2026 m. vasario mėnesį, Indijos dirbtinio intelekto viršūnių susitikime Naujajame Delyje, „OpenAI“ vadovas Samas Altmanas pasakė frazę, kuri apkeliavo pasaulį. Kalbėdamas apie dirbtinio intelekto energijos sąnaudas, jis pareikšė, kad žmogui taip pat reikia milžiniškos energijos, kad būtų „ištreniruotas“: maždaug dvidešimties metų gyvenimo ir viso per tą laiką suvalgomo maisto. Socialiniai tinklai ir akademinė bendruomenė sureagavo iškart. Komentaras buvo pavadintas cinišku, dehumanizuojančiu ir „distopišku“.
Tačiau ši frazė nebuvo atsitiktinė provokacija. Ji kilo iš gilios intelektualinės tradicijos, kuri jau daugiau nei pusę amžiaus formuoja Silicio slėnio požiūrį į žmogų, protą ir mašinas. Norint suprasti, kodėl tokia retorika yra ne tik įžeidžianti, bet ir filosošiškai pavojinga, reikia atsigręžti į XX amžiaus vidurį — ten, kur prasidėjo šiuolaikinio dirbtinio intelekto istorija.
Kontekstas: ką iš tikrųjų reiškia Samo Altmano frazė?
Indijos DI viršūnių susitikimas buvo ne eilinė kūrėjų konferencija, o politikos forumas, kuriame dalyvavo valstybių vadovai, „Google“ vadovas Sundaris Pichaius, „DeepMind“ vadovas Demis Hassabis ir „Anthropic“ vadovas Dario Amodėjus. Altmano komentaras buvo atsakymas į vis didėjančią kritiką dėl dirbtinio intelekto ekologinio pėdsako. Jis teigė, kad internete plintantys skaičiai apie „ChatGPT“ vandens suvartojimą — tariamai septyniolika galonų vienai užklausai — yra „visiškai neteisingi“ ir „atsieti nuo realybės“.
Tačiau būtent energijos palyginimas tapo virusine citata. Altmano logika tokia: nesąžininga lyginti vieno DI modelio treniravimo energiją su vienos žmogaus užklausos kaina. Žmogus juk irgi reikalauja milžiniškų investicijų, kol tampa „protingas“. Šis argumentas atrodo techniškai logiškas, bet slepia gilesnę pasaulėžiūrą, kurioje žmogus yra biologinė skaičiavimo sistema su tam tikra „mokymo kaina“.
Skaičiai: kiek iš tikrųjų kainuoja „ištreniruoti“ žmogų ir mašiną?
Skaičiai šioje diskusijoje yra iškalbingi. Žmogaus smegenys naudoja vos 12–20 vatų galios — maždaug tiek, kiek blankus lemputės siūlas. Tačiau per dvidešimt metų brendimo šis kuklus biudžetas sudaro apie 3 500 kilovatvalandžių vien smegenų veiklai. Pridėjus viso kūno maitinimui reikalingą energiją, žmogaus treniravimo kaina išauga iki šimtų tūkstančių kilovatvalandžių.
„GPT-3“ modelio treniravimas, remiantis Masačūsetso universiteto tyrimu, pareikalavo apie 1 287 megavatvalandžių elektros energijos ir išmetė maždaug 502 tonas anglies dioksido — tai atitinka maždaug 112 benzininių automobilių taršą per metus. „GPT-4“ treniravimo energija vertinama apie 50 000 kilovatvalandžių. Tačiau čia slypi esminis skirtumas: žmogus po dvidešimties „treniravimo“ metų gali atlikti begalę skirtingų užduočių, pritaikyti žinias naujose situacijose, kurti, jausti, moraliai vertinti. Dirbtinio intelekto modelis, net ir aukščiausios klasės, vykdo tikimybių skaičiavimus statistinėje simbolių erdvėje.
Energijos efektyvumas čia ypatingai iškalbingas. 2020 m. atlikta analizė parodė, kad norint skaitmeniškai imituoti visas žmogaus smegenų operacijas realiu laiku prireiktų maždaug 2,7 gigavato galios — tiek, kiek gamina didelė atominė elektrinė. O IBM superkompiuteriui „Blue Gene/P“, tuomet vienam iš galingiausių pasaulyje, naudojant 1,4 megavato prireikė 40 minučių imituoti vieną sekundę neuroninio aktyvumo. Žmogaus smegenys tuo metu, veikdamos vos 20 vatų galia, atlieka tuos pačius procesus (ir dar keletą milijardų kitų) nepertraukiamai.
Ištakos: kai smegenys tapo mašina
Altmano palyginimas neatsirado vakuume. Jo šaknys siekia 1948 metus, kai MIT matematikas Norbertas Wieneris išleido knygą „Cybernetics: Or Control and Communication in the Animal and the Machine“. Tai buvo revoliucinis veikalas, pasiūlęs radikalią idėją: gyvus organizmus ir mašinas galima analizuoti pagal tas pačias informacijos valdymo ir grįžtamojo ryšio taisykles. Smegenys šioje schemoje tapo „signalų apdorojimo įrenginiu“, o mąstymas — informacijos procesu.
Wieneris, gavęs daktaro laipsnį Harvarde vos aštuoniolikos metų, buvo nepaprastai gabus. Jo kibernetika gimė iš dešimtmečio tarpdisciplininių susitikimuų Harvardo medicinos mokykloje, kur gydytojai diskutavo su matematikais, fizikais ir inžinieriais. Macy fondo konferencijose dalyvavo mokslininkai iš neuropsichologijos, antropologijos, matematikos ir inžinerijos. Tai buvo vienas ambicingiausių bandymų sujungti gamtos ir humanitarinius mokslus po vienu konceptualiu stogu.
Tačiau Wieneris, nors ir sukūręs žmogaus-mašinos analogiją, pats apie ją perspėjo. 1950 m. knygoje „The Human Use of Human Beings“ jis rašė apie dehumanizacijos pavojų. Brianas Christianas, garsusis algoritmų populiarintojas, naujame šios knygos leidimo įvade Wienerį pavadino „šiuolaikinio DI saugos diskurso pirmtaku“. Wieneris tikėjo, kad mašinos turi išlaisvinti žmones nuo rutinos kūrbingesniems užsiėmimams, bet bijojo, kad jos gali tapti ir pavergimo įrankiu. Vienoje garsiąusių savo citatų jis perspėjo: „Mes niekada negausime teisingų atsakymų, jeigu nekelsime teisingų klausimų. Laikas jau labai vėlyvas, ir gėrio bei blogio pasirinkimas beldžiasi į mūsų duris.“
Dartmouth vasara: kai intelektas tapo programa
1956 m. vasarą mažame Naujojo Hampšyro valstijos Dartmouth koledže įvyko renginys, pakeitęs žmonijos intelektualinę istoriją. Jaunas matematikos dėstytojas Johnas McCarthis sukvietė kelioliką ryškiausių to meto mokslininkų aštonių savaičių seminarui, kurį pavadino „Dartmouth vasaros tyrimų projektu dirbtinio intelekto klausimu“. Būtent čia pirmą kartą oficialiai pavartotas terminas „dirbtinis intelektas“, atskiriant šią sritį nuo kibernetikos ir automatų teorijos.
Dalyvių sąraše buvo tokie vardai kaip Marvinas Minskis, Claudas Shannonas (informacijos teorijos pradininkas), Allenas Newellas ir Herbertas A. Simonas, netrukus sukūrę „Logic Theorist“ — pirmąją programą, galinčią įrodyti matematines teoremas. Konferencijos pasiūlyme buvo suformuluota ambicija, tapusi viso dirbtinio intelekto moto: „Kiekvienas mokymosi ar bet kuris kitas intelekto bruožas iš principo gali būti taip tiksliai aprašytas, kad mašina galėtų jį imituoti.“
Šis tikslumas turėjo savo kainą. Dartmouth dalyviai buvo įsitikinę, kad mašininio intelekto problemą galima išspręsti per vieną vasarą. Tai buvo, kaip vėliau rašė tyrėjai, turbūt vienas blogiausių laiko vertinimų mokslo istorijoje. Praėjo daugiau nei pusė amžiaus, o daugelis tuo metu iškeltų tikslų vis dar nėra pasiekti. Tačiau iš Dartmouth konferencijos išaugo paradigma (mąstymo būdas), kuri šiandien dominuoja: idėja, kad žmogaus protas yra informacijos apdorojimo programa, o smegenys — biologinė aparatūrinė įranga.
Proto kompiuterizacija: nuo akademinės teorijos iki Silicio slėnio metaforos
Iš Dartmouth išaugusi „kompiuterinė proto teorija“ (angl. Computational Theory of Mind) teigia, kad mąstymas yra simbolių manipuliacija, vykdoma pagal formalias taisykles. Herbertas Simonas ir Allenas Newellas, sukūrę „Logic Theorist“, pareikšė, kad jie „išsprendė amžių amžius gyvavusią kūno ir proto problemą, paaiškindami, kaip sistema, sudaryta iš materijos, gali turėti proto savybes“. Filosofas Johnas Haugelandas vėliau rašė, kad dirbtinio intelekto kūrėjai nori ne imitacijos — jie nori sukurti mašinas, kurios iš tikrųjų mąsto, tiesiogine to žodžio prasme.
Kai ši paradigma persikėlė iš universitetų laboratorijų į technologijų industriją, ji tapo viena pamatinių Silicio slėnio metaforų. Intelektas pradėtas vertinti kaip optimizuojamas procesas. Programos „mokomos“, modeliai „treniruojami“, o skaičiavimo galia tampa pagrindiniu resursu. Tokiu požiūriu žmogaus mokymasis ir DI mokymas atrodo panašūs procesai: abu reikalauja laiko, energijos ir informacijos. Lyginti juos pagal „efektyvumą“ tampa savaime suprantamu dalyku — bent jau tiems, kurie mato pasaulį per šią prizmę.
Filosofinis atsakas: kinų kambarys ir prasmės problema
Vienas ryškiausių atsakymų į kompiuterinę proto teoriją atėjo 1980 metais iš filosofo Johno Searlo, Berklio universiteto profesoriaus. Jo „kinų kambario“ minties eksperimentas tapo vienu plačiausiai diskutuotų filosofinių argumentų kognityviniame moksle — iki X dešimtmečio vidurio jam buvo skirta daugiau nei šimtas akademinių straipsnių.
Eksperimentas paprastas: įsivaizduokite žmogų, nemokantį kiniškai, uždarytą kambaryje su instrukcijų knyga. Jis gauna kinų hieroglifais užrašytus klausimus, pagal instrukcijas surenka atsakymus ir išsiunčia juos lauk. Kambario išorėje esantys kinai yra įsitikinę, kad kambaryje esantis žmogus kalba kiniškai. Tačiau jis nesupranta nė vieno žodžio — jis tik manipuliuoja simboliais pagal formalias taisykles. Searlas teigia, kad kompiuteris daro lygiai tą patį: apdoroja simbolius, bet neturi jokio supratimo apie jų prasmę. Sintaksė nėra semantika.
Šiuo eksperimentu Searlas norėjo paneigti idėją, kad teisingai užprogramuotas kompiuteris galėtų mąstyti lygiai taip pat kaip žmogus. Jo atsakymas buvo aiškus: skaičiavimas gali imituoti supratimą, bet tikro supratimo nesukurs. Kompiuteris nemoka galvoti „apie kažką” — jis tik dėlioja simbolius, nežinodamas, ką jie reiškia. Ši diskusija, pradėta prieš beveik pusę amžiaus, šiandien skamba aktualiau nei bet kada.
Kas prarandama, kai žmogus tampa duomenimis?
Grįžkime prie Altmano palyginimo. Jo logika aiški: jei žmogus laikomas biologine informacijos apdorojimo sistema, tuomet galima lyginti jo „mokymo kainą“ su mašinos mokymo kaina. Žmogui reikia daugelio metų švietimo, socializacijos ir patirties; dirbtiniam intelektui — milžiniškų duomenų rinkinių ir elektros energijos. Tokia logika leidžia kalbėti apie „energijos efektyvumą“, „mokymo laiką“ ir „skaičiavimo sąnaudas“.
Tačiau būtent čia prasideda filosofinė problema. Žmogaus protas nėra vien informacijos apdorojimo mechanizmas. Jis yra „įkūnytas“ — neatsiejamas nuo kūno, jausmų, kultūros ir santykių. Smegenys nuolat kuria prognozinius modelius, paremtus ne tik duomenimis, bet ir kūnuiška patirtimi, emocijomis, socialiniu kontekstu. Kai žmogus sumenkinamas iki biologinio kompiuterio, šie aspektai tampa nematomi.
Čia slypi ir praktinis pavojus. Kai žmonės pradedami vertinti pagal „skaičiavimo efektyvumą“, natūraliai kyla klausimas: ar jie „efektyvūs“? Ar jų „treniravimas“ (t. y. švietimas) atsiperka? Ar jie „verti“ investicijų, palyginti su vis pigesniu ir greitesniu dirbtinio intelekto modeliu? Šis mąstymo būdas nėra tik akademinis — jis jau formuoja verslo ir politikos diskusijų kalbą.
Ironija: Wieneris perspėjo, Silicio slėnis nesiklausė
Ironiškai tai, kad Altmano retorika kyla iš kibernetikos, kurios pats kūrėjas perspėjo dėl tokio mąstymo. Wieneris buvo ne šaltakraujis inžinierius, o intelektualas, rašęs apie technologijų moralines pasekmes. Jo knyga „The Human Use of Human Beings“ buvo skirta plačiajai auditorijai ir kėlė klausimą: kaip užtikrinti, kad mašinos tarnautų žmonėms, o ne atvirkščiai?
Tačiau 1956 m. Dartmouth konferencijoje Wienerio perspėjimai buvo nustumti į šalį. Johnas McCarthis ir jo bendražygiai sąmoningai atsiribojo nuo „kibernetikos“ termino, sukurdami naują pavadinimą — „dirbtinis intelektas“ — ir kartu perkeldami dėmesį nuo etinių klausimų prie inžinerinių ambicijų. Nuo to laiko technologijų industrija pavėldėjo kibernetikos konceptualinę struktūrą, bet paliko nuošalyje Wienerio moralinę programą. Altmano komentaras — tai šio pavėldėjimo vaisius: kibernetikos analogija be kibernetikos sąžinės.
Skaidrumo spraga: ką mes iš tikrųjų žinome?
Altmano komentaro kontekstas atskleidžia dar vieną problemą. Šiandien nėra privalomų standartų, reikalaujančių iš technologijų bendrovių atskleisti, kiek energijos ir vandens sunaudoja jų duomenų centrai. Darbuotojus ir verslo partnerius paprastai saisto konfidencialumo sutartys. „Microsoft“ 2022 m. pranešė apie maždaug 34 procentų padidėjusį vandens suvartojimą, nurodydama dirbtiniį intelektą kaip vieną priežasčių; „Google“ — apie beveik 20 procentų. Tačiau tikslūs skaičiai kiekvienai užklausai priklauso nuo duomenų centro vietos, aušinimo technologijos ir apkrovos laiko.
Europos Sąjunga žengia žingsnį į priekį — naujos taisyklės reikalauja iš stambių duomenų centrų pateikti detalias energijos ir vandens ataskaitas. Tačiau pasauliniu mastu tokio standarto nėra. Ši skaidrumo spraga leidžia tokiems kaip Altmanas laisvai operuoti palyginimais, kurių neįmanoma nepriklausomai patikrinti. Kai nežinome tikslios DI energijos kainos, bet žinome, kad šie skaičiai didėja eksponentiškai, tokie retoriški išsireiškimai — „žmogus irgi kainuoja“ — tampa ne tik cinišku argumentu, bet ir politiniu šarvu.
Tikrasis klausimas
Altmano komentaras nėra tik provokuojanti frazė. Jis yra simptomas platesnės pasaulėžiūros, kurią technologijų sektorius pavėldėjo iš XX amžiaus kibernetikos ir ankstyvųjų DI teorijų. Ši pasaulėžiūra leidžia kurti galingas technologijas, tačiau kartu kelia egzistencinį klausimą: ar žmogaus protas iš tiesų gali būti suprastas tik kaip dar viena skaičiavimo sistema?
Atsakymas priklauso nuo to, kokios visuomenės mes norime. Jei žmogus yra tik biologinė mašina su tam tikra „treniravimo kaina“, tuomet jį natūralu lyginti su dirbtiniu intelektu — ir, galbūt, vieną dieną pripažinti, kad mašina yra „efektyvesnė“. Tačiau jei žmogaus vertė slypi ne skaičiavimo pajėgumuose, o sąmonėje, moraliniame sprendime, gebėjime užjausti, kurti prasmę ir prisiimti atsakomybę — tuomet Altmano palyginimas yra ne tik klaidingas, bet ir pavojingas.
Norbertas Wieneris tai suprato prieš septyniasdešimt penkerius metus. Klausimas: ar mes suprasime laiku?
Šaltiniai ir papildoma literatūra:
Norbert Wiener, „Cybernetics: Or Control and Communication in the Animal and the Machine“ (1948)
Norbert Wiener, „The Human Use of Human Beings: Cybernetics and Society“ (1950)
John Searle, „Minds, Brains, and Programs“, Behavioral and Brain Sciences, 3(3), 1980
Dartmouth Summer Research Project on Artificial Intelligence (1956)
Sam Altman, India AI Impact Summit, New Delhi, 2026 m. vasaris
The Manila Times, „Altman defends artificial intelligence energy use compared to human training”, 2026 m. vasario 28 d.
Knowledge at Wharton, „The Hidden Cost of AI Energy Consumption”, autorė Cornelia C. Walther, 2024 m. lapkričio 12 d.