W erze AI ludzki geniusz jest cenniejszy niż kiedykolwiek. Historia Ervina Macicia, cudownego dziecka z Bośni, pokazuje, jak systemowo marnujemy największe talenty.
W skrócie:
- Ervin Macic, dwukrotny medalista Międzynarodowej Olimpiady Matematycznej, badał AI, marząc o pracy nad jej bezpieczeństwem. Nie mógł jednak podjąć studiów w Oksfordzie.
- Barierą okazały się finanse. Czesne w wysokości 60 tysięcy funtów rocznie pięciokrotnie przewyższało dochody jego rodziny, zmuszając go do nauki w Sarajewie.
- Jego historia uwypukla paradoks naszych czasów – rosnące zapotrzebowanie na ludzką pomysłowość i systemy, które nie potrafią skutecznie odnajdywać i wspierać talentów.
Ervin Macic był załamany. Ten dziewiętnastoletni bośniacki geniusz miał wszystko, by podbić świat sztucznej inteligencji. Dwukrotnie zdobywał medale na Międzynarodowej Olimpiadzie Matematycznej, a jego pasją było przyspieszanie działania modeli predykcyjnych. Marzył o dołączeniu do laboratorium AI, gdzie mógłby pracować nad bezpieczeństwem tej technologii. Niestety, marzenia rozbiły się o twardą rzeczywistość. Miejsce na Uniwersytecie Oksfordzkim, które na niego czekało, kosztowało 60 tysięcy funtów rocznie. To pięciokrotność rocznych dochodów jego rodziny. Zamiast do Oksfordu, trafił na Uniwersytet w Sarajewie, gdzie egzaminy z programowania zdawał na kilkudziesięcioletnim komputerze IBM. Historia, którą opisał The Economist, to nie jest tylko osobisty dramat. To lustro, w którym odbija się nasza systemowa nieudolność w odnajdywaniu i pielęgnowaniu tego, co najcenniejsze – ludzkiego geniuszu.
Kim jest Ervin Macic i dlaczego jego historia jest tak ważna?
Sprawa Ervina to coś więcej niż przypadek. To symbol “niewidzialnego talentu”, który przepada gdzieś między statystykami a barierami finansowymi. Mówimy o młodym człowieku, którego umysł mógłby pchnąć rozwój AI na nowe tory. Mógłby, gdyby tylko urodził się w odpowiednim miejscu lub w zamożniejszej rodzinie. Zamiast tego jego potencjał jest duszony przez okoliczności, na które nie ma wpływu. Jego przypadek brutalnie obnaża mit merytokracji, zgodnie z którym najlepsi zawsze wypływają na powierzchnię. Czasem, jak widać, toną pod ciężarem czesnego. A my, jako społeczeństwo, tracimy na tym wszyscy. Każdy taki zmarnowany talent to cios w naszą wspólną przyszłość, zwłaszcza w czasach, gdy potrzebujemy kreatywnych i odważnych umysłów bardziej niż kiedykolwiek wcześniej.
Dlaczego system, który powinien promować talenty, tak często zawodzi?
Problem jest głębszy niż tylko pieniądze. Oczywiście, finanse są najbardziej namacalną barierą – elitarne uniwersytety stały się luksusem dla nielicznych. Ale za tym kryje się cała siatka systemowych uprzedzeń. Rekruterzy z Doliny Krzemowej i łowcy talentów z najlepszych uczelni poruszają się w zamkniętych kręgach. Ich radary są nastawione na absolwentów kilku prestiżowych placówek, uczestników znanych programów, ludzi z odpowiednimi koneksjami. Geniusz z Sarajewa, Addis Abeby czy małego miasteczka w Polsce ma niewielkie szanse, by w ogóle pojawić się na ich mapie. Brakuje globalnej infrastruktury do identyfikacji i wspierania talentów niezależnie od ich pochodzenia. Nasze metody są przestarzałe, oparte na dyplomach i CV, które często więcej mówią o statusie społecznym niż o faktycznych zdolnościach. To fabryka, która produkuje kolejne elity, zamiast szukać prawdziwych innowatorów.
Jaka jest rola AI w poszukiwaniu niewidzialnego talentu?
I tu pojawia się gorzki paradoks. Sztuczna inteligencja, dziedzina, w której Ervin Macic mógłby błyszczeć, jest jednocześnie przedstawiana jako potencjalne rozwiązanie problemu “niewidzialnego talentu”. Teoretycznie algorytmy mogłyby przeczesywać globalne zasoby danych – wyniki konkursów, publiczne repozytoria kodu, fora naukowe – w poszukiwaniu błyskotliwych umysłów, które umykają tradycyjnym metodom rekrutacji. AI mogłaby stworzyć bardziej sprawiedliwy i obiektywny system oceny, patrząc na umiejętności, a nie na metrykę. Tyle teorii. W praktyce istnieje ogromne ryzyko, że stanie się coś dokładnie odwrotnego. Jeśli będziemy trenować modele AI na historycznych danych o sukcesie, nauczą się one po prostu powielać istniejące schematy – będą faworyzować kandydatów z tych samych uczelni i środowisk co zawsze, tyle że zrobią to szybciej i na większą skalę. Technologia nie rozwiąże problemu, jeśli nie zmienimy fundamentalnych założeń. To my musimy zdecydować, że chcemy szukać talentów wszędzie. Dopiero wtedy AI może stać się narzędziem, które nam w tym pomoże. W przeciwnym razie zbudujemy tylko wydajniejszy system marnowania ludzkiego potencjału.