Dyrektor ds. technicznych firmy Databricks i profesor Uniwersytetu Kalifornijskiego w Berkeley Matej Zacharia zdobył prestiżową nagrodę ACM Prize in Computing 2026. Nagroda, obejmująca nagrodę pieniężną w wysokości 250 000 dolarów, którą Zachariah zamierza przekazać na cele charytatywne, stanowi wyraz jego zasadniczego wkładu w dziedzinę dużych zbiorów danych i przetwarzania rozproszonego.
Od Open Source Spark do imperium wartego 134 miliardy dolarów
Droga Zachariaha od środowiska akademickiego do pozycji lidera w branży rozpoczęła się w 2009 roku. Jako absolwent Uniwersytetu Kalifornijskiego w Berkeley pod kierunkiem profesora Iona Stoiki opracował Apache Spark, projekt typu open source, którego celem było rozwiązanie problemu nieefektywności wczesnych metod przetwarzania dużych zbiorów danych.
W tamtym czasie duże zbiory danych były głównym wyzwaniem dla branży – podobnie jak dzisiaj sztuczna inteligencja (AI). Spark zrewolucjonizował sposób przetwarzania ogromnych zbiorów danych, zapewniając szybkość i skalowalność niezbędną w nowoczesnych komputerach. Ten przełom stał się podstawą Databricks – firmy, która z biegiem czasu ewoluowała od narzędzia do analizy danych do potężnej platformy do przechowywania danych w chmurze i platformy AI. Pod kierownictwem inżynierskim Zachariaha firma Databricks rozrosła się do kolosalnych rozmiarów, z wyceną na poziomie 134 miliardów dolarów i rocznymi przychodami na poziomie około 5,4 miliarda dolarów.
Podnoszenie standardów ludzkich dzięki sztucznej inteligencji
Pomimo uznania Zachariasz koncentruje się na przyszłości inteligencji, a nie na swoich przeszłych osiągnięciach. Oferuje prowokacyjne spojrzenie na obecny stan sztucznej inteligencji ogólnej (AGI), sugerując, że branża szuka w niewłaściwych miejscach.
“AGI już tu jest. Po prostu nie jest w formie, którą zwykliśmy doceniać” – powiedział Zachariah TechCrunch. „Myślę, że ważniejsze jest to, że nadszedł czas, abyśmy zaprzestali prób stosowania ludzkich standardów w modelach sztucznej inteligencji”.
Zachariasz argumentuje, że pozostaje fundamentalne nieporozumienie: ludzie często oceniają sztuczną inteligencję na podstawie tego, jak dobrze naśladuje ona ludzki sposób myślenia, a nie na podstawie tego, jak przetwarza informacje. Podczas gdy ludzie uczą się poprzez integrację i doświadczenie, sztuczna inteligencja przoduje w szybkim wchłanianiu i wydobywaniu ogromnych ilości danych. Próbując wcisnąć sztuczną inteligencję w ramy ludzkie, ryzykujemy wystąpieniem dwóch poważnych problemów:
- Niedopasowanie oczekiwań: Dokładność faktów mylimy z „wiedzą ogólną” lub zdolnością rozumowania.
- Luki w zabezpieczeniach: W miarę jak agenci AI (tacy jak OpenClaw) stają się coraz bardziej zdolni do naśladowania osobistych asystentów, stają się „koszmarem bezpieczeństwa”. Jeśli agent ma działać jako zaufana osoba, użytkownicy mogą niechcący udzielić mu dostępu do wrażliwych danych, haseł lub kont finansowych, stwarzając ogromne możliwości włamań i nieautoryzowanych transakcji.
Następna granica: sztuczna inteligencja jako narzędzie badawcze
Zamiast skupiać się na chatbotach symulujących rozmowę, Zachariah widzi prawdziwą wartość sztucznej inteligencji w automatyzacji złożonych zadań badawczych i inżynieryjnych.
Przewiduje przejście od „kodowania wibracyjnego” (trend udostępniania programowania za pomocą podpowiedzi wysokiego poziomu) do świata, w którym precyzyjne, pozbawione halucynacji badania nad sztuczną inteligencją stają się wszechobecne. Jego wizja obejmuje:
- Odkrycia naukowe: Wykorzystanie sztucznej inteligencji do symulacji zmian na poziomie molekularnym i przewidywania skuteczności eksperymentów biologicznych.
- Zaawansowana synteza danych: Wyjdź poza zwykły tekst i obrazy, aby analizować fale radiowe, mikrofale i złożone dane z czujników.
- Powszechny dostęp do informacji: Przekształcenie sztucznej inteligencji z narzędzia, które po prostu „odpowiada na pytania” w narzędzie przeprowadzające dogłębne badania, aby pomóc ludziom rozumieć informacje, a nie tylko generować tekst.
Wniosek
Uznanie przez ACM Mateja Zachariasa podkreśla jego rolę w kształtowaniu ery danych, ale jego obecne skupienie służy jako ostrzeżenie: aby naprawdę wykorzystać sztuczną inteligencję, musimy przestać traktować ją jak człowieka i zacząć wykorzystywać jej wyjątkową zdolność do przetwarzania i eksplorowania świata w skali globalnej.
