Limity AI: 2026 #14 Rzuciła pracę w banku, aby studiować AI — dziś jest cenioną artystką

Witamy w Limitach AI, pierwszym polskim podcaście dehypującym AI, w którym konsekwentnie od marca ubiegłego roku krytycznie badamy dyskusje wokół syntetycznych modeli ludzkiej inteligencji i próbujemy zrozumieć o co właściwie chodzi. Co jest dziś rzetelnym, popartym naukowo faktem, a co clickbaitowym, marketingowym spinem, futurystyczną spekulacją czy wręcz dezinformacją służącą grze kapitału. Naszym celem nie jest tu krytykanctwo czy kwestionowanie korzyści jakie oferuje AI, ale wręcz przeciwnie. Precyzyjne ustalenie spektrum tych korzyści, wdrożeń, zastosowań przy jednoczesnym określeniu ryzyk i ograniczeń, czyli tytułowych limitów. W tym roku nasz podcast powstaje we współpracy z Business Program AI, który dołączył do redakcji MIT Sloan Management Review jako partner strategiczny naszego kanału. Cieszymy się z tego partnerstwa, bo łączy nas wspólne ambicje. Jakościowe, rzetelne edukowanie przedsiębiorców w temacie sztucznej inteligencji bez uproszczeń technopropagandy, hype'u, fantazjowania i marketingowego szumu.

A dzisiaj naszą gościenią jest dr Iwona Tao. Cześć Iwona. Iwona jest artystką nowych mediów, fotografką i badaczką AI. Która w swojej praktyce artystycznej łączy fotografie, kodowanie oraz modelowanie sieci, tak zwanych sieci neuronowych. Jest absolwentką matematyki na Uniwersytecie Warszawskim, gdzie skończyła studia magisterskie w 2015. A doktorat później robiła z AI, a dokładnie z Computer Vision na polsko-japońskiej Akademii Technik Komputerowych. W ostatnich latach jako artystka występowała, czyli prace były pokazywane na bardzo prestiżowych imprezach, między innymi podczas Art Basel w Miami, Art Dubai Digital, w nowojorskich galeriach Christie's, Sotheby's, w londyńskim Victoria & Albert Museum.

Miała wystawy indywidualne m.in. w Nowym Jorku, Honju, Tokio, w Berlinie. Jej prace znajdują się w muzeach czy w kolekcjach publicznych w Karlsruhe i Linzu, też w Muzeum Sztuki Współczesnej we Wrocławiu. Jest też laureatką szeregu prestiżowych nagród. W 2022 roku została wskazana, wybrana jako jedna z dziesięciu Najbardziej zaangażowanych, rozpoznawalnych kobiet w polskim AI przez AI Women in Tech Foundation, a w ubiegłym roku otrzymała prestiżową Lumen Prize oraz Cifra Award, jak również stypendium Fundacji Onazisa. Jeszcze raz dzień dobry, cześć Iwona, porozmawiamy.

Cześć, dziękuję bardzo za takie piękne wprowadzenie. Bardzo miło mi gościć w tym podcaście. Czy coś jeszcze powinniśmy dodać, żebyśmy przedstawili ciebie naszym słuchaczom, oglądaczom? Ja myślę, że to jest dość dobre podsumowanie. Takie bardzo krótkie, zwiększone podsumowanie tego, co ja robię, to jest po prostu połączenie AI i fotografii, więc tutaj takie stwierdzenie art and tech wydaje mi się, że bardzo dobrze się odnosi do tego, co ja robię, bo jednocześnie zajmowałam się sztuką, fotografią, kreatywnością, a z drugiej strony bardzo technicznie, tak jak wspomniałeś, matematycznie, programistycznie również podchodziłam do poznawania, czym jest AI, czym jest I wokół tego będziemy rozmawiać. Natomiast z Iwoną poznaliśmy się podczas festiwalu Digital Cultures w Zamku Ujazdowskim kuratorowanego przez Anię Szylar, który to festiwal spotyka ze sobą właśnie twórców z bardzo różnych środowisk, zarówno z obszaru twórczości cyfrowej, jak i badań nad technologiami, czy powiedzmy z obszaru takiego komentariatu, którym ja się zajmuję.

Właśnie, tylko żeby zacząć, to przywołajmy nazwiska i powiedz mi, co cię z nimi łączy. A jak nie powiesz mi, to ja ci powiem, co cię z nimi łączy. Wojtek Zaremba, Jarosław Tworek, Filip Wolski i Henryk Michalewski. Są to nazwiska słyszane dla mnie ze świata AI. Wydaje mi się, że po prostu ta techniczność i ta próba zrozumienia, czym są algorytmy. To też, ale przede wszystkim wszyscy skończyliście matematykę na Uniwersytecie Warszawskim. Zaremba, Tworek i Wolski związani są, niektórzy byli z OpenAI, Michalewski z Google DeepMind. No to powiedz, ilu twoich kolegów i twoich koleżanek ze studiów poszło w AI?

Tak, to jest w ogóle bardzo ciekawe pytanie, no i też w pewnym sensie gdzieś tam jestem dumna z tej naszej uczelni, bo nasza uczelnia, mimo tego, że przynajmniej tak ja ją wspominam, że bardzo konserwatywna, z profesorami, którzy, że tak powiem, byli bardzo doświadczeni w matematyce, wciąż mieli te same skrypty od lat, tam się dużo nie zmieniało, Za moich czasów w ogóle nie było czegoś takiego jak AI, uczyliśmy się po prostu fundamentów matematyki, matematyki abstrakcyjnej, rozmaitości, uczyliśmy się rachunku prawdopodobieństwa. O ile się coś dało policzyć, to profesorowie mówili, że to już jest zadanie dla Politechniki, więc operowaliśmy na bardzo abstrakcyjnych konceptach. No natomiast to, co ta uczelnia dała mi, to rzeczywiście to takie podejście do myślenia i podejście do skomplikowanych problemów.

Dzięki matematyce możemy odkrywać kosmos, którego nie możemy zobaczyć, a zamodelujemy, a potem tworzymy Urządzenia, które potwierdzają to, co wynika z rachunków i to jest niesamowite. Zrówno ten kosmos na poziomie międzyplanetarnym, jak i na poziomie cząsteczkowym. Ale z drugiej strony takie ciekawe zdanie profesora Hellera przywołuje, które zrobiło na mnie wrażenie, że nasza matematyka jest jeszcze bardzo prymitywna. Bo uprawiamy ją zaledwie od 4000 lat. Co ty o tym myślisz? Wydaje mi się, że to też nawiązuje do tego innego tematu, o którym rozmawialiśmy i o tym, jak AI próbuje rozwiązać problemy matematyczne, bo to, co w matematyce jest niezwykle istotne, to jest tak naprawdę zrozumienie.

Nie wystarczy, że udowodnimy pewną tezę, ale musimy też zrozumieć, co w tej tezie zachodzi. Więc to, co te odkrycia nam dają, to tak naprawdę sposób patrzenia na świat i sposób rozumienia, w jaki sposób mechanizmy Fizyki, kosmosu, świata działają, więc dlatego bazując na tych odkryciach, które w ciągu czterech tysięcy lat się pojawiały, jesteśmy w stanie dodać kolejną malą cegielkę do rozumienia świata. Natomiast samo... Ale to co nazywasz zrozumieniem? Powiem Ci tak, że jak ja myślę o języku, powiedzmy jest hipoteza czy eksperyment myślowy Johna Serla, chiński pokój. który cały czas stoi w dyskusji wokół AI, który pokazał w latach 80., dokładnie 83. rok, jeśli dobrze pamiętam, że możemy zbudować maszynę matematyczną, liczącą, która symuluje interakcje w języku do tego stopnia, że człowiek nie będzie w stanie odróżnić interakcji z maszyną od interakcji z człowiekiem, ergo maszyna przechodzi test Turinga.

Jednocześnie taka maszyna nie będzie rozumiała języka, co u Serla znaczyło tyle, że nie będzie miała żadnej wiedzy o relacji między językiem, systemem znaków, a rzeczywistością pozajęzykową. I to jest coś, co dzisiaj jest wyzwaniem dla twórców AI, powiedzmy LLM-ów, Jak zapewnić tak zwany alignment, czyli powiązanie tego co wytwarzają, tego co robią LLM-y i powiedzmy oparte na nich systemy agentowe, z naszymi potrzebami z rzeczywistością społeczną. Ale jest jeszcze ten drugi biegun rzeczywistości, czyli jakaś czasoprzestrzeń, jakieś zjawiska fizyczne, jakieś zjawiska biologiczne, organiczne i może jeszcze to wszystko, czego nie znamy. Więc pytanie, co ty byś nazywała rozumieniem matematyki?

Pracowało wielu matematyków, między innymi profesor z Uniwersytetu w Nowym Jorku, jeden z profesorów, teraz nie przypomnę jego nazwiska, ale który jest na etacie profesorem na Uniwersytecie w Nowym Jorku i on pracował przy wykorzystaniu oprogramowania, które jest w subskrypcji w modelu OpenAI, współpracując ze swoim kolegą, który z kolei był związany z Antropikiem. I pracowali nad tym problemem przy wykorzystaniu modeli AI. I teraz pojawiła się bardzo szybko informacja, że ich praca, mówiąc wprost, została przewłaszczona, przywłaszczona, czyli to człowiek wykonał zasadniczą część roboty, dostawca oprogramowania, który obiecuje, że nie szkolimy na twoich danych, jak nam płacisz subskrypcję, potem powiedział, że no nie możemy wykluczyć, że jednak te dane się dostały do bazy treningowej, nie?

Natomiast te maszyny nie są w stanie myśleć Poza obszarem, na którym są nauczony. Tutaj wiem, że mówimy o matematyce, ale wydaje mi się, że też kolejna metafora może być bardzo trafna. A propos tego, jak LLM-y uczą się tworzyć nowe wizualne obrazy i łączyć koncepty. LLM-y są i generalnie AI, które mamy obecnie, jest świetne w interpolacji i łączeniu rzeczy, które są niepodobne do siebie. Natomiast nie są w stanie ekstrapolować. Potrafią ekstrapolować, tylko że to jest zawodne. No tak, to jest takie ekstrapolowanie, ale wewnątrz tej samej domeny, wewnątrz tej samej rozmaitości, której się ten model nauczył. Więc wyobraźmy sobie, że żyjemy w XIX wieku i tworzymy LLM-y w XIX wieku na podstawie kanonu sztuki, który został stworzony do momentu do dzisiaj.

Wydarzył się prąd, wydarzyły się maszyny elektryczne. I raptem się okazało, że człowiek chce mówić całkowicie inne historie i te inne historie i inne wyrazy ekspresji i inne po prostu ruchy estetyczne zostali stworzone przez człowieka i zostali też bardzo zrozumiane przez innych ludzi. To nie jest tak, że jeden wariat gdzieś stwierdził, że dobra ja teraz wymyślę czarny kwadrat i to jest dziwne. Tylko raptem się okazało, że rzeczywiście ma to pewien sens, który kolektywnie jako ludzkość jesteśmy w stanie zrozumieć. I tutaj właśnie ten eksperyment mentalny pokazuje, że AI obecnie jest w stanie zrobić bardzo dużo ciekawych rzeczy, natomiast stworzyć coś, co będzie nowym nurtem w sztuce czy w matematyce, to właśnie w analogiczny sposób. Bardzo dobry przykład. Jeszcze to podbiję i pociągnijmy to chwilę,

I to okazało się potrzebne, czyli wartościowe w kulturze. Dokładnie. Tak naprawdę AI nie jest w stanie zmienić tej funkcji optymalizacyjnej, znaczy mamy różne metody uczenia AI. Tutaj czasami pokazujemy przykłady, pokazujemy przykłady co jest prawdą, co jest falszem, pokazujemy coś z prawdziwym tekstem, coś z prawdziwym obrazem. Czasami dodajemy człowieka do tego, czyli mówimy co jest lepsze A czy B i taki człowiek może powiedzieć bardziej mi się podoba A i ta informacja Gdzieś od człowieka znowu przychodzi do modelu i do zbioru trenującego. Natomiast model sam w sobie nie jest w stanie zmienić tego zadania. Jest po prostu komputerowym algorytmem, który gdzieś dostał pewne zadanie, które zostało wyznaczone przez człowieka.

To jest ten ptak, powiedzmy gawron czy wrona, która jest w stanie skojarzyć, że można powrzucać kamyki do wąskiej butelki, żeby się dostać, żeby się podniósł poziom wody, mimo że z butelkami nie miał do czynienia, tak samo jak z samochodami na skrzyżowaniu są w stanie, zrzucają kasztany, kiedy samochody nie jadą i tak dalej. I to jest płynność, znaczy zdolność naszego umysłu do wychodzenia w tajemniczy sposób w gruncie rzeczy, poza dane, na których byliśmy trenowani, czy to gatunkowo, czy to socjalizowani. I tutaj ta analogia między tym, co potrafi ludzki umysł, a co potrafią te syntetyczne umysły, powiedzmy, AI się kończy. I to jest twarda granica technologii, którą mamy na dziś dzień.

I w pewnym sensie to jest interpolacja, natomiast to jest takie, mówię, życzliwa interpretacja tego, co się dzieje w procesie kultury wytwarzania treści. Natomiast, no, Duchamp jest takim radykalnym przykładem, bo to już sięgnięcie jest poza depozyt, powiedzmy, kultury do rzeczywistości i wyciągnięcie tego doświadczenia, uwaga, uwaga, rozpadają się porządki semantyczne całej nowoczesności. Świat przestaje być tym, czym był, słowa przestają znaczyć to, co znaczyły, pojawiają się, i sztuka może to utrwalić, nie? I pojawiają się readymades, nie? No wiesz co, dobrze, to wystartowaliśmy ostro, ale ja ci zdałem pytanie jeszcze raz, bardzo proste. Ilu twoich kolegów i koleżanek ze studiów poszło w AI? Wiesz o tym? W ogóle masz jakiś kontakt? Statystyk nie znam, natomiast tak widząc po LinkedInie, czy gdzieś tam też mamy jakiś spreadsheet google'owy, co robi alumni, no to widzę, że bardzo dużo i obecnie to jest... Znaczy często ta droga też była taka zawila.

Chociaż, chociaż nie, muszę też przyznać... MIM, czyli? Czyli nasz Wydział Matematyki, Informatyki i Mechaniki UW. Jakby skrótowo mówimy MIM-ów albo MIM. Chociaż nie, tutaj szczerze mówiąc muszę trochę cofnąć to, że jestem jedyna, bo na pewno nie jestem jedyna. Widzę, że w ostatnich latach dużo się zmieniło. Po pierwsze, pojawiły się kierunki na uniwersytecie, takie jak machine learning, coś co było nie do pomyślenia. Też szkoła naukowe, wydaje mi się, że też jest szkoła naukowa kreatywnego wykorzystania właśnie tutaj AI, w którym nawet brałam udział parę lat temu i nawet pojawiła się konferencja z... Co prawda to była na razie jedna edycja, która była w nowo otwartym wtedy budynku MSN-u, ale właśnie ze sztuki stworzonej z wykorzystaniem AI, więc takie inicjatywy tutaj też się zaczęły pojawiać.

Osób bardziej lub mniej zagospodarowanych w świecie sztuki, takich osób, które powiedzmy tak zawodowo jak ja zajmowałyby się łączeniem sztuki AI Jest być może mało, ale na pewno jest dużo osób zainteresowanych tym i gdzieś tam przynajmniej hobbystycznie zajmujących się tym tematem. Bo ty studia kończyłaś w 2015, czyli 11 lat temu. I słuchaj, ten bank, ja na to nie byłem przygotowany, to długo wytrzymałaś w tym banku? Parę lat. To było tak, że właśnie po studiach stwierdziłam, że nie, koniec, koniec z nauką. W ogóle byłam absolutnie przetyrana przez studia matematyczne. Tutaj muszę powiedzieć z całą szczerością, że nie byłam z tych wzorowych studentów. Jak miałam trójkę, trójkę z minusem, to było w ogóle spełnienie marzeń, terminy wrześniowe i jechaliśmy, żeby po prostu zdać.

Ale wiesz, powiem ci, że dzisiaj, jak mam w mojej bańce społecznej takich progresywnych komputerowców i senior developerów, to oni robią dokładnie to ze swoimi pracownikami, współpracownikami czy studentami. Napisz program na kartce papieru. Naucz głowę myślenia strukturami, które potem zapisujesz, a nie gdzie ty możesz głowie pozwolić, żeby cały czas ten backspace pracował. To naprawdę, więc ja rozumiem jak gdyby też progresywny charakter tego ćwiczenia. Dokładnie, to ma oczywiście bardzo poprawną motywację tego, że się rozumie w jaki sposób działają programy komputerowe zamiast właśnie zapamiętać czy po prostu zakładać, że kompilator. Pamiętajmy, że z tego mimo, z tej metody z kartką papieru wychodzą Najbardziej cenieni na świecie praktycy inżynierii powiedzmy AI czy inżynierii programowania.

Więc zaczęłam się też uczyć programowania, no ale stwierdziłam, że takie po godzinach nie jest zbyt produktywne, więc zrobiłam dwie rzeczy jednocześnie. Zaaplikowałam na doktorat na polsko-japońskiej, do katedry multimediów, bo to też tak brzmiało ciekawie z tym, co właśnie mnie interesowało, z fotografią i mediami ogólnie. No a z drugiej strony też stwierdziłam, że rzucę dobrze płatną pracę w banku i pójdę na staż jako data science intern. Co się nie spodobało absolutnie moim rodzicom, ale tak patrząc wstecz, było po prostu świetnym posunięciem, bo jakby było początkiem tej mojej kolejnej kariery i w AI, ale potem również i w sztuce, więc to posunięcie takie po prostu, pójście na cały etat i uczenie się czegoś, co mnie fascynuje.

Wracamy do materialności i do tego, co właśnie antydigitalne. Ja rozumiem, tylko podaję kąt przykład, że można też rozwijać w tę stronę i tu odkrywać, ale to też musielibyśmy porozmawiać bardzo technicznie, bo to dla naszych słuchaczy niekoniecznie musi być Zrozumiałe, co to znaczy odkrywać i kreować, kreować i doświadczać tego procesu w obszarze, który dopiero powstaje. I ja wracam do tej pierwszej myśli. Ty powiedziałeś sobie, że nawet szacując to ryzyko na 20%, Trochę jak dzisiaj mamy ryzyko na ile to AI nas może unicestwić, jeszcze jest niższe, ale że oszacowałaś sobie to ryzyko, podjęłaś decyzję, no powiedzmy ryzykowną i poszłaś, jak rozumiem, powiedziałaś jako intern data...

Data science intern, tak. I co to, znaczy polegała ta praca, co to było? W jakimś startupie, w jakimś... Znaczy to już nie był startup, tylko tak zwany software house, tuplux, polska firma, która się zajmowała, najpierw zajmowała się tworzeniem oprogramowania mobilnego i jakby front-endu. Natomiast tutaj jakby taka postać Tomasza Czcińskiego, który jest jakby też bardzo mocno jakby jedną z podstawowych osób w polskim AI, mam wrażenie. I tutaj jakby on był tą osobą jakby, która była moim przyłożonym w Tupluksie. I tutaj on też potem był moim promotorem pomocniczym i też bardzo mocno nakierował ten mój rozwój w stronę AI, jakby też rozwój naukowy, bo

Bardzo często te projekty AI, te wczesne, bardzo często też były mocno ryzykowne, bo to była dość nowa technologia I jeszcze mocniej niż teraz z AI, jakby największy problem jest taki, że AI dobrze zadziała w 80% przypadków, natomiast te pozostałe 20 to jest coś, co trzeba bardzo mocno opracować albo ręcznie, albo to są blendy, na które na przykład taka firma nie może sobie pozwolić, więc tutaj jakby wdrożenie tego, żeby coś działało już tak produkcyjnie, no to była ta resztka tego algorytmu, co nie dopracowało. Oczywiście potrzebna już jest ta wiedza spoza modelu na przykład. Tak, to również. To tak z grubsza, bo to do dzisiaj wisi, że AI jest good enough albo very good, nawet lepszy od człowieka w tych 80 przypadkach, które są podobne do przeszłości, czyli podobne do tego, na czym było trenowane.

Tak, tak. Że jest dużo klientów, dużo projektów, No to jeszcze powiedz twój doktorat, bo zaraz przejdziemy do sztuki, ale już bardzo ładnie tutaj nam się zamapowało. Jak ty głęboko technologicznie siedzisz i teoretycznie w AI, no ale na końcu jesteś inżynierką od AI, prawda? No to co ci te studia i to doświadczenie dały z perspektywy już twojej praktyki artystycznej? No wydaje mi się, że przede wszystkim to takie z jednej strony zrozumienie filozoficznie, zrozumienie z czym my w ogóle pracujemy, czym jest to narzędzie. I czym nie jest. Czym nie jest też, jakie ma możliwości, ale z drugiej strony też taki warsztat, że mogę pracować z tymi narzędziami tak głęboko.

To też jest fascynujące, bo jako inżynier AI jestem nauczona robić rzeczy w pewien sposób, ale jako artystka ja do tego podchodzę od drugiej strony i stwierdzam, dobra, nie możemy tak robić, ale co się stanie, jak tak zrobimy, nie? Więc to są takie eksperymenty, które w sumie działają w dwie strony, bo z drugiej strony też bardzo mocno pokazują mi, w jaki sposób te modele działają, gdy coś zmienimy, gdy przekręcimy jakąś śrubkę, gdy przestawimy pewne elementy, więc to działa w dwie strony. I wydaje mi się, że tutaj też jest pewien taki związek pomiędzy sztuką a nauką, który się bardzo często pojawia, że artyści może czasami też wpływają gdzieś na rozwój sztuki, może niechcący. Artyści nazw nauki. Ale to przechodzi w popkulturę.

Ile seriale typu Star Trek z lat 60. zorganizowały wyobraźni designerów. Jak popkultura oddziałuje teraz na te decyzje, nie tylko wizerunkowe, ale takich ludzi jak Musk czy Altman. Więc sztuka gdzieś na początku wytwarza memy, mówimy na to, czyli jakieś formy wizualne, formy praktyk społecznych, estetyki, które potem przechodzą przez kulturę popularną i oddziałują nie tylko na naukę. Idąc w stronę sztuki, Wytłumacz naszym słuchaczom w ogóle po co jest sztuka, po co tobie jest sztuka i pracowałeś w banku, studiowałeś matematykę, studiowałeś AI i rozumiesz AI.