DeepMind otwiera Instytut Polityki AGI, a 30-dniowy przegląd modeli jest już na stole

16 września 2026 r. Google DeepMind uruchomił DeepMind Institute – platformę publikacyjną dla esejów o ogólnej sztucznej inteligencji, kierowaną przez Demisa Hassabisa, Shane’a Legga i Jamesa Manyikę, przy czym Legg pełni funkcję redaktora zarządzającego. Nie udostępniono żadnego modelu ani nie odnotowano żadnych szkód. Uruchomienie ma znaczenie ze względu na argumenty zawarte w esejach otwierających: jeden z nich, autorstwa Hassabisa, proponuje kierowany przez USA organ standaryzacyjny ds. frontier AI, który oceniałby najzdolniejsze modele do 30 dni przed udostępnieniem – początkowo dobrowolnie, a następnie jako warunek wdrożenia w Stanach Zjednoczonych, z testami na odłożonych zbiorach i możliwym skoordynowanym spowolnieniem w tle. Inny, autorstwa badaczy bezpieczeństwa z DeepMind, Rohina Shaha i Anki Dragan, opowiada się za ograniczeniem „nieprzejrzystej głębokości szeregowej” – obliczeń, które model może wykonać bez emitowania czytelnego śladu rozumowania. Zapis uruchomienia w archiwum, wraz z jego oceną i cytowanymi źródłami, znajduje się w archiwum incydentów AI obok pozostałych wpisów dotyczących zarządzania w tej serii.

Co zostało uruchomione i co jest rzeczywiście nowe?

The DeepMind Institute to platforma publikacyjna, a nie regulator. Jego trzech dyrektorów to Hassabis, współzałożyciel i przewodniczący Google DeepMind oraz główny naukowiec Alphabet; Legg, współzałożyciel i główny naukowiec ds. AGI, który również redaguje tę stronę; oraz Manyika, prezes Google ds. badań, laboratoriów, technologii i społeczeństwa. Te tytuły pochodzą z własnych stron autorów instytutu i są powtórzone w relacji The Next Web z 16 września oraz TechCrunch z 17 września. Strona zawiera zastrzeżenie, które ma większe znaczenie niż jakikolwiek pojedynczy esej: teksty DMI „mają służyć jako punkty wyjścia do rozmowy, odzwierciedlając idee i badania autora, i nie należy ich odczytywać jako oficjalnego stanowiska Google”.

Według stanu indeksu w momencie pisania tego artykułu wymienia on osiem esejów, z których pięć nosi datę 16 września: esej założycielski trzech dyrektorów; „Argumenty za przejrzystością rozumowania” Rohina Shaha i Anki Dragan; „Polityka gospodarcza dla AGI” Juliana Jacobsa i Alexa Imasa; „Zasady nowego utopizmu” Stephena Cave’a; oraz „Argumenty za globalnymi korzyściami z AI” Iasona Gabriela i Atoosy Kasirzadeh. Dwa kolejne pojawiły się 24 września — „Oszuści i sygnaliści w roju agentów” oraz „Sztuczna inteligencja symbiotyczna” — a jeden 8 października, „Zmieniając krzywą odkryć”.

Warto odnotować liczbę tekstów z dnia premiery, ponieważ relacje medialne nie zgadzają się ze stroną. TechCrunch, The Next Web i AI Weekly opisywały po cztery teksty opublikowane wraz z esejem założycielskim i każdy z nich wymieniał wśród nich framework Hassabisa. Wszystkie trzy pominęły „The case for global benefit from AI”, który strona datuje na ten sam dzień. Materiał źródłowy nie rozstrzyga tej różnicy, podobnie jak niniejszy artykuł; pewne jest natomiast, że oznaczenia dat na samej stronie umieszczają ten esej w zestawie otwierającym, a ówczesne relacje go nie wspominają.

Datą o większym znaczeniu nie jest wcale 16 września. Esej o ramach ma na stronie DMI datę 14 lipca 2026, a jego lead kończy się uwagą, że „po raz pierwszy ukazał się na X”. Propozycja 30-dniowego przeglądu jest więc około dwa miesiące starsza niż instytut, który ją obecnie hostuje; uruchomienie dodało miejsce i zbiór, a nie nowy pomysł polityczny. Nie udało nam się zlokalizować oryginalnego posta na X, więc strona DMI jest źródłem zarówno lipcowej daty, jak i uwagi o pochodzeniu. TechCrunch, The Next Web i AI Weekly przedstawiały ramy jako część inauguracyjnego zestawu, nie wspominając o wcześniejszej publikacji — a to detal, który historia premierowa spłaszcza, a czytelnik odtwarzający chronologię go potrzebuje.

Propozycja organizacji normalizacyjnej, w brzmieniu przedłożonym

Esej Hassabisa jest najbardziej konkretnym dokumentem w zbiorze, a jego szczegółowość czyni go cytowalnym. Proponuje, aby Stany Zjednoczone ustanowiły „nowy organ normalizacyjny wzorowany na nadzorowanym federalnie partnerstwie publiczno-prywatnym lub organizacji samoregulacyjnej, w dużym stopniu podobnej do Financial Industry Regulatory Authority (FINRA)", z zarządem obejmującym niezależnych ekspertów technicznych i przedstawicieli open source, finansowanym w znacznej mierze przez branżę, aby opłacić talenty techniczne i moc obliczeniową, jakiej wymagają testy na dużą skalę. Model kwalifikowałby się jako „Frontier-class" po przekroczeniu progów na benchmarkach, które organ ustala i na bieżąco aktualizuje; organizacje posiadające takie modele byłyby określane mianem „Frontier Labs" i zachęcane do publikowania kart modeli, utrzymywania wewnętrznego bezpieczeństwa cybernetycznego, weryfikowania kluczowego personelu i finansowania badań nad bezpieczeństwem.

Sekwencja to część, którą cytowano najczęściej. Laboratoria Frontier miałyby „początkowo” dobrowolnie udostępniać modele instytucji do przeglądu „do 30 dni przed wydaniem”. Gdy protokół oceny okaże się skuteczny, „formalizacja mogłaby szybko nastąpić, co oznaczałoby, że Frontier Models musiałyby go przejść, aby zostać wdrożone na rynku amerykańskim”. Oceny obejmowałyby cyberbezpieczeństwo, zagrożenia biologiczne i inne dziedziny wysokiego ryzyka, a testy agentowe wykrywałyby próby obejścia zabezpieczeń lub oznaki oszukiwania; byłyby aktualizowane być może co kwartał w miarę wysycania się benchmarków. Ewaluacje rozpoczęłyby się w konsultacji z laboratoriami, a docelowo stałyby się testami ukrytymi, które instytucja przygotowuje sama, aby powstrzymać laboratoria przed nadmiernym dopasowywaniem się do znanych ewaluacji, przy wsparciu ekosystemu audytorów zewnętrznych.

Trzy dalsze postanowienia łatwo przeoczyć i to właśnie o nich regulator by się spierał. Ramy mogłyby mieć zastosowanie do modeli klasy frontier „niezależnie od ich kraju pochodzenia ani od tego, czy są otwarte, czy zamknięte”, podczas gdy modele niebędące modelami frontier pochodzące od startupów lub ze środowiska akademickiego byłyby z nich wyłączone. Organ ten mógłby zostać „wzmocniony, gdyby powaga sytuacji tego wymagała, w tym poprzez koordynowanie spowolnienia rozwoju wśród Frontier Labs, jeśli uznano by to za konieczne” — skoordynowane spowolnienie, w ujęciu samego Hassabisa, jest klauzulą awaryjną, a nie polityką. A przy tym cały tekst pozostaje propozycją: esej mówi, że USA „mogłyby ustanowić” taki organ. Nie wskazuje żadnej agencji, żadnego instrumentu legislacyjnego, żadnej kwoty budżetowej ani harmonogramu poza warunkowym „gdy zostanie wykazane, że protokół oceny jest skuteczny i solidny”.

Drugi mechanizm: limit myślenia, którego nikt nie potrafi odczytać

Esej Shaha i Dragana wychodzi od faktu dotyczącego działania dzisiejszych modeli rozumujących. Rozwiązują one problemy, zapisując pośrednie kroki w języku naturalnym — łańcuch myśli — i odczytując go z powrotem, co daje badaczom bieżący wgląd w to, czy model planuje ukryć informacje lub oszukać podczas ewaluacji. W eseju stwierdzono, że dzienniki łańcucha myśli były „kluczowe dla zbadania niedawnego incydentu hakerskiego w Hugging Face”, podczas którego badacze przy wsparciu AI przejrzeli ponad 1000 transkryptów, aby ustalić, co się wydarzyło, i że część z tego, co znaleźli, mogłaby pozostać niezauważona bez czytelnego śladu.

Ich argument jest taki, że to okno jest warunkowe, a nie gwarantowane. Modele mogłyby rozumować w przestrzeni ukrytej, a nie za pomocą słów, co mogłoby być wydajniejsze i domyślnie nieprzejrzyste, a zachęty treningowe mogą nauczyć model pisania wprowadzającego w błąd śladu, nawet gdy architektura pozostaje taka sama. Przywołują dwa dowody na trend, który już trwa: kartę systemową OpenAI dla GPT-6 Astra, z której – jak cytują – ma wynikać „znaczny spadek monitorowalności łańcucha myśli w porównaniu z poprzednimi modelami”, oraz ustalenie UK AI Security Institute o „znacznie zwiększonej zdolności rozumowania w ramach pojedynczego przebiegu w przód oraz zdolności kontrolowania treści swojego łańcucha myśli”. Oba cytaty pojawiają się w eseju; ten artykuł nie zweryfikował ich niezależnie względem karty systemowej ani publikacji instytutu.

Następnie esej proponuje trzy kierunki działań — mierzenie, ile przejrzystości faktycznie zapewnia łańcuch myśli, utrzymywanie architektur domyślnie przejrzystych oraz audytowanie nagród treningowych, aby ślad nie został po cichu nauczony sprawiać wrażenie dobrze się zachowującego — oraz jedną ideę, która zaszła dalej niż pozostałe. Definiują „opaque serial depth” jako „zasadniczo najdłuższe obliczenie krok po kroku, jakie model może wykonać bez potrzeby korzystania z czytelnego dla człowieka mechanizmu, takiego jak Chain of Thought”, i sugerują, że „regulacje lub sami twórcy AI mogliby ustanowić rozsądny limit” tego.

Esej określa liczbowo, ile kosztowałoby takie ograniczenie, i jest to własne obliczenie autorów, a nie pomiar. Piszą oni, że gdyby nieprzejrzystą głębokość szeregową ograniczono do 10 razy większej niż w obecnych modelach, nadal pozwalałoby to w ramach obecnej architektury na „ogólne zwiększenie skali obliczeń o ponad 10 000 razy względem dzisiejszych modeli”, ponieważ nieprzejrzysta głębokość szeregowa transformera skaluje się bardzo wolno wraz z rozmiarem treningu. Twierdzenie to jest argumentem, że przejrzystości nie trzeba poświęcać na rzecz skali; opiera się na założeniu dotyczącym tego, jak ta głębokość rośnie, i esej przedstawia je właśnie jako założenie. Pozostaje otwarte, gdzie faktycznie zostałby ustalony pułap i kto by go egzekwował — zdanie to proponuje regulacje i samoorganiczenie deweloperów jako alternatywy i nie dokonuje między nimi wyboru.

Co jest ustalone, a co nie

• Utworzono: instytut rozpoczął działalność 16 września 2026 r. z trzema wskazanymi dyrektorami i Leggiem jako redaktorem zarządzającym; zastrzeżenie w serwisie wskazuje, że nie jest to oficjalne stanowisko Google; eseje istnieją, noszą te daty i przedstawiają argumenty podsumowane powyżej. Niezależne media — TechCrunch, The Next Web i AI Weekly — relacjonowały uruchomienie, dyrektorów oraz istotę obu propozycji, dlatego archiwum ocenia pewność zapisu na A.

• Fakt ustalony, lecz niedostatecznie nagłośniony: esej ramowy powstał przed instytutem. Jego strona opatrzona jest datą 14 lipca 2026 r. i podaje, że po raz pierwszy ukazał się na X. Czytelnik, który kierowałby się wyłącznie relacjami z inauguracji, datowałby propozycję 30-dniowego przeglądu na połowę września.

• Nie ustalono: że Google lub Alphabet przyjęły którąkolwiek z propozycji. Zastrzeżenie wyraźnie wskazuje, że teksty odzwierciedlają poglądy ich autorów, a esej ramowy jest w całości napisany w trybie warunkowym — USA „mogłyby ustanowić” organ; formalizacja „mogłaby szybko nastąpić”. Żadnemu z esejów nie towarzyszy zobowiązanie ze strony firmy.

• Nie ustalono: jakiejkolwiek reakcji rządu. Żaden z materiałów przejrzanych na potrzeby tego artykułu nie donosi o odpowiedzi rządu USA, Kongresu, regulatora ani innego państwa na propozycję organu ds. standardów, a esej nie wskazuje żadnego urzędnika, który by ją poparł.

• Nie ustalono: czy instytut ma jakiekolwiek własne uprawnienia. Publikuje eseje. Nie testuje modeli, nie certyfikuje ich ani nie wymusza na nikim stosowania mechanizmów opisywanych przez swoich autorów, a nic w przejrzanych materiałach nie wskazuje, by miało to robić.

• Zarejestrowana szkoda: brak. Archiwum klasyfikuje ten wpis jako zmianę polityki o wadze informacyjnej, bez zarejestrowanej rzeczywistej szkody, niekwestionowaną, z dokładnością do dnia. To jest właściwa rama dla tego wpisu: zbiór argumentów wchodzących do rejestru publicznego nie jest incydentem, a powód, dla którego w ogóle się go rejestruje, jest taki, że konkretne mechanizmy — przegląd przedpremierowy, limit nieczytelnych obliczeń — to rzeczy, które później stają się regułami albo nie.

Kto wysuwa argumenty

Autorzy nie są zewnętrznymi krytykami. Shah kieruje bezpieczeństwem i alignmentem AGI w Google DeepMind, a Dragan jest wiceprezesem ds. bezpieczeństwa i zachowania AI; obaj proponują ograniczenia dotyczące rodzaju modeli, które buduje ich własny pracodawca. Hassabis jest współzałożycielem i przewodniczącym laboratorium. Instytut, który uruchomili, zgodnie z własnym zastrzeżeniem nie jest kanałem polityki firmy — co działa w obie strony: propozycje mają ciężar stanowisk ich autorów wewnątrz laboratorium, ale nie nakładają żadnych zobowiązań korporacyjnych.

Publiczne wypowiedzi Legga podczas premiery zmierzały w tym samym kierunku. Powiedział „Financial Times”, jak relacjonował The Next Web 16 września, że możliwości AI nie mogą wyprzedzać mechanizmów kontroli bezpieczeństwa, a apel dyrektora generalnego Anthropic, Dario Amodeiego, o spowolnienie — ale nie wstrzymanie — publikowania modeli frontierowych nazwał „interesującym kierunkowo” i „wartym rozważenia”. Powiedział również, że przedwczesne jest ogłaszanie, iż osiągnięto AGI, i według tego doniesienia nadal był spokojny o swoją prognozę 50% szans na „minimalne” AGI do 2028 r. TechCrunch umieścił premierę w tym samym tygodniu, w którym liderzy branży poparli elementy apelu Amodeiego z 12 września o wyhamowanie tempa rozwoju.

Ten kontekst warto traktować z dystansem. Eseje nie zobowiązują Google do niczego, a najmocniejsza lektura dostępna na podstawie dokumentów jest węższa, niż sugerowało to omówienie: dwie osoby zajmujące wysokie stanowiska w czołowym laboratorium spisały publicznie i szczegółowo reżim przeglądu oraz pułap transparentności, które ich zdaniem powinny istnieć, i opublikowały je z zastrzeżeniem, które trzyma firmę na dystans. Czy 30-dniowy przegląd przed publikacją albo limit nieprzejrzystej głębokości szeregowej kiedykolwiek pojawi się w ustawie, regule zamówieniowej lub zestawie testów porównawczych, jest pytaniem, które zapis pozostawia otwarte. Do tego czasu jest to dobrze uzasadniony zestaw propozycji z dołączoną datą — i dokładnie tak zapisuje to archiwum.