Prof. Jacek Koronacki: Stwórzmy ogólnokrajową, umiejscowioną w różnych ośrodkach szkołę doktorską uczącą o sztucznej inteligencji

Pięć lat temu kierownicy czołowych polskich ośrodków akademickich i badawczych zajmujących się technologiami Informacyjnymi (IT) alarmowali rząd, że przedstawiony do konsultacji społecznych dokument pt. „Krajowa strategia inteligentnej specjalizacji (KSIS)” trzeba uzupełnić o nowy obszar tematyczny pt. „Technologie Informacyjne dla inteligentnego ekosystemu społeczno-gospodarczego”.

Cztery inteligentne specjalizacje

Zaproponowaliśmy wówczas cztery nowe inteligentne specjalizacje:

  • technologie budowy i zastosowania internetu rzeczy (Internet of Things, IoT);
  • odkrywanie wiedzy w wielkich zbiorach i strumieniach danych;
  • autonomiczne i adaptowalne systemy zarządzania i podejmowania decyzji;
  • bezpieczeństwo systemów informacyjnych.

Zwróciliśmy uwagę, że specjalizacje te dotyczą technologii informacyjnych o największym potencjale innowacyjnym. Miałyby też one przełomowe znaczenie dla usprawniania procesów gospodarczych i podniesienia poziomu życia w najbliższej dekadzie i później.

Zaproponowane inteligentne specjalizacje wzajemnie się uzupełniają. Pięć lat temu pisaliśmy, że najszersza z nich, dotycząca internetu rzeczy, obejmuje technologie budowy sieci sensorowych, systemów transmisji mobilnej i stacjonarnej, gromadzenia i przetwarzania w chmurach obliczeniowych danych pochodzących z miliardów źródeł.

Dziś widać, że nasza diagnoza była trafna, lecz została przez państwo zlekceważona. Wciąż jednak to, co pisaliśmy kiedyś, jest więcej niż aktualne. Jednak nasze ówczesne postulaty należy teraz objąć wspólnym hasłem rozwoju sztucznej inteligencji (artificial intelligence, AI).

Nauka gotowa na rozwój

Dla przykładu, IoT został zastąpiony przez obszar większy niż ten, który wtedy widzieliśmy. Dziś to wszechobecna inteligencja (Ambient Intelligence, AmI), która obejmuje między innymi przetwarzanie bez granic (pervasive computing lub ubiquitous computing) oraz świadomość kontekstu (np. dotyczącego zainteresowań użytkownika inteligentnych urządzeń; context awareness). Ta wszechobecna inteligencja rozumiana jest bardzo szeroko – po robotach przemysłowych pojawiły się roboty wspomagające ludzi, a dziś mówimy już o przetwarzaniu bez granic z pomocą robotów (robot pervasive computing albo ubiquitous robot), czyli o mariażu robotyki z technologiami AmI.

Polska nauka jest dobrze przygotowana do bardziej intensywnego niż dotąd rozwoju wymienionych specjalizacji. Jesteśmy w stanie podjąć oryginalne badania podstawowe oraz prace rozwojowe, zwłaszcza w obszarach uznawanych w UE za najważniejsze dla gospodarki, bezpieczeństwa państwa i dobrostanu społeczeństwa, przede wszystkim w ochronie zdrowia.

Polska młodzież, kształcona na najlepszych krajowych wydziałach informatyki, jest światową potęgą wśród programistów

Nie ma przełomowych rozwiązań technologicznych bez badań podstawowych. Równie ważna dla prawidłowego rozwoju kraju jest właściwa strategia przejścia od osiągnięć nauki do wdrożeń i komercjalizacji. A taka nie jest jeszcze w Polsce opracowana. Trzeba przy tym pamiętać, że – pomijając największe na świecie koncerny IT – działające na komercyjnym rynku firmy IT nie są i nie powinny być zorientowane na opracowywanie przełomowych technologii. Z drugiej strony – właściwie dofinansowane polskie firmy IT są dobrze przygotowane do wdrażania opracowanych przez innych najnowocześniejszych technologii.

Polska nauka a IT

Polska młodzież, kształcona na najlepszych krajowych wydziałach informatyki, jest światową potęgą wśród programistów.

Mogłoby się wydawać, że pozycja polskiej nauki w dziedzinie IT (czy computer science) nie jest zła. Wedle różnych wskaźników oceny wpływu naszych publikacji na światowy rynek badawczy lokujemy się w okolicach 20. miejsca na świecie i na pierwszym miejscu w Europie Środkowo-Wschodniej. Ale ten wynik jest mylący. Za mało przedstawicieli polskiej nauki jest stale, jeśli w ogóle, autorami albo współautorami publikacji w najwyżej ocenianych czasopismach dziedzinowych lub materiałach najważniejszych na świecie konferencji w obszarze computer science/artificial intelligence/machine learning.

To nie nasza wina. Poza badaczami wybitnymi, których pionierska praca może być prowadzona indywidualnie (lub w małych grupach) i którzy są uznawani za najlepszych lub bardzo liczących się na świecie, mamy rzeszę badaczy znakomitych lub bardzo dobrych, którzy z racji zasad finansowania badań w Polsce nie mają szans na stworzenie wokół siebie szkół badawczych, zdolnych otworzyć nowe obszary badań w AI. Zresztą ci pierwsi – z tej samej przyczyny – takich szans praktycznie również nie mają.

Dwa problemy

Mamy co najmniej dwa poważne problemy:

  1. IT jest obszarem wyjątkowo atrakcyjnym, ma znakomicie rozwinięty i bardzo bogaty rynek komercyjny, który wysysa każdego zdolnego młodego człowieka niemogącego pracować za ćwierćdarmo;
  2. IT jest obszarem badań… niskokosztowych (do momentu, gdy implementacje wymagają zasobów komputerowych, którymi dysponują tylko najpotężniejsze korporacje). To dodatkowo ułatwia ucieczkę młodych ludzi o potencjale naukowców do biznesu – gdzie badania wymagają posiadania niezwykle drogiego sprzętu (np. w pewnych działach fizyki). Łatwiej zatrzymać młodego, zdolnego i ambitnego człowieka w bardzo dobrej polskiej placówce naukowej.

Nie ma sensu konkurowanie między sobą ośrodków, których łączny budżet jest niewiele większy niż np. łączna dotacja federalnych agend rządu USA dla jednego dobrego tamtejszego uniwersytetu

Pomijając programy Fundacji na rzecz Nauki Polskiej, w obszarze badań podstawowych doszło do atomizacji badań (znów: nie z naszej winy). Każdy dobry ośrodek naukowy ma „swoje” granty, jakoś tam żyje (niekiedy nawet dobrze albo bardzo dobrze), ale efekt skali został zastąpiony efektem „mikroskali”. Są za nami (małe) projekty pionierskie, z których nic nie wynikło, ponieważ z braku wsparcia przez państwo nie mogły mieć ciągu dalszego.

Prof. Jacek Koronacki

Tolerowanie tej sytuacji nie ma sensu, albowiem nie ma sensu konkurowanie między sobą ośrodków, których łączny budżet (w skali całego kraju!) jest niewiele większy niż np. łączna dotacja federalnych agend rządu USA dla jednego dobrego tamtejszego uniwersytetu.

Najpierw – edukacja!

Tyle że zorganizowana zupełnie inaczej niż tradycyjna:

  1. Kształcenie doktorów na wysokim poziomie i „rozsyłanie” ich po Polsce. Dobre programy nauczania powinny być opracowane wspólnie przez polskie środowisko naukowe AI.
  2. Kształcenie nielicznych, ale możliwie na najwyższym poziomie słuchaczy powinno opierać się na najlepszych wykładach na świecie (na przykład Coursera, rekomendacje Gregory’ego Piatetsky’ego w jego czasopiśmie elektronicznym „KDnuggets”). Polscy wykładowcy potrafią zaproponować swoje autorskie wykłady na tym poziomie, ale powinni o to zadbać. Takie wykłady, zaakceptowane przez polskie środowisko AI, powinny stać się częścią ogólnokrajowego programu doktorskiego.

Chodzi zatem o nowego typu szkołę doktorską – ogólnokrajową, ale rozproszoną, bo umiejscowioną w różnych ośrodkach akademickich i badawczych. Te różne ośrodki – poza programem wspólnym i podstawowym – powinny mieć różne oblicza specjalizacyjne w węższym sensie (np. kształcić w dziedzinie zdrowia czy biologii molekularnej i makromolekularnej, badań nad mózgiem albo w obszarze problemów transportu i mobilności czy bezpieczeństwa).

Powinniśmy więc – w pewnych granicach – ujednolicić w kraju nasze nauczanie (najpierw tylko na trzecim poziomie, ale równolegle powinien powstać wspólny rdzeń dla curriculum także dla poziomu licencjackiego i magisterskiego).

Czas na Kolegium i Centrum

Potrzebujemy Polskiego Kolegium Sztucznej Inteligencji (PKSI). Mogłoby ono początkowo mieć status szkoły doktorskiej. I od początku powinno być związane z Polskim (w przyszłości być może Europejskim albo Środkowoeuropejskim) Centrum Sztucznej Inteligencji (PCSI).

Centrum, tak jak Kolegium, byłoby podmiotem rozproszonym, ale z centralą i własną siedzibą, np. w Poznaniu albo Warszawie. Powinno mieć status krajowego ośrodka badawczego z najlepszymi polskimi badaczami jako jego pracownikami, jakkolwiek na co dzień nadal (częściowo) zatrudnionymi w swoich macierzystych uczelniach/placówkach. Wybrani pracownicy Centrum byliby jednocześnie nauczycielami akademickimi w swych macierzystych uczelniach.

Centrum powinno zarządzać kolegiami (PKSI), zaś części PKSI związane z konkretnymi uczelniami stanowiłyby na tych uczelniach odpowiedniki college’ów na uniwersytetach anglosaskich, ale finansowane ze środków PCSI. Pracownicy placówek takich jak instytuty PAN mieliby prawo uczyć na związanych z instytutami uczelniach i college’ach PKSI. Oddzielnego rozważenia wymaga ustalenie zasad zewnętrznej kontroli nad działaniami PCSI (PKSI byłby kontrolowany podobnie jak inne szkoły doktorskie).

Jeden wspólny rdzeń

Równolegle z powstaniem PKSI jako szkoły doktorskiej powinien powstać jeden dla całego kraju rdzeń programu nauczania na studiach pierwszego i drugiego stopnia. W ten sposób PKSI powinno stać się ośrodkiem kształcenia specjalistów AI na wszystkich poziomach szkolnictwa wyższego. Z założenia każdy słuchacz kursu magisterskiego będzie miał swojego opiekuna – badacza z PCSI. Wszyscy doktoranci i niektórzy magistranci powinni brać udział w badaniach prowadzonych w PCSI.

W USA już od wielu lat działa w odniesieniu do tych najbardziej wybitnych, w okolicy 20. roku ich życia, zasada skip or stop out of the college. Jej zastosowanie wymaga funduszy/fundacji bardzo wielkiego ryzyka, stosujących zasadę „rób/wymyślaj rzecz na pozór bez wartości, nieosiągalną, a jednak osiągalną i wartościową” i ryzykujących środki na zwycięskie pomysły. Na marginesie: Uniwersytet Stanforda zrobił duże pieniądze, pozwalając Page’owi i Brinowi robić, co chcą, za uniwersyteckie pieniądze i potem stając się udziałowcem ich firmy w zamian za oddanie im ich dzieła [Larry Page i Sergey Brin to twórcy wyszukiwarki Google, opartej na opracowanym na Stanfordzie algorytmie PageRank – red.].

W USA już od wielu lat działa w odniesieniu do tych najbardziej wybitnych, w okolicy 20. roku ich życia, zasada skip or stop out of the college

Powstanie PCSI wymaga jasnego ustalenia jego statusu prawnego. Uważam, że PCSI powinno powstać mocą ustawy i być niezależne od nikogo poza premierem i wybranymi ministrami, a także specjalnie powołanym ciałem nadzorującym działanie Centrum. Status PCSI można opracować, korzystając z ustawy o Międzynarodowym Instytucie Biologii Molekularnej i Komórkowej PAN oraz doświadczeń zebranych przez lata działania tego instytutu.

W początkowej fazie finansowanie działalności PCSI musi pochodzić z budżetu państwa, by z czasem przejść na samofinansowanie (prawie samofinansowanie) z grantów UE oraz polskich. W każdym momencie państwo będzie mogło zlecić PCSI zadania badawcze, np. wynikające z przyjętej przez państwo strategii rozwoju AI. Bez zastrzyku finansowego na rozruch PCSI z budżetu państwa każda ambitna strategia rozwoju AI w Polsce pozostanie w sferze nigdy niezrealizowanych planów.

Powstaniu takich ośrodków jak PCSI musi towarzyszyć opracowanie przez państwo strategii transferu wiedzy i technologii do przemysłu, a w przypadku rozwoju AI – także do firm IT.

Obiecujące kierunki

Szczególnie obiecujące – innowacyjne i możliwe do podjęcia w Polsce – kierunki badawcze zostały już zarysowane w wielu dokumentach, poczynając od „Opinii Rady Naukowej Polskiego Stowarzyszenia Sztucznej Inteligencji dla Ministerstwa Cyfryzacji” (7 czerwca 2018; p. zwłaszcza rozdział „Innowacje AI a konkurencyjność gospodarki”), jak też „Wspólnego stanowiska polskich badaczy – specjalistów w obszarze maszynowego uczenia się i sztucznej inteligencji – w sprawie ‘Sztucznej Inteligencji dla Europy’” (czerwiec 2018).

Kierunkami, które w przyszłości – obok innych – odegrają lub będą nadal odgrywać przełomową rolę w rozwoju AI i których współtworzenie da nam szansę wywarcia wpływu na rozwój nauki światowej, są:

  • przetwarzanie języka naturalnego (NLP i w tym NLU oraz NLG) i w związku z nim technologie syntezy i rozpoznawania mowy (Humanized InTerfaces, HITs);
  • głębokie uczenie;
  • informatyka neurokognitywna;
  • informatyka kwantowa (obliczenia i komputery kwantowe);
  • wykorzystanie HPC oraz technologii Blockchain do wspomożenia rozwoju AI.

Materiał jest opracowaniem części pracy prof. Jacka Koronackiego pt. „Materiał do dyskusji nad krajową strategią rozwoju sztucznej inteligencji z perspektywy potrzeb i możliwości polskiej nauki” (Poznań 2018), przygotowanej dla OPI PIB.

Skip to content