AI Daily: GPT-5.4, Microsoft AI w patologii i błąd rozpoznawania twarzy

GPT-5.4 — 37 centów za zadanie i wyniki bliskie AGI

OpenAI właśnie ogłosiło coś, co jeszcze rok temu brzmiałoby jak science fiction: GPT-5.4 osiąga 90% na kluczowych benchmarkach AGI i kosztuje dosłownie 37 centów za jedno złożone zadanie. To 32 razy lepsza efektywność tokenowa niż GPT-5.2 — i to w ciągu zaledwie trzech miesięcy. Liczby mówią same za siebie: 83% na GDPval (poprzednik miał 70,9%), który testuje realne zadania zawodowe jak analiza danych czy modelowanie finansowe. 75% na OSWorld-Verified — czyli nawigacja po prawdziwym desktopie — co po raz pierwszy bije ludzką średnią wynoszącą 72,4%. Do tego 81,2% na MMMU-Pro w rozumowaniu wizualnym i 82,7% na BrowseCompie dla agentów webowych.

Co to znaczy w praktyce? Model nie tylko „myśli” taniej, ale też szybciej. Mniej tokenów to mniejsza latencja — czyli odpowiedzi dosłownie lecą. Dla firm budujących produkty na API OpenAI to zmiana kosztów operacyjnych rzędu kilkudziesięciu procent z dnia na dzień.

Kiedy AGI przestanie być tylko benchmarkiem?

90% na testach AGI brzmi imponująco, ale pamiętajmy — benchmarki to nie rzeczywistość. GPT-5.4 świetnie radzi sobie z zadaniami zdefiniowanymi przez ludzi, ale „prawdziwe” AGI to coś więcej niż wynik w tabeli. Pytanie, kiedy ta granica zniknie, staje się jednak coraz mniej retoryczne.

Oczywiste fejki AI — wiralowe zdjęcie i garść refleksji

Użytkownik X o nicku @greg16676935420 wrzucił wczoraj jedno zdjęcie i internet dosłownie eksplodował — prawie 5 milionów wyświetleń, 37 tysięcy polubień. Na zdjęciu: szyld z kompletnie bezsensownymi, poplątanymi literami. Czysta robota Groka od xAI. I wiecie co jest w tym ciekawe? Nie sam fejk — bo takich jest tysiące dziennie. Ciekawe jest to, że ludzie zaczęli to rozpoznawać. Masowo. Z humorem, ale też z pewną powagą.

Generatory obrazów AI od lat mają problem z tekstem. Litery, cyfry, napisy na szyldach — to wciąż pięta achillesowa większości modeli. Midjourney, DALL-E, Grok — wszystkie potrafią nawalić dokładnie w tym miejscu. A że dziś każdy ma smartfon i konto w social mediach, to takie wpadki błyskawicznie stają się memami. Dobra wiadomość? Rosnąca świadomość społeczna to coś, czego naprawdę brakowało w debacie o AI.

Czy lepsza detekcja to wystarczająca odpowiedź?

Narzędzia do wykrywania AI-generated content mnożą się jak grzyby po deszczu, ale żadne nie jest niezawodne. Edukacja wizualna — uczenie się, co szukać na zdjęciu — może być równie ważna jak techniczne detektory. Ten viralowy post to nieoczekiwana lekcja medialna dla milionów ludzi.

Microsoft GigaTIME — AI, który czyta komórki rakowe

Microsoft ogłosił GigaTIME — i to jest naprawdę duże. System wytrenowany na 40 milionach komórek potrafi zamienić zwykłe szkiełko laboratoryjne (preparat H&E, który ma każdy szpital na świecie) w szczegółową mapę białkową. To jak danie patologowi superwzroku — z prostego, taniego badania dostaje informacje, za które normalnie trzeba by płacić dziesiątki tysięcy złotych i czekać tygodniami.

Multiplex immunofluorescence — bo o to chodzi — to technika, która pokazuje jednocześnie 21 różnych białek w tkance nowotworowej. Dotąd była droga, skomplikowana i niedostępna dla większości laboratoriów. GigaTIME generuje wirtualny odpowiednik takiego badania z danych, które już masz. Dla diagnostyki onkologicznej to potencjalnie zmiana jakości opieki dla milionów pacjentów — szczególnie tam, gdzie dostęp do specjalistycznego sprzętu jest ograniczony. Polska służba zdrowia, hej.

Multimodalny AI w medycynie — dokąd zmierzamy?

GigaTIME to przykład tego, jak AI multimodalny — łączący różne typy danych — przestaje być akademicką ciekawostką. Łącząc obraz z danymi molekularnymi, Microsoft pokazuje kierunek: AI jako narzędzie do demokratyzacji diagnostyki. Więcej o podobnych zastosowaniach AI znajdziesz w artykule o nowych narzędziach AI dla profesjonalistów.

Karpathy ocenia: które zawody są na celowniku AI?

Andrej Karpathy — współzałożyciel OpenAI, były dyrektor AI w Tesli — spędził sobotnie przedpołudnie na zakodowaniu projektu, który teraz podbija internet. Narzędzie ocenia 342 zawody z amerykańskiego Bureau of Labor Statistics pod kątem ryzyka zastąpienia przez LLM-y, na skali 0–10. Efekt? Interaktywna mapa 143 milionów miejsc pracy pokolorowana od zieleni (spokojnie) do czerwieni (czas się martwić).

Średnia ważona ekspozycji na AI to 4,9–5,3 na 10 — czyli połowa rynku pracy jest poważnie na celowniku. Najwyżej? Zawody analityczne, obsługa klienta, księgowość, podstawowa analiza prawna. Najniżej? Zawody manualne wymagające precyzji fizycznej — hydraulicy, elektrycy, fryzjerzy. Ciekawe, że Karpathy sam podkreślił, że to „2-godzinny projekt weekendowy” — co samo w sobie mówi coś o tym, jak szybko AI potrafi dziś produkować użyteczne narzędzia analityczne.

Co naprawdę mówi nam ta mapa?

Nie tyle „kto straci pracę”, co „kto musi się nauczyć pracować z AI”. Różnica jest ogromna. Zawody z oceną 7+ to nie wyroki — to sygnały, że bez adaptacji będzie trudno. Ciekawe, że dziennikarze i copywriterzy lądują wysoko — co dla nas, piszących o AI, ma trochę ironiczny smaczek.

Babcia w więzieniu — tragiczny błąd AI w sądzie

To jest historia, która powinna trafić na okładki wszystkich gazet. Angela Lipps, 50-letnia kobieta z Tennessee, spędziła prawie sześć miesięcy w więzieniu — bo system rozpoznawania twarzy pomylił ją z osobą, która okradała banki w Północnej Dakocie. 1200 mil od jej domu. Algorytm przeanalizował nagranie z monitoringu i wskazał ją jako podejrzaną. Policja aresztowała. Sąd nie dał kaucji. Cztery miesiące czekania na ekstradycję, bez możliwości wyjścia.

Kiedy w końcu dowody ją oczyściły, straciła już dom, samochód, psa i — co chyba najtrudniejsze — poczucie bezpieczeństwa. Systemy rozpoznawania twarzy są notoryczne z błędami wobec kobiet i osób o ciemniejszym odcieniu skóry — to nie jest nowa wiedza. A mimo to wciąż są używane jako główny dowód przez organy ścigania w USA.

Gdzie jest granica między narzędziem a wyrokiem?

To pytanie przestało być filozoficzne. AI w systemie prawnym powinno być wskazówką, a nie werdyktem — ale w praktyce działa często odwrotnie. Jeśli algorytm „mówi winny”, za wiele osób na to po prostu kiwa głową. Sprawa Angeli Lipps powinna być sygnałem alarmowym dla każdego kraju, który wdraża podobne systemy — w tym Polski.

Podsumowanie dnia

1. GPT-5.4 zmienia rachunek ekonomiczny AI. 37 centów za zadanie i 32x lepsza efektywność tokenowa to nie marketing — to twarda zmiana kosztów dla wszystkich firm budujących na API OpenAI. Wyniki bliskie AGI na kluczowych benchmarkach pokazują, że tempo nie zwalnia.
2. Społeczeństwo uczy się rozpoznawać AI. Wiralowe zdjęcie z bezsensownymi literami zebrało 5 milionów wyświetleń i stało się nieoczekiwaną lekcją medialną. Rosnąca czujność użytkowników to ważny element w ekosystemie AI — nawet jeśli przyjdzie w formie mema.
3. Microsoft GigaTIME może zmienić onkologię. Wirtualne mapy białkowe z prostych preparatów histologicznych to realna szansa na lepszą diagnostykę nowotworów tam, gdzie brakuje sprzętu i specjalistów. To jeden z bardziej konkretnych przykładów AI robiącego coś dobrego.
4. Karpathy dał nam mapę zagrożeń zawodowych. Średnia ekspozycja 4,9–5,3 na 10 dla 342 zawodów to liczba, która powinna mobilizować do działania — nie do paniki. Kto adaptuje się dziś, ten jutro nie będzie zaskoczony.
5. Błąd AI wsadził niewinną kobietę za kratki. Historia Angeli Lipps to nie anegdota — to systemowy problem używania rozpoznawania twarzy jako dowodu sądowego bez wystarczających zabezpieczeń. Regulacje nie nadążają za rzeczywistością, a płacą za to konkretni ludzie.

Dzisiejszy dzień świetnie pokazuje, że AI to nie jeden trend — to jednocześnie narzędzie medyczne, ekonomiczny gamechanger, źródło memów i potencjalne zagrożenie dla wolności osobistej. Wszystko naraz, w jednym 24-godzinnym newsowym cyklu. Kluczowe pytanie nie brzmi już „czy AI zmieni świat”, tylko „kto zdecyduje, w którą stronę”.