Ekonomista Tyler Cowen poprowadził gościnnie odcinek podcastu New York Times, wykorzystując tę platformę do obszernego wywiadu z Dwarkeshem Patelem. W wpisie ogłaszającym rozmowę na Marginal REVOLUTION, opublikowanym 16 października 2026 r., Cowen napisał: „Here is the audio, video, and transcript”, kierując czytelników do pełnego odcinka dostępnego na stronie Timesa.

Cowen, profesor ekonomii na George Mason University i długoletni współautor Marginal REVOLUTION, jest częstym komentatorem technologii i ekonomii. Patel jest najbardziej znany jako gospodarz Dwarkesh Podcast, gdzie rozmawia z badaczami, założycielami firm i decydentami o sztucznej inteligencji; w odcinku Timesa zasiadł tym razem na krześciego gościa.

Fragment: niepublikowane modele i to, co wiedzą osoby z wewnątrz

Opublikowany fragment koncentrował się na niepublikowanych modelach AI — systemach tworzonych wewnątrz czołowych laboratoriów, które nigdy nie trafiają do publiczności, ponieważ ich udostępnienie byłoby zbyt kosztowne albo nie są jeszcze uznawane za bezpieczne. Temat otwiera okno na pytanie biegnące pod spodem całej rozmowy: ile o tempie postępu AI może wiedzieć opinia publiczna, gdy najbardziej wymowne dowody pozostają wewnątrz laboratoriów.

Cowen: „Unreleased models — why are they important?” (Niepublikowane modele — dlaczego są ważne?)

Patel: „As in the ones that are internal to the companies?”Czyli te wewnętrzne, należące do firm?)

Cowen: „Well, many companies have unreleased models. Maybe it would cost too much to release them or they’re not safe yet, but the public doesn’t see them.” (Wiele firm ma niepublikowane modele. Może ich publikacja byłaby zbyt kosztowna albo nie są jeszcze bezpieczne, ale opinia publiczna ich nie widzi.)

Patel: „Yeah.” (Tak.)

Cowen: „You’re an insider. Whether or not you see them, you hear about them; you know something about them. How should we think about unreleased models, and how does that change our picture of what’s going on?” (Jesteś osobą z wewnątrz. Niezależnie od tego, czy je widzisz, słyszysz o nich; wiesz o nich coś. Jak powinniśmy myśleć o niepublikowanych modelach i jak to zmienia nasz obraz sytuacji?)

Patel: „I think there’s a very frustrating element to the current situation right now, where people inside the A.I. labs claim to have evidence that makes them more worried, and they are not allowed to talk about it. This makes it a very difficult situation on the outside to evaluate how worried we should be.” (Uważam, że w obecnej sytuacji jest bardzo frustrujący element: osoby wewnątrz laboratoriów AI twierdzą, że mają dowody, które je bardziej niepokoją, i nie wolno im o nich mówić. To sprawia, że z zewnątrz bardzo trudno ocenić, jak bardzo powinniśmy się martwić.)

Patel przytoczył wtedy niedawną prywatną wymianę, aby zilustrować problem. „Maybe two days ago, I was talking to somebody at Anthropic, and they were like: Look, I expect A.I.s to beat humans at A.I. research within nine months” (Może dwa dni temu rozmawiałem z kimś z Anthropic i ta osoba powiedziała: Słuchaj, spodziewam się, że AI pokona ludzi w badaniach nad AI w ciągu dziewięciu miesięcy), powiedział. „And I’m like: Why do you believe that? They’re like: It’s not just vibes, but I have information on the inside.” (A ja: Skąd to wiesz? A oni: To nie tylko przeczucie, mam informacje od środka.) Gdy Patel dopytywał dalej — „What is it? Is it a new model? Is it some evaluation you ran?” (Co to jest? To nowy model? Jakaś ewaluacja, którą przeprowadziliście?) — odpowiedź, jak relacjonował, brzmiała: „I can’t talk about it.” (Nie mogę o tym mówić.)

„I think it’s a terrible state affairs” (Uważam, że to fatalny stan rzeczy), powiedział Patel, dodając: „If they really believe this, if they think that we’re in a situation where we’re less than a year away from automating A.I. research and radically speeding it up, they should make this evidence public.” (Jeśli naprawdę w to wierzą, jeśli uważają, że jesteśmy mniej niż rok od zautomatyzowania badań nad AI i radykalnego ich przyspieszenia, powinni upublicznić te dowody.)

Pogłębiająca się luka informacyjna

Patel nakreślił również scenariusz, w którym dystans między tym, co wiedzą laboratoria, a tym, co wie opinia publiczna, rośnie z czasem. „I especially worry about the following scenario, whereas A.I.s get better and better at making A.I. progress faster and automating it, they will be inclined not to keep releasing models that are even close to their smartest models externally, because then if they release those externally, it would help others make smart models” (Szczególnie martwi mnie następujący scenariusz: w miarę jak AI robi się coraz lepsze w szybszym napędzaniu postępu AI i jego automatyzacji, firmy będą niechętne dalszemu publikowaniu modeli choćby zbliżonych do swoich najinteligentniejszych modeli na zewnątrz, bo ich udostępnienie pomogłoby innym tworzyć inteligentne modele), powiedział. „And it’s just kind of a schlep to release models externally. You need all these safeguards and everything.” (Poza tym publikowanie modeli na zewnątrz to po prostu uciążliwy proces. Potrzeba wszystkich tych zabezpieczeń i tak dalej.)

Cowen wyciągnął konsekwencje dla osób z zewnątrz: „So the gap between what they know and what we know would get bigger and bigger under that scenario. We’d end up more in the dark, more surprised when things happen. It would be harder for regulators, policymakers, members of Congress, everyone.” (Czyli w tym scenariuszu przepaść między tym, co oni wiedzą, a tym, co my wiemy, będzie rosła. Skończymy bardziej w nieświadomości, bardziej zaskoczeni, gdy coś się wydarzy. Będzie trudniej dla regulatorów, decydentów, członków Kongresu — dla wszystkich.) W tym ujęciu decyzje laboratoriów o tym, które modele publikować — ważone względem kosztów, bezpieczeństwa i opisanych przez Patela zabezpieczeń — kształtują to, ile regulatorzy, decydenci i opinia publiczna faktycznie mogą zobaczyć.

Obok rozmowy o niepublikowanych modelach Cowen odesłał czytelników do „dyskusji o psychozie AI wśród innych tematów” poruszonych w odcinku. Ogłoszenie zakończył słowami: „Kudos to Dwarkesh for taking the other side of the microphone.” (Ukłony dla Dwarkesha za zajęcie drugiej strony mikrofonu.)

Niniejszy artykuł opiera się oryginalnym wpisie I guest host the NYT podcast and interview Dwarkesh na Marginal REVOLUTION.