Nowi "mający" i "nie-mający". Różnica nie jest tym, czym myślisz. Charles Hugh Smith, OfTwoMinds, 21.08.2026

Musicie mi wybaczyć tę grę słów. Kiedy mówię Różnica między nowymi "mającymi" (haves) a "nie-mającymi" (have nots) nie jest tym, czym myślisz, odnoszę się do pieniędzy. Ale odnoszę się także do samego myślenia: prawdziwa różnica między nowymi "mającymi" a "nie-mającymi" polega na tym, co myślisz - lub czego nie jesteś już w stanie myśleć.

Istnieje kilka subtelnych, ale niszczycielskich konsekwencji zastępowania ludzkiego poznania "wytworzonym poznaniem”, tzn. narzędziami i agentami sztucznej inteligencji, których mało kto rozpoznaje, a tym bardziej rozumie jako decydujące czynniki oddzielające w przyszłości garstkę "mających” od masy "nie-mających”.

Pierwsze z nich jest niezwykłe ze względu na swoją niewidzialność: jesteśmy jak ryby, które nie widzą wody. Być może zauważyłeś różnice w sposobie, w jaki przedstawiciele pokolenia X i starsi millenialsi korzystają z AI w porównaniu z użytkownikami pokolenia Z. Różnica polega na tym, że starsi użytkownicy zdobyli trudne do zdobycia umiejętności i wiedzę ukrytą (opartą na doświadczeniu) w trudny sposób, a ta wiedza doświadczalna okazuje się niezbędnym fundamentem oceny i zarządzania zastępowaniem ludzkiego poznania przez AI oraz tego, co szeroko nazywa się umiejętnością posługiwania się AI (kompetencjami AI) rozumiejąc ograniczenia i zagrożenia związane z korzystaniem z AI.

Wielu przedstawicieli pokolenia X i starszych millenialsów to entuzjastyczni użytkownicy AI do programowania i innych zadań, ale nie dostrzegają kluczowego czynnika. To oni są ostatnim pokoleniem posiadającym poznawczy/milczący fundament potrzebny do właściwej oceny i zarządzania substytucjami ludzkiego poznania przez AI, albowiem pokolenia dorastające w erze SI nie mają żadnej zachęty ani motywacji, by uczyć się trudnych umiejętności i milczącej (doświadczalnej) wiedzy w trudny sposób.

Rozważcie tradycyjną japońską praktykę terminowania w rzemiośle, takim jak przygotowywanie sushi czy stolarstwo. Uczeń spędza pierwsze trzy lata wykonując czarną robotę: sprzątanie podłóg, wycieranie blatów, sortowanie stolarskich odpadów i tak dalej.

Chodzi tu nie o to, by jak najszybciej uczynić ucznia produktywnym, lecz by nauczyć go mistrzostwa — Tao wiedzy milczącej, którą można zdobyć tylko w jeden sposób:. Poznając każdy aspekt rzemiosła/umiejętności poprzez działanie - popełnianie błędów, metodę prób i błędów, oraz uczenie się, jak reagować na niecodzienne, lecz z czasem stające się "normalnymi" sytuacje kryzysowe i awaryjne.

W erze zautomatyzowanych maszyn i poznania, bezcelowe jest opanowywanie czegokolwiek poza obsługą procesów automatyzacji. Wykonywanie nużących, nudnych, żmudnych zadań nawet przez trzy godziny jest bezcelowe, nie mówiąc już o trzech dniach, tygodniach, miesiącach czy latach.

Więc kiedy starsi programiści entuzjastycznie wypowiadają się o "vibe-codingu" z narzędziami AI, nie dostrzegają wody, w której pływają. Oni naprawdę potrafią programować w trudny sposób, od zera, i ta doświadczalna wiedza umożliwia im korzystanie z narzędzi AI w sposób, w jaki nie potrafią nowi programiści, którzy w rzeczywistości nie umieją programować, ponieważ tym, co jest "produktywne", jest uczenie się, jak korzystać z narzędzi programistycznych AI, i nic więcej, gdyż długi proces stawania się kompetentnym w programowaniu od podstaw nie ma żadnej wartości w "morzu" "produktywności wzmocnionej przez SI".

Jesteśmy ślepi na fakt, że fundament potrzebny do rozważnej i skutecznej oceny oraz zarządzania AI przestanie być nauczany, ponieważ jest postrzegany jako niepotrzebny i nie jest rozpoznawany jako fundament przez tych, którzy już go posiadają. To jest podstępna cecha wiedzy milczącej. Nie wiemy, co wiemy, ani jak zdobyliśmy tę doświadczalną wiedzę. Jest intuicyjna i po prostu przychodzi do nas, gdy analizujemy problem.

My, którzy posiadamy głęboką wiedzę milczącą, jaką można zdobyć tylko dzięki dekadom zróżnicowanego doświadczenia - im bardziej zróżnicowanego, tym lepiej - zapomnieliśmy więcej, niż jakikolwiek uczeń mógłby się nauczyć w trzy lata, ale przychodzi to do nas, gdy widzimy konkretny problem. Mamy ogromny zasób "sztuczek zawodowych" i podejść do rozwiązywania problemów, których nie da się sformalizować ani zamienić w algorytm.

Drugim czynnikiem są nieodłączne ryzyka hiper-optymalizacji wszystkiego. Pisałem o tym często, ponieważ jest to kolejny przykład ryby niewidzącej wody. Jeśli Naczelną Dyrektywą jest maksymalizacja zysku i optymalizacja wydajności, to wszystko, co uznane zostaje za zbędny koszt, zostaje wyeliminowane. Więc długie terminowanie: wyeliminowane. Nadmiarowości: wyeliminowane. Luźno powiązane, rozproszone węzły: wyeliminowane na rzecz ściśle powiązanych, scentralizowanych systemów. Bufory: kosztowne w utrzymaniu, wyeliminowane.

Tym, czego niewielu rozumie, jest to, że ludzka wiedza doświadczalna jest krytyczną redundancją i buforem w kryzysach, sytuacjach awaryjnych i nietypowych krytycznych problemach. W złożonych systemach, takich jak rafinerie i oprogramowanie, tylko najbardziej doświadczeni pracownicy potrafią skutecznie reagować na sytuacje awaryjne. Żaden program szkoleniowy, niezależnie od tego, jak dobrze zaprojektowany, nie może zastąpić długiego doświadczenia.

Możemy magazynować części zamienne i mieć systemy zapasowe, ale jeśli nikt nie ma doświadczalnej wiedzy, by wykorzystać te bufory i redundancje, są one bezużyteczne.

Kolejnym aspektem tego zagadnienia jest zdolność rozpoznawania błędów generowanych przez AI, które potrafią wykryć tylko eksperci. Lekarze regularnie przesyłają mi przykłady generowanych przez AI diagramów medycznych i treści, które dla niewprawnego oka wyglądają autentycznie, ale zawierają krytyczne błędy. Po raz kolejny, jeśli wszystko, co robimy, sprowadza się do uczenia ludzi korzystania z narzędzi i agentów AI, brakuje im głębokiej wiedzy opartej na doświadczeniu, potrzebnej do wykrywania potencjalnie katastrofalnych błędów, ponieważ po prostu nie wiedzą wystarczająco dużo z tego rodzaju wiedzy, której nie można nauczyć ani powielić za pomocą AI.

Dotyczy to również tego, co AI pomija w swoich odpowiedziach: tylko osoby posiadające doświadczenie potrafią dostrzec to, co zostało pominięte, oraz to, jak to, co pominięte, staje się środkiem do manipulowania odpowiedzią lub wpływania na nią. Po raz kolejny jesteśmy ślepi na to, co tracimy — jak ryby ślepe na wodę.

Zastąpienie rodzajów poznania ludzkiego potrzebnych do zdobycia wiedzy milczącej/doświadczalnej "poznaniem wytworzonym” jest kolejnym przykładem ryby nie widzącej wody. Nie ma systemowych zachęt do uczenia się trudnych rzeczy w trudny sposób, a istnieją liczne zachęty do zastąpienia ciężkiej pracy, jaką jest faktyczne uczenie się trudnych rzeczy – robienie tego, co łatwe i wygodne, to sedno "ultra-przetworzonego życia."

Uczniowie tracą zdolność czytania tekstu dłuższego niż kilka zdań, a dorośli odkrywają, że utracili zdolność czytania powieści. Jest to rezultat uzależniającej łatwości korzystania z AI oraz równie uzależniającej atrakcyjności niekończącego się przewijania mediów społecznościowych.

Jesteśmy ślepi na to, co tracimy, zastępując "wytworzonym poznaniem” pełne spektrum ludzkiego poznania, które może powstać wyłącznie dzięki głębokiej wiedzy opartej na doświadczeniu. Po raz kolejny ryby nie dostrzegają wody, w której pływają.

Jeśli uważasz, że to przesada, zadaj sobie pytanie. Jakiego rodzaju społeczeństwo będziemy mieli, jeśli ludzie utracą zdolność przeczytania całej książki lub samodzielnego przemyślenia czegoś od początku do końca bez AI podającej im "odpowiedź”, która pomija rzeczy, których nawet nie potrafimy dostrzec?

I to prowadzi nas do tego, co powszechnie nazywa się kompetencjami w zakresie AI, czyli wiedzą potrzebną do bezpiecznego korzystania z AI. Niezauważaną wodą w tym przypadku jest to, że nie istnieje "bezpieczne” korzystanie z AI, a przekonanie, że takie "bezpieczne użycie” istnieje, jest urojeniem.

Twoje dziecko prawdopodobnie nie nauczy się w tym roku w szkole jednej z podstawowych rzeczy: jak zachować bezpieczeństwo podczas korzystania z AI.

Zaledwie 30% nastolatków twierdzi, że nauczyciel kiedykolwiek rozmawiał z nimi o tym, jak bezpiecznie korzystać z AI - wynika z nowego badania przeprowadzonego przez Common Sense Media wśród osób w wieku od 13 do 17 lat. Nic dziwnego, że badanie wykazało również, iż 70% nastolatków korzysta z AI przy odrabianiu prac domowych.

Jeśli badanie opierało się na deklaracjach samych uczniów, możemy przypuszczać, że rzeczywisty odsetek uczniów korzystających z AI przy odrabianiu prac domowych jest bliższy 99% niż 70%.

Złudzenie, że istnieją "bezpieczne” poziomy mediów społecznościowych i sztucznej inteligencji, które zastępują ludzkie uczenie się / zdobywanie wiedzy empirycznej, jest niebezpieczne. Trafną analogią jest tu zażywanie heroiny, a jeśli to zbyt drastyczne, fikcyjnego narkotyku Aldousa Huxleya – Somy. Każda minuta spędzona w mediach społecznościowych to kropla heroiny/Somy. Każda zamiana autentycznego uczenia się / zdobywania wiedzy empirycznej na "sfabrykowane poznanie” to kropla heroiny/Somy.

Podstawowe cechy Somy:

W przypadku jednostki: zapewnia łatwą i wygodną "ucieczkę” od rzeczywistości.

W przypadku społeczeństwa: utrzymuje populację w stanie rozproszenia i posłuszeństwa.

Niebezpieczeństwo przedawkowania: nadmierne ilości mogą powodować poważne szkody.

Jeśli możemy powiedzieć brutalną prawdę, zastępowanie "wytworzonym poznaniem” pełnego spektrum ludzkiego poznania prowadzi do utraty zdolności samodzielnego przemyślenia rzeczy od początku do końca. Dosłownie tracimy zdolność samodzielnego uczenia się i samodzielnego myślenia bez podpórki w postaci Somy, jaką jest AI.

Podsumowując:

Negatywne konsekwencje AI opisane powyżej przeważą nad wszelkimi korzyściami, jakie generuje AI.
Nie wiadomo, co AI pomija, a jest to poziom kontroli niewidoczny dla użytkownika końcowego.
Jak niezwykle szczegółowo opisał Iain McGilchrist, ludzkie poznanie przybiera wiele różnych form, podczas gdy AI jedynie imituje jeden rodzaj "rozumowania”. Mimo to próbuje się nią zastępować wszystkie pozostałe formy poznania. To prosta droga do katastrofy, albowiem imitacja nigdy nie jest tym, co imituje.
Ci, którzy nauczyli się myśleć, zanim pojawiła się AI, wciąż potrafią ocenić jej wartość. Ci, którzy nigdy nie nauczyli się myśleć, zanim zaczęli polegać na AI, dosłownie nie mają pojęcia, czego im brakuje. Poruszają się po omacku, a tym samym my, jako społeczeństwo, również poruszamy się po omacku.

Nic nie zastąpi mistrzostwa. AI to nie mistrzostwo, to naśladownictwo. A poleganie na naśladownictwie jako na "zastępstwie" dla prawdziwego myślenia to droga do katastrofalnego upadku.

"Ci, którzy mają” zdobędą trudne umiejętności uczenia się, jak samodzielnie uczyć się trudnych rzeczy, oraz uczenia się, jak samodzielnie myśleć jasno i głęboko, poprzez odrzucenie AI i mediów społecznościowych.

"Ci, którzy nie mają”, zsuną się w króliczą norę uzależnienia od „wytworzonego przez AI naśladownictwa poznania” oraz uzależnienia od mediów społecznościowych i reszty "ultra przetworzonego życia".

Ci, którzy posiadają i kontrolują "Somę" w postaci AI/mediów społecznościowych, będą kontrolować wszystkich uzależnionych od Somy AI/mediów społecznościowych. Tylko ci, którzy nie używają Somy, będą wolni.