Prof. Włodzisław Duch: W Polsce w sprzęt zainwestowano znacznie więcej niż w ludzi

Jak powinna wyglądać strategia, która wspomaga rozwój projektów sztucznej inteligencji (artificial intelligence, AI) w Polsce na dłuższą metę? By odnieść sukces w rozwoju i zastosowaniach sztucznej inteligencji, potrzebna jest edukacja informatyków i ludzi z wybranych dziedzin. Tylko wtedy, używając AI, będą choć trochę rozumieli, co jest możliwe i jak się do tego zabrać.

Potrzebne są też jednak dobre ramy instytucjonalne, pozwalające na szerszą interdyscyplinarną współpracę, konieczna jest polityka naukowa uwzględniająca informatyczny drenaż mózgów. Francja i inne kraje Unii Europejskiej mają nie tylko gotową strategię, przygotowaną przez najlepszych naukowców w tej dziedzinie, ale też zaczęły tworzyć centra doskonałości AI, zachęcając naukowców z Polski, by zgłaszali się do ich konkursów.

Dotychczasowe oświadczenia Komisji Europejskiej w sprawie AI wskazują na potrzebę kompleksowych działań na dużą skalę. Powinien zostać stworzony rządowy program międzyresortowy, który zajmie się koordynacją działań wymagających współpracy wielu podmiotów.

Analiza SWOT sytuacji w Polsce w wielkim skrócie wygląda następująco.

Słabości

Nieliczna kadra, badania naukowe na poziomie doktorantów w zakresie sztucznej inteligencji prowadzone są tylko w kilku miejscach.

Wielka Brytania planuje 1 tysiąc doktoratów w AI do 2025 roku i przeznaczy na stypendia odpowiednie środki, podobnie jest w innych krajach UE. W Polsce brakuje specjalizowanych szkół doktorskich związanych z AI. Aktywnych członków Polskiego Stowarzyszenia Sztucznej Inteligencji czy Polskiego Towarzystwa Sieci Neuronowych jest niewielu. Nie istnieje też duża konferencja ogólnopolska, która byłaby poświęcona sztucznej inteligencji.

Nie ma centrów kompetencji i zbierania danych, są za to liczne biurokratyczne przeszkody utrudniające finansowanie repozytoriów dużych danych. Brakuje nam instytucji, która mogłaby stanowić centrum kompetencji w tym zakresie, której można by zlecać zadania lub wspólnie z nią rozwiązywać problemy wymagające połączenia kompetencji w zakresie AI i wiedzy domenowej w takich obszarach jak medycyna i analiza języka naturalnego. Oceny jednostek i naukowców zajmujących się AI nie uwzględniają specyfiki tej dyscypliny, najważniejsze prace pojawiają się na konferencjach, które niezbyt liczą się w dorobku naukowym, a zajmowanie się językiem polskim nie prowadzi do publikacji w ważnych czasopismach.

Liczba polskich naukowców na najważniejszych konferencjach międzynarodowych z zakresu sztucznej inteligencji lub uczenia maszynowego jest niewielka. Tymczasem to tam, a nie w czasopismach, publikowane są najważniejsze prace.

Warto zdefiniować szerszą misję społeczną w stylu: AI dla wspomagania rozwoju człowieka od narodzin do śmierci we wszystkich aspektach życia

Brakuje zintegrowanych, długofalowych programów w skali kraju, w szczególności projektów wysokiego ryzyka. W Dolinie Krzemowej 90 procent projektów kończy się klęską. Potrzebne są inwestycje w technologie przyszłości, w tym np. neurotechnologie, neuroinformatykę, tworzenie algorytmów dla komputerów neuromorficznych i kwantowych, tworzenie nowych rozwiązań dla autonomicznej robotyki. Konieczna jest identyfikacja zagadnień obecnie jeszcze niedostatecznie wyeksploatowanych (być może jeszcze niszowych), a mających szansę na potencjalny rozwój w następnych latach, i wykorzystanie specyfiki pewnych obszarów charakterystycznych dla Polski.

Brak sprawnego wsparcia technicznego i administracyjnego zabiera czas twórcom, nie pozwalając skupić się na pracy. Polski profesor nie ma sekretarki, sam przygotowuje specyfikację sprzętu i załatwia jego naprawę, często musi zajmować się sprawami technicznymi, gdyż w centrach badawczych nie ma menadżerów laboratoriów. Nasze umiędzynarodowienie jest na niskim poziomie, brakuje współpracy między ośrodkami, niewiele jest projektów interdyscyplinarnych.

Siła środowisk naukowych

Możliwość opracowania rozwiązań, które wymagają współpracy grup o bardzo różnych i nietypowych kompetencjach.

Neuroinformatyką neurokognitywną nie zajmie się żadna firma w Polsce z powodu braku kompetencji; mogą to zrobić tylko centra badawcze. Dobrymi przykładami udanych programów naukowych są Team, First Team i Team Tech, prowadzone przez Fundację na rzecz Nauki Polskiej. Takie programy, specjalnie dedykowane AI, mogłyby znacznie wzmocnić naszą pozycję.

Jakie są najbardziej obiecujące dziedziny, w których moglibyśmy się podjąć wielkich wyzwań? Warto tworzyć konsorcja jednostek naukowych dla rozwiązywania realnych problemów, wsparte odpowiednimi środkami na działanie. W strategii Wielkiej Brytanii sztuczna inteligencja w połączeniu z wielkimi bazami danych ma doprowadzić do transformacji do roku 2030 w medycynie, umożliwiając wczesne diagnozy, prewencję i terapię chronicznych chorób. W tym kontekście przynajmniej kilka polskich zespołów ma doświadczenie ze wspomaganiem diagnostyki medycznej i można rozważać ewentualne konsorcjum dla większych, podobnych wyzwań w opiece zdrowotnej i nowoczesnej medycynie.

Szanse

Do programów europejskich w zakresie AI musimy być dobrze przygotowani.

Istnieje możliwość tworzenia projektów zamawianych w skali kraju, pozwalających na dofinansowanie konsorcjów, które podejmą się stawianych przez nie wyzwań.

Ważne jest wykorzystanie KDM-ów [komputerów dużej mocy – red.], szczególnie PL-Grid. Mamy w Polsce, zbudowaną wielkim kosztem, dobrze rozwiniętą sieć pięciu ośrodków udostępniających superkomputery. PL-Grid oferuje usługi dziedzinowe w 24 dyscyplinach, w tym w complex networks, zawierającym uczenie maszynowe i analizę języka naturalnego.

Udostępniany jest sprzęt GPU i FPGA, nadający się do głębokiego uczenia na dużą skalę, jak również software do zaawansowanych obliczeń i symulacji komputerowych.

Prasa już pisze: „Polacy stworzyli prawdziwą sztuczną inteligencję” i decydenci mogą uwierzyć w to, że jesteśmy informatyczną potęgą

W sprzęt zainwestowano znacznie więcej niż w ludzi, ale i tak ten sprzęt nie tak prosto w pełni wykorzystać. Wymaga to bowiem szerokiej edukacji w zakresie analizy danych i wykorzystania AI, banków danych, centrów kompetencji i programów do analityki, współpracy międzynarodowej.

Mamy powszechny dostęp do danych satelitarnych z Sentineli [europejskie satelity], można organizować konkursy na analizy takich wielkoskalowych danych z ukierunkowaniem na różne zastosowania społeczno-gospodarcze.

Możemy się włączyć w międzynarodowe programy w zakresie AI, w tym Human Brain Project Medical Platform. Technologie 5G i internet rzeczy dostarczą wkrótce danych z sieci sensorów dla inteligentnych miast, autonomicznych pojazdów i robotów, zastosowań przemysłowych, przetwarzania i analizy danych biomedycznych itp. Możemy się do tego przygotować, tworząc kompleksowe programy „AI dla przyszłości”. Mamy sporą grupę młodych informatyków pracujących w Google Brain i innych międzynarodowych firmach przodujących w AI.

Warto zdefiniować szerszą misję społeczną w stylu: AI dla wspomagania rozwoju człowieka od narodzin do śmierci we wszystkich aspektach życia, poprawy jakości życia dzięki nowym inteligentnym metodom.

Zagrożenia

Finansowanie prostych wdrożeń, bez zrozumienia technologii, a co dopiero jej podstaw metodycznych.

Jeśli inżynier, który uczył się z internetu, będzie budował nam mosty, to katastrofa murowana. Systemy AI są znacznie bardziej skomplikowane, jednak wielu ludzi zajmujących się informatyką w firmach nigdy nie przeszło kursu AI ani nie przeczytało żadnego podręcznika. Prasa już pisze: „Polacy stworzyli prawdziwą sztuczną inteligencję” i decydenci mogą uwierzyć w to, że jesteśmy informatyczną potęgą. Potrzebujemy ludzi z kompetencjami w tej dziedzinie.

Finansowanie krótkoterminowe, bez budowy fundamentów, może doprowadzić do kilku drobnych sukcesów, ale pozostawi nas w tyle. Nawet w USA czy UK przemysł wyciąga z uczelni najlepszych ludzi i nie ma kto uczyć AI oraz prowadzić badań. Analogiczna sytuacja jest w Polsce. Studenci informatyki zwykle pracują, wykonując proste i dobrze płatne prace programistyczne. Niskie zarobki na uczelniach skłaniają ich do szukania pracy poza uczelniami lub zatrudniania się na wielu etatach. Informatycy są zbyt zajęci, by nauczyć się sztucznej inteligencji, podczas gdy sukces w tej dziedzinie wymaga poświęcenia na pracę naukową 100 procent czasu. Nie da się jednak zatrudnić w Polsce post-doca za pensję niższą niż stypendium doktoranta w Niemczech.

Nie doczekaliśmy się też wyróżnienia strategicznych kierunków priorytetowych polityki naukowej w najbardziej obiecujących i perspektywicznych obszarach. Wydziały optymalizują oceny parametryczne, skupiając się na tradycyjnych kierunkach, gdzie punktów jest najwięcej.

Nowa ustawa nie stworzyła zachęty do kreowania interdyscyplinarnych projektów w nowych obszarach, nie ma powodu inwestować w najbardziej obiecujące projekty. W tej sytuacji trudno konkurować z Chinami, USA czy Europą Zachodnią, gdzie mamy do czynienia ze świadomą polityką rozwoju.

Potrzebujemy podejścia kompleksowego w trzech obszarach. Potrzebujemy ustalenia, co jest możliwe po stronie ministerstwa, a co my, jako środowisko naukowe, możemy zrobić.

Edukacja

Wychowanie specjalistów wysokiej klasy wymaga stworzenia odrębnego programu studiów informatycznych.

W jego ramach można by zrobić specjalizację (w stylu minor subject w USA), wybierając także szereg zajęć z ekonomii, prawa, medycyny czy chemii, by poznać obszary możliwych zastosowań. Koreańczycy mają w planach sześć uczelni zajmujących się AI.

Warto także tworzyć specjalizacje AI w ramach różnych kierunków studiów. Można opracowywać programy na poziomie magisterskim i szkoły doktorskie – nie tylko w ramach studiów informatyki, ale również w połączeniu z innymi kierunkami. Konkursy otwarte dla wszystkich kończą się propozycjami specjalistów, którzy mają najwięcej czasu i najmniej studentów, a to na pewno nie są informatycy.

Możemy stworzyć międzynarodowy program doktorski, wciągając do współpracy ludzi z kilku rozpoznawalnych uniwersytetów europejskich (także, ewentualnie, to samo można by zrobić w wersji dla krajów Grupy Wyszehradzkiej) i zaproszonych wykładowców z innych krajów.

Potrzebne są środowiskowe szkoły doktorskie z dziedziny AI, uczenia maszynowego (i zagadnień pokrewnych) o charakterze międzynarodowym, skupione wokół wybitnych przedstawicieli nauki z Polski i zagranicy. Pomoże to mniejszym ośrodkom, które chcą rozwijać swoją kadrę, ale nie mają uprawnień doktorskich, współpracować z silnymi uczelniami i jednostkami badawczymi.

Częściowo można wykorzystać wykłady dostępne w internecie, ale certyfikatom na nich zdobywanym należy nadać punkty ECTS, stworzyć rekomendacje dla wyboru właściwych ścieżek szkoleniowych i zapewnić właściwy nadzór nad projektami studentów.

Badania

Trzeba przedyskutować możliwości tworzenia programów badawczych dla rozwiązania ważnych problemów w skali kraju.

Powinny to być programy długofalowe, monitorowane co roku w ramach pilotażu. Potrzebna jest identyfikacja wybranych strategicznych kierunków, współpracujących towarzystw, zarówno z perspektywy badawczej, jak specyfiki zastosowań (i skoncentrowanie projektów badawczych na tych kierunkach).

Program powinien wyróżnić badania podstawowe i obszary współpracy związane z możliwymi wdrożeniami, uwzględniając możliwości naszych krajowych grup, firm i instytutów badawczych, perspektywy rozwojowe, potencjalne zainteresowanie przemysłu. Należy lepiej wykorzystać krajową infrastrukturę obliczeniową PL-Grid.

Konieczna jest integracja środowisk związanych z AI, powstanie nadrzędnej organizacji koordynującej działania różnych towarzystw. Warto oczywiście położyć nacisk na współpracę międzynarodową, starania o granty H2020 [unijny program Horyzont 2020], ale także granty amerykańskie, w których możemy brać udział. Informacje o tego typu grantach powinny do nas docierać regularnie.

Ramy instytucjonalne

Najciekawszą propozycją jest utworzenie sieci kilku kluczowych ośrodków o międzynarodowej rozpoznawalności, skupionej wokół konkretnych projektów i zintegrowanych przez wspólne rady naukowe dla poszczególnych specjalności.

Francuskie programy CNRS mogą tu być dobrym modelem. Granty na badania nie powinny być związane z osobami, ale przywiązane do instytucji (tak jak jest w grantach ERC). Potrzebne jest stworzenie nowej formy organizacyjnej pozwalającej kreatywnym naukowcom skupić się na pracy.

Przydane będzie powołanie stałego gremium eksperckiego do monitorowania realizacji strategii, w którym strona rządowa, przedstawiciele środowiska naukowego AI oraz innowacyjnych firm będą na bieżąco wspierać realizację i monitorowanie przedsięwzięć związanych z rozwojem i finansowaniem AI w Polsce.


Materiał jest opracowaniem drugiej części pracy prof. Włodzisława Ducha pt. „Uwagi do strategicznego programu sztucznej inteligencji w Polsce. Podstawy uczenia maszynowego, informatyka kognitywna i technologie neurokognitywne” (Toruń 2018), przygotowanej dla OPI PIB.

Skip to content