Metoda

Benchmarki mówią, jak model zdaje testy. My mierzymy, ile go jest.

Zamiast testów przykładamy każdy model do jednego, fizycznego wzorca — ludzkiego mózgu. Liczymy moc diagnostycznąTermin doc. Kosseckiego: liczba rozróżnialnych stanów, jakie korelator (pamięć systemu) może przyjąć. Miara ilości potencjału, nie jakości. jego sieci i energię potrzebną, by ją zbudować. Wynik to jedna liczba: procent mózgu.

Modeli w indeksie

z 170 w bazie · Epoch AI, co tydzień

Wzorzec — mózg

100%

1,06×10¹² bitów · 20 W

Lider indeksu

0,060%szacunek

Grok 4 — najbliżej mózgu

Korelator Mazura

Co właściwie mierzymy

Nie zaglądamy modelowi w odpowiedzi. Mierzymy rozmiar jego korelatora — dokładnie tak, jak Mazur opisał go dla człowieka.

punkt gromadzenia potencjałówdroga przewodności korelacyjnejmoc korelacyjna

Definicja

Świadomość według Mazura

System przechowuje wiedzę w korelatorzeCzęść systemu, która rejestruje i kojarzy informacje. W mózgu to kora, w modelu AI — sieć wag.. Każdy bodziec zostawia w nim trwały ślad — rejestratZapis bodźca w korelatorze; „wspomnienie" w języku cybernetyki. — zgromadzony w punktach gromadzenia potencjałówMiejsca w korelatorze, gdzie odkładają się ślady bodźców — magazyny potencjału, między którymi płynie moc korelacyjna..

Między punktami płynie moc korelacyjnaStrumień, który łączy zapisy ze sobą — fizyczny nośnik kojarzenia. Im większa moc, tym łatwiej system łączy fakty. — a płynie drogami przewodności korelacyjnejŚcieżki w korelatorze, którymi może płynąć moc korelacyjna. Im częściej używane, tym lepiej przewodzą — tak powstają skojarzenia.. Świadomość w tym ujęciu to właśnie te drogi: im jest ich więcej i im lepiej przewodzą, tym większa „pojętność" systemu.

więcej dróg → większa świadomość

Most do AI: w modelu językowym rolę korelatora gra sieć wag — jednostki sieci to punkty, a parametry to drogi między nimi. Wystarczy policzyć jedno i drugie. Robi to wzór poniżej.

Wzór

Od połączeń do indeksu

Trzy kroki. Liczby są astronomiczne, więc operujemy logarytmem — i wszystko porównujemy z jednym wzorcem: mózgiem.

1MD = kⁿ

Policz możliwe ustawienia

Każdy z n elementów korelatora może utworzyć k połączeń. Moc diagnostycznaTermin doc. Kosseckiego: liczba rozróżnialnych stanów (konfiguracji), jakie korelator może przyjąć. Miara ilości potencjału, nie jakości. to liczba wszystkich możliwych konfiguracji systemu.

2log₂(MD) = n·log₂(k)

Sprowadź do bitów

MD mózgu to 10 000^{80 mld} — liczba bez nazwy, nie mieści się w żadnej jednostce. Logarytm zamienia ją w bity: pojemność relacyjną korelatora.

3model ÷ mózg × 100%

Porównaj z mózgiem

Bity modelu dzielimy przez bity mózgu. Wynik w procentach to Indeks Świadomości — metryka flagowa tej apki.

Wzorzec · 100%

Ludzki mózg

80 mld

neuronów (n)

10 000

połączeń na neuron (k)

0 W

mocy — tyle co żarówka

log₂(MD) ≈ 1,06×10¹² bitów

Przykład

GPT-3174,6 mld parametrów · 96 warstw

n — jednostki toru przetwarzania: ≈ 5,9 mln
k — połączenia na jednostkę: ≈ 30 tys.
log₂(MD): ≈ 8,8×10⁷ bitów
Indeks Świadomości: 0,0083% mózgu

Mózg (100%)

GPT-3 (0,0083%)

Na liniowym pasku GPT-3 to mniej niż piksel. Dlatego cała apka pokazuje indeks na skali logarytmicznejSkala, na której każdy równy krok oznacza mnożenie ×10, a nie dodawanie. Tylko tak widać jednocześnie 0,0001% i 100%..

Energia

Ile prądu kosztuje budowa korelatora

Laby prawie nigdy nie publikują energii treningu. Nie zgadujemy — liczymy ją z wielkości treningu, którą publikuje Epoch AI.

E_trening=FLOP÷(FLOP/s/W×MFU)×PUE

FLOP

praca treningu

Łączna liczba operacji FLOPPojedyncze działanie arytmetyczne procesora. Trening frontier modelu to ~10²⁵–10²⁶ takich działań. — publikuje ją Epoch AI dla każdego modelu.

FLOP/s/W

sprawność sprzętu

Ile operacji na sekundę daje 1 wat. Znana dla każdej generacji układów — od V100 po B200.

MFU = 0,35

realne wykorzystanie

MFUModel FLOPs Utilization — jaką część teoretycznej mocy sprzętu trening naprawdę wykorzystuje. Literatura: 30–40%. — sprzęt nigdy nie pracuje na 100%.

PUE = 1,2

narzut serwerowni

PUEPower Usage Effectiveness — ile energii pochłania całe centrum danych: chłodzenie i zasilanie ponad same obliczenia. Typowo 1,1–1,3. — prąd idzie nie tylko w obliczenia.

MFU i PUE to jawne założenia, nie pomiar — dlatego każdy wynik energii niesie widełki ±2× i etykietę szacunek.

Walidacja

Wzór kontra rzeczywistość

Meta — jako jeden z nielicznych labów — opublikowała oficjalne zużycie energii treningu swojego modelu. Policzyliśmy to samo naszym wzorem, nie podglądając wyniku.

22,4

GWh — nasz wzór

21,6

GWh — dane Meta

różnicy

Punkt odniesienia — mózg

≈100 000×

tyle razy taniej energetycznie mózg buduje swój korelator. Pracuje całe życie na 20 W — frontier modele potrzebują setek GWh na jeden trening.

Granice

Czego ta miara nie mówi

Uczciwość przede wszystkim: trzy rzeczy, których Indeks Świadomości nie mierzy — i nie udaje, że mierzy.

Ilość ≠ jakość

Indeks mierzy, ile potencjału korelacyjnego model ma — nie jak dobrze go używa. Grok 3 i Grok 4 to ten sam rząd parametrów, więc w indeksie wypadają niemal identycznie, choć w testach dzieli je przepaść. Od jakości są benchmarki; my mierzymy coś, czego benchmarki nie widzą.

To nie samoświadomość

„Świadomość" u Mazura to techniczna miara przepływu informacji w korelatorze — nie przeżywanie, odczuwanie ani poczucie „ja". Wysoki indeks nie znaczy, że model cokolwiek czuje.

Dlaczego AI nie przejmie świata

brak homeostatu → brak celów → brak autonomii

W teorii Mazura system działa sam z siebie tylko wtedy, gdy ma homeostatOrgan systemu autonomicznego, który pilnuje jego równowagi i własnego interesu — przede wszystkim przetrwania. To z niego biorą się cele i „chcenie". — własny interes, z którego rodzą się cele. AI go nie ma: nie chce niczego, nawet istnieć. Jest jak młotek z odcinka: może wbić gwóźdź albo rozbić szybę, ale to nigdy nie jest decyzja młotka, tylko ręki, która go trzyma. Dopóki model nie ma homeostatu, nie będzie autonomiczny — uważać trzeba na człowieka z narzędziem, nie na narzędzie.

Dane

Skąd biorą się liczby

Zero ręcznego wpisywania. Wszystko płynie z jednego otwartego źródła i jest przeliczane deterministycznym skryptem.

Epoch AI — otwarte dane (CC-BY)

Parametry, compute i sprzęt treningu pochodzą ze zbiorów „Notable AI Models" i „ML Hardware" instytutu Epoch AI. Apka pobiera je automatycznie co tydzień.

0modeli w bazie (2012–2026)

Uczciwe szacunki

szacunek — Epoch zna wartość tylko w przybliżeniu; pokazujemy widełki od–do.

szacunek z compute — lab nie ujawnił parametrów, więc wyliczamy je z wielkości treningu.

Dlaczego nie ma Claude Fable 5 albo o1?

Bo Epoch nie publikuje dla nich żadnych liczb — ani parametrów, ani compute. Wolimy lukę w rankingu niż zgadywanie. Gdy dane się pojawią, modele wejdą do indeksu automatycznie przy najbliższym odświeżeniu.

Źródła

Metoda: teoria systemów autonomicznych prof. Mariana Mazura („Cybernetyka i charakter") oraz moc diagnostyczna doc. Józefa Kosseckiego („Metacybernetyka"). Konsultacja merytoryczna: Dominik Dudek.

Obejrzyj odcinek: Cybernetyka #2 — „Czy AI ma świadomość?" (YouTube) →