przypodobać - po prostu wykonuje zadanie, o które go proszę.
Ale model to tylko część układanki. Kluczowa jest architektura. Dla mnie najważniejsza jest pamięć - to w niej AI przeprowadza rozumowanie. Tę część muszę posiadać i kontrolować, bo to najważniejszy element. Nie chcę, żeby jakakolwiek korporacja trenowała na moich danych.
Następnie jest warstwa łącząca model z pamięcią, protokołami i umiejętnościami. Obecnie używam Hermes - jest open source, działa na moim systemie i nikt nie może mi go zabrać. Do kodowania używam Open Codex, najczęściej w wersji Miniax 3 - jest szybki, dobry i nie zatrzymuje się w połowie zadania.
Gdy mój lokalny model lub model chmurowy nie radzi sobie z problemem, zwykle nie chodzi o brak inteligencji, ale o niewiedzę, jak coś zrobić. Wtedy można zlecić AI research - niech poszuka, jak inni rozwiązali podobny problem. Dopiero gdy to nie pomoże, gdy nie ma rozwiązania w internecie, wtedy może być uzasadnione sięgnięcie po najpotężniejsze modele jak GPT-6.
Ceny sprzętu rosną i nie ma jasnej ścieżki rozwoju. Każdy musi podjąć własną decyzję. Ceny mogą spaść lub wzrosnąć. Bańka może pęknąć, ale popyt na lokalne AI może też zwiększyć ceny. Osobiście wolę teraz przepłacić niż później nie móc sobie pozwolić na zakup.
Najważniejsza lekcja: tej podróży nie można odbyć samotnie. To nie jest scenariusz samotnego wilka zamkniętego w bunkrze, walczącego z korporacjami AI. John Coltrane stworzył środowisko, w którym można było być wolnym. My potrzebujemy instrumentów - systemu, w którym możemy być suwerenni. Ale Coltrane nie zrobił tego sam - miał zespół.
Potrzebujemy innych ludzi, którzy pomogą nam przebić własne bańki, połączyć się z innymi, zobaczyć wspólne zmagania i eksploracje. Musimy być sygnałem mówiącym: chodźmy razem. Nie musimy znać celu, ale musimy rozumieć, że istnieje inna ścieżka.
Chcę być człowiekiem sprawującym kontrolę, suwerennym wobec swojego umysłu i używanej AI. Nie chcę być uwięziony w systemie, który pcha mnie w kierunku najbardziej prawdopodobnego tokena. Jeśli jestem geniuszem, nie chcę trenować AI, która uwięzi mnie i innych jeszcze bardziej.
To moment eksperymentacji w historii. To czas pionierów, którzy chcą się uczyć i eksplorować, poznawać granice - nie te narzucone przez korporacje, ale granice samej technologii i naszej ludzkiej wyobraźni. To wyzwanie dla nas jako pionierów, kreatywnych umysłów, strategów, by iść razem w nieznane.
Musimy mieć odwagę powiedzieć: wierzę, że możemy razem zmienić świat. Uwolnijmy się, połączmy się i bądźmy kreatywni.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Jesteś danymi treningowymi, nie użytkownikiem
Na czym polega: Wielkie korporacje AI wykorzystują naszą kreatywność do trenowania modeli, do których później nie mamy dostępu.
Jak stosować: Świadomie wybieraj, którym systemom AI dostarczasz swoje dane i kreatywne rozwiązania.
Na co uważać: Unikaj nadmiernego dzielenia się unikatowymi rozwiązaniami z zamkniętymi systemami korporacyjnymi.
2.Ograniczenia jako celowa strategia
Na czym polega: Skomplikowane interfejsy i ograniczenia w modelach AI są celowe - wymuszają kreatywny wysiłek dostarczający cenne dane.
Jak stosować: Rozpoznawaj, kiedy system wymusza od ciebie niepotrzebną złożoność i szukaj prostszych alternatyw.
Na co uważać: Nie daj się wciągnąć w grę pokonywania sztucznych ograniczeń tylko po to, by trenować cudze modele.
3.Lokalne modele jako podstawa suwerenności
Na czym polega: Używanie modeli AI działających lokalnie daje pełną kontrolę nad danymi i procesami.
Jak stosować: Zacznij od modeli jak Qwen 3.6 27B, które działają na dostępnym sprzęcie konsumenckim.
Na co uważać: Lokalne modele mają ograniczenia wydajnościowe - trzeba znać ich możliwości.
4.Architektura ważniejsza niż model
Na czym polega: Kluczowa jest kontrola nad całą architekturą AI, szczególnie nad pamięcią i danymi kontekstowymi.
Jak stosować: Buduj własne systemy pamięci i zarządzania kontekstem, używaj open-source narzędzi jak Hermes.
Na co uważać: Nie pozwól, by twoja pamięć i dane były kontrolowane przez zewnętrzne podmioty.
5.Stopniowanie mocy obliczeniowej
Na czym polega: Używaj najpotężniejszych modeli tylko wtedy, gdy lokalne i średnie rozwiązania zawiodą.
Jak stosować: Zacznij od lokalnego modelu, potem chmurowego open-source, a dopiero na końcu sięgaj po GPT czy Claude.
Na co uważać: Większość problemów nie wymaga najpotężniejszych modeli - często wystarczy lepszy research.
6.Społeczność jako kluczowy element
Na czym polega: Budowanie alternatywnych systemów AI wymaga współpracy i wymiany doświadczeń.
Jak stosować: Dołącz do społeczności praktyków lokalnego AI, dziel się wiedzą i ucz się od innych.
Na co uważać: Unikaj izolacji i mentalności “samotnego wilka” - to droga donikąd.
7.Eksperymentacja zamiast optymalizacji
Na czym polega: Obecny moment to czas odkrywania możliwości, nie maksymalizacji zysku.
Jak stosować: Testuj różne podejścia, modele i architektury bez presji natychmiastowego sukcesu komercyjnego.
Na co uważać: Nie daj się zwieść narracji o konieczności “shippowania” i monetyzacji wszystkiego.
8.Inwestycja w sprzęt jako zabezpieczenie
Na czym polega: Lepiej teraz przepłacić za sprzęt niż później nie móc sobie na niego pozwolić.
Jak stosować: Rozważ zakup GPU zdolnego do uruchamiania lokalnych modeli jako inwestycję w przyszłość.
Na co uważać: Ceny mogą rosnąć wraz z popytem na lokalne AI - nie czekaj na “idealny moment”.
9.Alternatywne modele chmurowe
Na czym polega: Istnieją potężne modele chmurowe (jak GLM 5.2) bez restrykcyjnych ograniczeń wielkich korporacji.
Jak stosować: Eksploruj chińskie i europejskie alternatywy dla OpenAI i Anthropic.
Na co uważać: Sprawdzaj politykę prywatności i warunki użytkowania każdego modelu chmurowego.
10.Metafora jazzu jako drogi do wolności
Na czym polega: Jak Coltrane przeszedł od “Giant Steps” do “A Love Supreme”, my musimy przejść od skomplikowania do przestrzeni.
Jak stosować: Szukaj prostoty i elegancji zamiast pokonywania sztucznych ograniczeń.
Na co uważać: Prawdziwa innowacja często przychodzi z redukcji złożoności, nie z jej zwiększania.