Kilka dni temu mój telefon miał za mało miejsca.
Nic niezwykłego. Już się z tym zmagałem wcześniej.
Więc zrobiłem to, co wszyscy robią – zacząłem usuwać rzeczy. Stare filmy, nieużywane aplikacje, przypadkowe zrzuty ekranu, o których nawet nie pamiętałem, że je zrobiłem.
Ale potem otworzyłem swoją galerię.
I zauważyłem coś dziwnego.
Te same zdjęcia siedziały tam wiele razy. Nie podobne – exact duplicates. Ten sam plik. Ten sam obraz. Po prostu skopiowane do różnych folderów, w kółko.
Na początku wydawało się, że to mały błąd.
Ale im dłużej patrzyłem, tym bardziej czułem, że to coś większego.
To nie jest problem przechowywania.
Problem projektowania systemu.
Powtarzalność wszędzie
Mój telefon nie był zepsuty. Po prostu był nieefektywny.
To nie było tworzenie nowych danych—to było przechowywanie tej samej rzeczy wiele razy w różnych miejscach, jakby nie miało świadomości tego, co już istnieje.
I nagle, to już nie wydawało się problemem telefonu.
Czułem, że to wzór, który gdzieś już widziałem.
Kilka dni później… systemy AI
Kilka dni później, czytałem o infrastrukturze AI—serwowanie modeli, dostrajanie pipeline'ów, wspólne wagi, systemy rozproszone.
I coś kliknęło.
Wiele systemów AI dzisiaj nadal działa jak pamięć mojego telefonu.
Te same modele powielane w różnych środowiskach.
Te same obliczenia powtarzane w różnych pipeline'ach.
Ta sama logika odbudowywana zamiast wykorzystywana.
Nie dlatego, że inżynierowie nie wiedzą lepiej.
Ale ponieważ systemy ewoluują w fragmentach zanim ewoluują w efektywności.
Ukryty koszt "więcej"
Zwykle myślimy, że postęp w AI wygląda tak:
Więcej modeli.
Więcej narzędzi.
Więcej infrastruktury.
Więcej warstw inteligencji.
Ale pod powierzchnią dzieje się coś mniej oczywistego.
Powtarzalność rozwija się szybciej niż inteligencja.
Nie tylko budujemy systemy—powielamy je w różnych formach, pod różnymi nazwami, dla różnych workflow, które często rozwiązują pokrywające się problemy.
Tak jak mój telefon przechowujący to samo zdjęcie pięć razy w pięciu folderach.
Inny sposób na postrzeganie postępu
Wtedy zaczęła się formować inna idea:
Może postęp nie polega na dodawaniu więcej inteligencji.
Może chodzi o redukcję zbędnej powtarzalności inteligencji.
Nie każdy problem wymaga nowego modelu.
Nie każdy workflow potrzebuje nowego pipeline'u.
Nie każdy system musi być budowany od podstaw.
Czasami prawdziwa aktualizacja to wspólna struktura zamiast powielonego wysiłku.
Ostateczna myśl
Ta mała chwila w mojej galerii zdjęć zmieniła sposób, w jaki myślę o systemach.
Bo nieefektywność rzadko jest głośna.
To nie łamie rzeczy. To cicho je mnoży.
A może następna faza AI nie będzie definiowana przez to, ile budujemy…
Ale o ile w końcu przestaniemy odbudowywać to samo w różnych miejscach.
