Co osiągnęli twórcy sztucznej inteligencji w ciągu ostatniego roku? W jakim kierunku będzie się rozwijać branża AI? Przeczytaj przegląd przygotowany przez Pitch Avatar zespół.
Przyzwyczajanie się do sztucznej inteligencji
Zacznijmy od głównego wniosku tego roku — branża AI w pełni się ukształtowała. Można powiedzieć, że wyszła poza okres dzieciństwa i teraz, z młodzieńczą energią, opanowuje zawody i specjalizacje. W pewnym stopniu relacja między ludźmi a sztuczną inteligencją stała się „rutynowa”. Przyzwyczailiśmy się do polegania na niej w szerokim zakresie codziennych zadań osobistych i zawodowych, do proszenia jej o rady z konkretnym powodem lub bez, do traktowania jej jak zaawansowanej wyszukiwarki, do postaci AI, do komunikacji z chatbotami AI, do tworzenia tekstów, obrazów, filmów i oprogramowania z jej pomocą… Krótko mówiąc, kluczowym słowem roku w kontekście AI jest „przyzwyczajenie”. Przyzwyczailiśmy się nie tylko do mocnych stron modeli AI, ale także do ich wad, akceptując fakt, że wciąż daleko im do poziomu opisywanego w science fiction.
Inżynier Prompt zawodem roku
Niestety, pomimo wszelkich wysiłków twórców, modele sztucznej inteligencji (AI) wciąż popełniają błędy – często i w znaczący sposób. W 2025 roku nie znaleziono uniwersalnego „lekarstwa” na halucynacje maszynowe. Nie jest to jednak powód do pesymizmu. Modele i rozwiązania AI stale się rozwijają i stają się coraz bardziej precyzyjne. Dotyczy to zwłaszcza specjalistycznych narzędzi.
Jednocześnie eksperci zauważają, że znaczna część błędów w sztucznej inteligencji (AI) wynika nie z architektury czy samego trenowania modeli, ale ze sposobu formułowania dla nich zadań. Nieprzypadkowo możliwość jasnego zdefiniowania promptu dla AI i monitorowania dokładności jego wyników staje się coraz cenniejsza. Właśnie dlatego twierdzimy, że zawodem roku jest inżynier promptu.
SLM-y zamiast supersztucznej inteligencji
Ku rozczarowaniu technoentuzjastów i uciesze technosceptyków, to, co w popkulturze powszechnie określa się mianem supersztucznej inteligencji (Super AI), nie pojawiło się w 2025 roku. Właściwie nie jest to zaskoczeniem. Eksperci od dawna ostrzegają, że na obecnym poziomie rozwoju technologicznego stworzenie silnej, uniwersalnej sztucznej inteligencji jest niezwykle mało prawdopodobne. W rezultacie pojawienie się „myślącej sztucznej inteligencji (AI) zdolnej do radzenia sobie ze wszystkimi zadaniami lepiej niż najbardziej wykwalifikowani specjaliści i profesjonaliści” po raz kolejny zostało odłożone na czas nieokreślony. To oczywiście nie powstrzymuje optymistów w kwestii sztucznej inteligencji przed marzeniami o nadejściu supersztucznej inteligencji (Super AI) w 2026 roku – tak jak czynili to w latach ubiegłych.
Zaobserwowaliśmy jednak imponujący postęp w rozwoju i udoskonalaniu małych modeli językowych (SLM). To osiągnięcie jest prawdopodobnie nie mniej znaczące niż tworzenie dużych modeli językowych. W przeciwieństwie do modeli LLM, algorytmy SLM są trenowane na mniejszych, starannie wyselekcjonowanych, wysokiej jakości zbiorach danych. W rezultacie radzą sobie z niektórymi zadaniami równie dobrze – a nawet lepiej – niż ich „większe” odpowiedniki. Godnymi uwagi przykładami są serie modeli Orca 2 i Phi-3 firmy Microsoft.
Dlaczego to takie ważne? Po pierwsze, oferuje proste i eleganckie wyjście z tak zwanego „ślepego zaułka rozwoju”, który niektórzy przedwcześnie ogłosili w kontekście rozwoju LLM. Po drugie, zapewnia prostą i skuteczną ścieżkę do tworzenia wyspecjalizowanych narzędzi AI, które mogą wykonywać swoje zadania z minimalną liczbą błędów i awarii.
Chińska sztuczna inteligencja typu open source
Ważnym kamieniem milowym roku 2025 było to, że odtąd praktycznie każdy może tworzyć narzędzia AI. Warto przypomnieć, że miniony rok był pierwszym, w którym chińscy twórcy modeli AI nie tylko złożyli mocne oświadczenie, ale także, w pewnym stopniu, przejęli inicjatywę. Mamy tu oczywiście na myśli przede wszystkim modele opracowane przez Deepseek. Kluczowe jest nie tylko to, że chińscy twórcy zdołali wyszkolić konkurencyjne modele za ułamek kosztów ponoszonych przez liderów rynku — inni również pracują w tym kierunku. Tym, co naprawdę wyróżniało Deepseek, było to, że jako pierwsi zaoferowali model open source, udostępniając go publicznie. Inni chińscy twórcy wkrótce poszli w ich ślady. Pod tym względem amerykańscy i europejscy liderzy znaleźli się w roli naśladowców.
Przewidywalnym rezultatem był gwałtowny wzrost liczby narzędzi AI. I oczywiste jest, że to dopiero początek – pierwszy mały kamyk, który uruchamia lawinę.
W tym kontekście, bardziej niż kiedykolwiek, ważniejsza niż kiedykolwiek stała się staranna ocena wiarygodności dostawców rozwiązań AI i jakości ich produktów. Dotyczy to zwłaszcza ochrony danych i bezpiecznej interakcji z bazami danych i innym oprogramowaniem.
Transport AI i medycyna AI
Skoro już mówimy o bezpieczeństwie, to dobry moment, aby zauważyć, że sztuczna inteligencja osiągnęła poziom dojrzałości, który pozwala na jej szerokie i bezpieczne zastosowanie w medycynie i transporcie pasażerskim. Na przykład, w 2025 roku liczba urządzeń medycznych opartych na sztucznej inteligencji zatwierdzonych przez Amerykańską Agencję ds. Żywności i Leków (FDA) osiągnęła 1,250 (w porównaniu z zaledwie 223 w 2023 roku).
Skuteczność sztucznej inteligencji w takich dziedzinach jak diagnostyka medyczna jest wyraźnie widoczna w modelach Xp-Bodypart-Checker i CXp-Proction-Rotation-Checker opracowanych przez Grupę Badawczą Wydziału Medycznego Uniwersytetu Metropolitalnego w Osace. Modele te, zaprojektowane do analizy zdjęć rentgenowskich, charakteryzują się dokładnością od 98.5% do 99.3%.
Jeśli chodzi o transport, w zeszłym roku zarówno amerykański operator robotaxi Waymo, jak i ich chiński odpowiednik z Apollo Go ogłosili osiągnięcie kamienia milowego ćwierć miliona przejazdów tygodniowo. Tymczasem na samym początku 2026 roku NVIDIA ogłosiła otwarty pakiet modeli Alpamayo, przeznaczony do tworzenia autonomicznych pojazdów opartych na sztucznej inteligencji, symulujących ludzkie rozumowanie.
Oczywiście, jest zdecydowanie za wcześnie, aby twierdzić, że lekarze i kierowcy korzystający ze sztucznej inteligencji wkrótce zastąpią większość swoich biologicznych odpowiedników. Jednak rosnący wpływ sztucznej inteligencji w medycynie i logistyce jest wyraźnie widoczny. Co najważniejsze, przyspieszające tempo wdrażania sztucznej inteligencji w obszarach wymagających szczególnie ścisłego nadzoru jest silnym wskaźnikiem postępu w automatyzacji opartej na sztucznej inteligencji.
Umiejętność myślenia jest ważniejsza niż wiedza
Najważniejszym osiągnięciem roku 2025 – i tym, które zdefiniuje kierunek rozwoju branży sztucznej inteligencji w najbliższej przyszłości – jest znaczący postęp w tworzeniu „rozumnej” sztucznej inteligencji. Przede wszystkim odnotowano gwałtowny wzrost wyników w testach MMMU, GPQA i SWE-bench – odpowiednio o 18.8, 48.9 i 67.3 punktu procentowego. Warto przypomnieć, że testy te pierwotnie miały na celu zademonstrowanie ograniczeń najnowocześniejszych systemów sztucznej inteligencji. Po ich udostępnieniu powszechnie uważano, że ulepszenia w tych testach będą bardzo powolne – zaledwie kilka punktów rocznie – i szybko osiągną pułap technologiczny, którego obecne systemy nie będą w stanie pokonać. W tym sensie modele sztucznej inteligencji były dla twórców tych testów prawdziwą niespodzianką.
Jeszcze większym zaskoczeniem było pojawienie się modeli, które nie tylko wyszukują odpowiedzi i kompilują dane w odpowiedzi na monit, ale generują ukryte „łańcuchy myśli” – składające się z setek słów i pojęć – pozostające niewidoczne dla użytkownika. Koncepcje stojące za takimi systemami zostały wprowadzone już w 2024 roku. W 2025 roku zarówno Google DeepMind, jak i OpenAI zaprezentowały swoje możliwości w spektakularny sposób, zdobywając na przykład złoty medal na Międzynarodowej Olimpiadzie Matematycznej. Biorąc pod uwagę zeszłoroczne osiągnięcia, można śmiało powiedzieć, że idea, iż „uczenie sztucznej inteligencji budowania długich łańcuchów rozumowania jest ważniejsze niż trenowanie jej na ogromnych zbiorach danych”, znalazła silne potwierdzenie. Nie oznacza to oczywiście, że duże zbiory danych zostaną całkowicie wyeliminowane z procesu trenowania sztucznej inteligencji. Jednak w świetle tych nowych wyników podejścia do trenowania zostaną zrewidowane i dostosowane na rzecz budowania systemów zdolnych do rzeczywistego rozumowania.
Postęp jest widoczny i daje nadzieję, że w dającej się przewidzieć przyszłości doprowadzi do stworzenia niemal „bezbłędnych” modeli sztucznej inteligencji, wolnych od halucynacji maszynowych.
Co najważniejsze, naszym zdaniem, takie podejście radykalnie zwiększy możliwości i wydajność autonomicznych agentów AI. Rozumne, cyfrowe, wirtualne roboty stają się głównym nurtem technologii AI – trend, który będzie kontynuował rewolucję AI zarówno w produkcji wideo, jak i w rozwoju sztucznych asystentów i pracowników.
Powodzenia wszystkim i owocnej pracy ze sztuczną inteligencją w 2026 roku! Oczywiście, w tym rozwiązań AI od naszych Pitch Avatar zespół.
