← wszystkie artykuły

Efektywny altruizm: jak ruch od moskitier trafił do OpenAI i Anthropic?

Zobacz odcinek

Rozdziały

1. 1 Rodzina, która oddaje połowę pensji 0:00
2. 2 Staw, od którego się zaczęło 3:07
3. 3 Oksford, filozofowie i 10 procent 4:28
4. 4 Ile kosztuje uratowanie życia? 6:32
5. 5 Zarabiaj, żeby dawać 8:09
6. 6 Sam Bankman-Fried i upadek FTX 10:06
7. 7 Moskitiera kontra koniec świata 11:44
8. 8 Jak filozofowie od darowizn trafili do Anthropic 12:42
9. 9 Co zostało po FTX? 18:38
10. 10 Co możesz z tego wziąć dla siebie 19:56
11. 11 Trzy kroki na start 21:05
12. 12 Zakończenie 21:54

Rodzina, która oddaje połowę pensji

Julia Wise jest pracownicą socjalną w więzieniu. Jej mąż, Jeff Kaufman, jest programistą. Dom pod Bostonem, dzieci, zwykłe życie — poza jednym szczegółem: od lat celują w to, żeby połowę dochodów oddawać na cele charytatywne. I prowadzą z tego publiczną tabelkę.

W 2021 roku wyszło im 400 tysięcy dolarów darowizn.

Kiedy Julia była po dwudziestce, przez jakiś czas zastanawiała się, czy w ogóle moralnie wolno jej mieć dzieci. Nie dlatego, że ich nie chciała. Policzyła, ile kosztuje wychowanie dziecka, i pomyślała: jeżeli wydam te pieniądze tutaj, to nie oddam ich ludziom, którzy potrzebują ich bardziej.

Za tą historią stoi ruch, który wziął bardzo proste pytanie i doprowadził je tak daleko, jak potrafią tylko filozofowie i analitycy: skoro już dajesz pieniądze, żeby komuś pomóc, to dlaczego nie sprawdzasz, gdzie ta sama kwota pomoże najbardziej?

Nazywa się efektywny altruizm (effective altruism, w skrócie EA). Przez kilkanaście lat wyprodukował ludzi oddających obcym połowę pensji, organizacje liczące skuteczność darowizn tak, jak fundusz liczy stopę zwrotu, i spór o to, czy ważniejsze jest dziecko chore dziś, czy miliardy ludzi, którzy mogą się urodzić za setki lat. A po drodze jego idee trafiły tam, gdzie na początku nikt by się ich nie spodziewał: do laboratoriów sztucznej inteligencji.

Staw, od którego się zaczęło

Rok 1972. Australijski filozof Peter Singer publikuje esej „Famine, Affluence, and Morality”. Jest w nim eksperyment myślowy tak prosty, że aż wkurza.

Idziesz do pracy. Mijasz płytki staw. W stawie topi się dziecko. Możesz wejść do wody i je wyciągnąć — nic ci nie grozi, zniszczysz tylko ubranie i buty. Powiedzmy, że stracisz tysiąc złotych.

Ratujesz? Oczywiście. Nikt normalny nie stoi nad stawem i nie mówi „chwila, te buty kosztowały 999”.

Potem Singer robi drugi ruch. Pyta, dlaczego ta sama logika przestaje działać, kiedy dziecko jest kilka tysięcy kilometrów dalej. Jeżeli za podobną kwotę można sfinansować coś, co zmniejszy ryzyko śmierci dziecka w Afryce, to dlaczego odległość ma zmieniać ocenę moralną? Tamtego dziecka nie widzisz, nie słyszysz, nie stoisz obok. Ale czy z jego perspektywy to cokolwiek zmienia?

Przez lata było to pytanie z zajęć z etyki. A potem przyszło pokolenie, które powiedziało: dobra, to policzmy.

Oksford, filozofowie i 10 procent

Toby Ord, filozof z Oksfordu, ustala sobie limit wydatków: najpierw około 20 tysięcy funtów rocznie, potem 18 tysięcy. Wszystko, co zarobi powyżej, chce oddawać organizacjom, które według danych robią najwięcej dobra. Nie na próbę — na resztę życia.

W 2009 roku razem z Willem MacAskillem i Bernadette Young zakłada Giving What We Can. Podstawowa zasada jest mniej ekstremalna niż limit Orda: oddajesz co najmniej 10% dochodu przez całe życie zawodowe organizacjom, które uważasz za najskuteczniejsze.

To nie była instytucja z pięknym biurem. Pierwsze pensje były bardzo niskie, MacAskill pożyczał organizacji kilka tysięcy funtów z własnych oszczędności. Jedną z pierwszych dużych darowizn — 10 tysięcy dolarów — wysłała pracownica socjalna z więzienia. Julia Wise, ta z początku.

W tym samym czasie w Ameryce dwaj analitycy funduszu inwestycyjnego, Holden Karnofsky i Elie Hassenfeld, chcą oddać własne pieniądze i odkrywają coś absurdalnego: praktycznie nie da się sprawdzić, która fundacja naprawdę działa. Fundacje chwalą się tym, ile wydały, pokazują zdjęcia, opowiadają historie. Karnofsky’ego interesuje co innego — co z tych pieniędzy wynikło?

Zakładają GiveWell, który robi fundacjom mniej więcej to, co analityk giełdowy robi spółkom: czyta badania, sprawdza liczby, ocenia jakość dowodów, próbuje policzyć wynik. Filozofowie mówią „pomagajmy skutecznie”, analitycy odpowiadają „to sprawdźmy, gdzie tak jest”. Z tego spotkania rodzi się efektywny altruizm.

Ile kosztuje uratowanie życia?

Tu dochodzimy do liczby, przez którą jedni się w tym ruchu zakochują, a inni zamykają Excela.

GiveWell szacuje koszt najskuteczniejszych interwencji zdrowotnych. Dla części rekomendowanych programów modele dają kilka tysięcy dolarów za statystyczne uniknięcie jednego zgonu — przy kursie około 3,70 zł to rząd 15–20 tysięcy złotych, czyli mniej więcej trzy miesiące mediany pensji netto w Polsce.

To nie jest cennik człowieka. Nie wpłacasz czterech tysięcy dolarów, żeby dostać certyfikat „gratulacje, uratował pan Roberta”.

To działa statystycznie. Finansujesz program obejmujący tysiące ludzi, a GiveWell szacuje, ilu zachorowaniom zapobiegnie, jak zmieni śmiertelność i ile średnio kosztuje uniknięcie jednego zgonu.

Najlepiej wypadają rzeczy najmniej spektakularne. Nie genialny chirurg, nie futurystyczna terapia, tylko moskitiery nasączone środkiem owadobójczym i sezonowe podawanie dzieciom leków przeciwmalarycznych. Kawałek siatki nad łóżkiem.

Malaria wciąż zabija około 600 tysięcy osób rocznie, głównie małe dzieci. Przy takiej skali nawet bardzo tania interwencja pomnożona przez miliony ludzi robi gigantyczną różnicę.

Stąd druga idea ruchu. Pytanie „czy ta fundacja robi coś dobrego?” jest za słabe — bo prawdopodobnie robi. Właściwe pytanie brzmi: ile dobra robi za tę samą złotówkę w porównaniu z inną? Giving What We Can argumentuje, że różnica między najlepszymi a przeciętnymi opcjami potrafi sięgać dziesiątek, a nawet około stu razy. Jeśli tak jest, wybór organizacji jest prawie tak ważny jak sama decyzja, żeby dać.

Zarabiaj, żeby dawać

Z tych rachunków wynika pomysł, od którego historia robi się dziwniejsza.

Chcesz pomagać, więc myślisz: zostanę lekarzem i pojadę pracować w biednym regionie świata. Brzmi logicznie. Efektywny altruizm pyta jednak: co by się stało, gdybyś nie pojechał? Jeżeli na to miejsce jest pięciu innych chętnych lekarzy, ktoś je prawdopodobnie zajmie. Twój rzeczywisty, dodatkowy wpływ jest mniejszy, niż wygląda.

Wersja druga: jesteś świetny w finansach, idziesz na Wall Street, zarabiasz ogromne pieniądze, żyjesz skromnie i połowę pensji oddajesz. Finansujesz pracę ludzi, którzy inaczej w ogóle nie mieliby środków. Ten model dostał nazwę earning to give — zarabiaj, żeby dawać.

W 2012 roku MacAskill rozmawia o tym z młodym studentem MIT. Student trafia do Jane Street, firmy tradingowej, zaczyna dobrze zarabiać i oddawać sporą część. Potem dochodzi do wniosku, że jeśli chce pomóc naprawdę wielu ludziom, musi zarobić więcej. Dużo więcej. Zakłada firmę kryptowalutową.

Nazywa się Sam Bankman-Fried.

Sam Bankman-Fried i upadek FTX

Przez kilka lat SBF był wymarzonym ambasadorem tej filozofii. Młody, fortuna liczona w dziesiątkach miliardów dolarów, a przy tym stara Toyota, T-shirt i opowieść: nie potrzebuję tych pieniędzy, zarabiam je, żeby oddać. Pieniądze z FTX płynęły między innymi na przygotowanie do pandemii, badania nad przyszłością i bezpieczeństwo AI.

W listopadzie 2022 FTX upada — i nie dlatego, że Sam źle obstawił kurs bitcoina. Sąd w Nowym Jorku uznaje go winnym oszustw na miliardach dolarów pieniędzy klientów, a w 2024 roku skazuje na 25 lat więzienia. (Całą historię opowiadam w osobnym tekście o upadku FTX.)

Dla ruchu to nie był zwykły skandal sponsora. Uderzał w samo serce jednej z jego najbardziej charakterystycznych idei: człowiek pokazywany jako wzór earning to give wyrządził ogromną, bardzo łatwą do policzenia krzywdę ludziom, których pieniędzmi obracał.

MacAskill odciął się od niego i przekonywał, że efektywny altruizm nigdy nie zakładał, że cel uświęca środki. Krytycy odpowiedzieli czymś dużo mniej wygodnym:

Może nie zakładał. Ale jeśli latami uczysz ludzi maksymalizować wynik końcowy, co się stanie, gdy ktoś uzna zasady po drodze za kolejny parametr w równaniu?

To pytanie zostało. A ruch miał już wtedy drugi problem: coraz więcej jego pieniędzy i uwagi odpływało od moskitier. W stronę przyszłości.

Moskitiera kontra koniec świata

Wyobraź sobie dwa projekty. Pierwszy rozdaje moskitiery i według dobrych danych zmniejsza liczbę zgonów dzieci na malarię. Drugi bada, jak zmniejszyć szansę, że zaawansowana sztuczna inteligencja doprowadzi kiedyś do katastrofy. Który finansujesz?

Instynkt mówi: moskitiery, bo tam widać efekt.

Longtermista odpowiada: chwila. Jeśli bardzo zaawansowana AI mogłaby kiedyś zagrozić całej ludzkości, stawką nie jest jedno życie ani milion — tylko cała przyszłość. Ludzie, którzy urodzą się za sto lat, nie są moralnie mniej ważni dlatego, że jeszcze nie istnieją. A jeśli cywilizacja może trwać tysiące czy miliony lat, przyszłych ludzi może być niewyobrażalnie wielu.

Tu matematyka zaczyna wariować. Bardzo małe prawdopodobieństwo razy niewyobrażalnie wielka konsekwencja daje ogromną wartość oczekiwaną.

Problem? Przy moskitierze możesz policzyć zakażenia. Przy zapobieganiu hipotetycznej zagładzie ludzkości dużo trudniej sprawdzić, czy wydany milion cokolwiek zmienił. I właśnie w tym miejscu historia efektywnego altruizmu łączy się ze światem AI.

Jak filozofowie od darowizn trafili do Anthropic

Kiedy zaczynałem czytać o efektywnym altruizmie, spodziewałem się GiveWell, malarii i ludzi oddających połowę pensji. Nie spodziewałem się, że po kilkunastu latach trafię do Claude’a.

Pieniądze. Dustin Moskovitz, współzałożyciel Facebooka i Asany, zakłada z żoną Cari Tuną fundację Good Ventures. Ta zaczyna współpracować z GiveWell, a z tej współpracy wyrasta osobna organizacja: Open Philanthropy (od listopada 2025 działa jako Coefficient Giving). Ogromny kapitał plus to samo pytanie co zawsze — gdzie dolar zrobi najwięcej dobra? Tyle że Open Philanthropy patrzy dalej niż malaria: pandemie, broń biologiczna, katastrofy globalne, sztuczna inteligencja.

Dario Amodei. Ważne zastrzeżenie: efektywny altruizm nie ma legitymacji członkowskiej ani centrali wydającej karty „EA nr 427”. Nie da się więc powiedzieć, że założyciel i szef Anthropic jest „członkiem” ruchu. Ale jego związek z tym środowiskiem jest dobrze udokumentowany. Już w 2013 roku bierze udział w rozmowach o ryzyku zaawansowanej AI razem z Holdenem Karnofskym, a Open Philanthropy wymienia go jako swojego naukowego doradcę. Mniej więcej dekadę przed premierą Claude’a.

RLHF. Amodei trafia do OpenAI i spotyka tam Paula Christiano, badacza tzw. alignmentu, czyli dopasowania AI do ludzkich celów. W 2017 roku publikują z badaczami OpenAI i DeepMind pracę o uczeniu systemów na podstawie ludzkich preferencji: człowiek nie pisze idealnej funkcji celu, tylko pokazuje „to zachowanie jest lepsze, to gorsze”, a model uczy się, czego chcemy. To jeden z fundamentów RLHF — techniki, dzięki której dzisiejsze czatboty są w ogóle użyteczne.

Historia zatacza krąg. Zaczynało się od pytania, jak sprawić, żeby pieniądze człowieka realizowały cel, którego on naprawdę chce. Kilkanaście lat później ci sami ludzie pytają, jak sprawić, żeby sztuczna inteligencja realizowała cele człowieka.

Anthropic. W 2021 roku Dario i Daniela Amodei zakładają firmę z grupą byłych pracowników OpenAI. Pierwszą rundę, 124 mln dolarów, prowadzi Jaan Tallinn — współzałożyciel Skype’a i wieloletni fundator organizacji badających ryzyko egzystencjalne. Uczestniczy w niej też Dustin Moskovitz. Rok później firma zbiera 580 mln dolarów, a rundę prowadzi… Sam Bankman-Fried. Tak, ten sam.

METR. Christiano zakłada Alignment Research Center (ARC). Powstały tam zespół testujący możliwości najmocniejszych modeli usamodzielnia się jako METR (Model Evaluation & Threat Research). We wrześniu 2026 roku Amodei wskazuje właśnie METR jako przykład zewnętrznego ewaluatora, który mógłby dostać szeroki dostęp do laboratoriów AI i sprawdzać, czy trzymają się zasad bezpieczeństwa.

Rady nadzorcze. 9 września 2026 roku Paul Christiano wchodzi do rady OpenAI Foundation i jej komisji bezpieczeństwa. Anthropic ma z kolei Long-Term Benefit Trust — organ, który ma pilnować, żeby firma rozwijała AI z myślą o długoterminowym interesie ludzkości. Wśród jego pierwszych członków byli Christiano i Zach Robinson z Effective Ventures, organizacji z samego rdzenia infrastruktury EA. Obaj później z Trustu odeszli, ale historyczny związek jest wyraźny.

Narysuj to wszystko na tablicy z czerwonymi nitkami i masz gotowy film „TAJNA SIEĆ, KTÓRA KONTROLUJE AI”. Takie teksty zresztą już krążą. Jest z nimi jeden problem: powiązania są prawdziwe, kontrola — już niekoniecznie.

METR deklaruje na przykład, że nie bierze pieniędzy od firm budujących najmocniejsze modele ani darowizn kierowanych przez ich pracowników — choć jednocześnie dostaje od Anthropic, OpenAI, Google, Mety czy Amazona dostęp do systemów i darmowe tokeny do testów. To bardzo gęste środowisko ludzi, którzy znają się od lat, finansowali podobne projekty i pracowali w tych samych laboratoriach. Ale samo to nie dowodzi, że ktoś siedzi wieczorem przy stole z napisem „kontrola nad światową AI”.

To, co da się powiedzieć dużo pewniej, jest ciekawsze: efektywny altruizm realnie przyczynił się do tego, że bezpieczeństwo AI stało się osobną dziedziną badań, osobnym strumieniem finansowania, a w końcu elementem nadzoru nad największymi laboratoriami. Dlatego historia, która zaczęła się od moskitiery za kilka dolarów, kończy się dziś rozmową o tym, kto powinien kontrolować superinteligencję.

Co zostało po FTX?

Po upadku FTX można było pomyśleć: koniec. Ruch znalazł swojego miliardera, miliarder okazał się przestępcą, wszyscy się rozejdą.

Tak się nie stało. Giving What We Can ma dziś ponad 11 tysięcy osób zobowiązanych oddawać co najmniej 10% dochodu, a społeczność raportuje setki milionów dolarów przekazanych na cele charytatywne.

Julia i Jeff dalej publikują swoją tabelkę. 2021: 400 tysięcy dolarów. 2024: około 80 tysięcy. 2025: ponad 142 tysiące — według ich własnych danych 81% raportowanego dochodu za ten rok.

To chyba najlepszy kontrast z Bankmanem-Friedem. On był widowiskowy: miliardy, Bahamy, proces, więzienie. Julia i Jeff są nudni. Co roku otwierają arkusz, wpisują kwotę i robią przelew. Jeśli chcesz oceniać cały ruch, patrz na jedno i drugie.

Co możesz z tego wziąć dla siebie

Nie musisz po tym tekście oddawać połowy wypłaty. Nie musisz nawet zgadzać się z longtermizmem — możesz uważać, że liczenie hipotetycznych ludzi za tysiąc lat prowadzi tę filozofię w absurdalne miejsce.

Ale jedna rzecz jest trudna do odrzucenia: jeżeli już chcesz komuś pomóc, warto sprawdzić, czy sposób, który wybrałeś, działa. Przy następnej darowiźnie zadaj dwa pytania. Co konkretnie ma się zmienić dzięki tej kwocie? I skąd organizacja wie, że się zmienia?

Uczciwie trzeba dodać drugą stronę. Nie każda dobra fundacja ma randomizowane badanie. Pomoc w kryzysie psychicznym, kultura, prawa człowieka, lokalna społeczność — tego nie zamkniesz w jednym numerku tak łatwo jak moskitier. I to jest jedna z najpoważniejszych krytyk ruchu: jeśli umiemy mierzyć A lepiej niż B, łatwo uznać, że A jest ważniejsze. Nawet gdy B jest po prostu trudniejsze do zmierzenia.

Liczby są narzędziem. Nie odpowiedzią na każde pytanie moralne.

Polska ściąga. Jeśli policzysz 10% na własnej skali: przy medianie ok. 6 500 zł netto to około 650 zł miesięcznie, blisko 8 tysięcy złotych rocznie. Do tego dwie rzeczy z PIT-u. Pierwsza: 1,5% podatku przekazujesz organizacji pożytku publicznego za darmo — to nie są twoje pieniądze, tylko decyzja, komu państwo je odda, więc warto wybrać świadomie. Druga: darowizny na cele pożytku publicznego możesz odliczyć do 6% dochodu, ale tylko przelewem i na organizacje z Polski albo z UE/EOG — wpłata bezpośrednio na amerykańską fundację z listy GiveWell zwykle się pod ulgę nie łapie.

Trzy kroki na start

• Otwórz jedną analizę GiveWell. Wybierz rekomendowaną organizację i zamiast patrzeć na końcową ocenę, przeczytaj arkusz. Zobacz, ile założeń trzeba przyjąć, żeby powiedzieć „ta darowizna jest skuteczna”.
• Przejrzyj swoje wpłaty z ostatniego roku. Fundacje, zbiórki, 1,5% podatku, puszki na ulicy. Zapytaj: czy wiem, co się stało z tymi pieniędzmi? Nie po to, żeby się biczować — tylko żeby wiedzieć.
• Sprawdź filozofię w praktyce, zanim w nią uwierzysz. Giving What We Can ma Trial Pledge: sam wybierasz procent (minimum 1%) i okres — kilka miesięcy, rok, kilka lat. Nie musisz od razu deklarować 10% do końca życia.

Efektywny altruizm policzył cenę ludzkiego życia. Ale człowiek nie kosztuje czterech tysięcy dolarów. Ani pięciu, ani dziesięciu. Te liczby znaczą coś dużo mniej efektownego: w konkretnym programie, przy konkretnych założeniach, tyle może wynosić szacowany koszt statystycznego uniknięcia jednego zgonu.

I może dlatego ta liczba jest ciekawsza. Nie potrzebuje bohatera ani miliardera w szortach. Zostaje tylko pytanie: jeżeli i tak chcemy pomagać, a da się sprawdzić, czy jeden sposób działa lepiej od drugiego — to dlaczego mielibyśmy tego nie sprawdzić?

Druga połowa tej historii dopiero się zaczyna, bo ludzie, którzy kiedyś liczyli skuteczność moskitier, dziś siedzą przy strukturach nadzorujących systemy, których używasz codziennie. Tam królicza nora robi się naprawdę głęboka — i pewnie jej poświęcimy osobny odcinek.

A teraz ty. Liczenie skuteczności pomocy to zdrowy rozsądek, czy droga, która musiała skończyć się na Samie Bankmanie-Friedzie? I czy to dobrze, że ludzie z tego środowiska pilnują dziś bezpieczeństwa AI? Napisz w komentarzu pod filmem.

Skomentuj pod odcinkiem