Jeśli polski sektor publiczny ma korzystać z rozwiązań opartych na sztucznej inteligencji, musi postawić na wysokiej jakości dane i edukację

„Rozwijaniem i wykorzystywaniem sztucznej inteligencji zajmują się już nie tylko wielkie korporacje technologiczne, ale także szeroko rozumiany sektor publiczny: rządy, służby administracyjne i władze samorządowe. I coraz częściej wspólnie przekonują obywateli, że choć nie należy lekceważyć zagrożeń, rewolucja oparta na SI przyniesie ludzkości nowe możliwości rozwoju” – czytamy w opublikowanym właśnie raporcie „Iloraz sztucznej inteligencji. Potencjał sztucznej inteligencji w sektorze publicznym” przygotowanym przez ośrodek dialogu i analiz THINKTANK we współpracy z firmą Microsoft.

Raport – który omawiamy w osobnym tekście – skupia się na przykładach praktycznych wdrożeń systemów opartych na SI w firmach i instytucjach sektora publicznego krajów Unii Europejskiej. Odnosi się też do krajowych i europejskiej strategii sztucznej inteligencji, wpływu SI na rynek pracy, podejścia do etyki sztucznej inteligencji czy wreszcie potrzeby regulacji prawnych.

Prezentacji raportu w poniedziałek 29 czerwca towarzyszyła debata online, której głównym tematem były bariery stojące na drodze rozwoju sztucznej inteligencji w sektorze publicznym w Polsce.

Pod pojęciem „rozwój sztucznej inteligencji” możemy rozumieć trzy rzeczy. Po pierwsze – badania podstawowe, czyli rozwijające technologie sztucznej inteligencji, jak praca teoretyczna, opracowanie nowych algorytmów itp. Po drugie – badania stosowane, których celem jest opracowanie technologii opartych na SI, które rozwiązują konkretne problemy, na przykład w rolnictwie, medycynie czy transporcie. Po trzecie – praktyka przemysłowa, czyli wdrożenie istniejących już technologii.

Według Michała Jaworskiego z Microsoftu na polu badań podstawowych nie mamy szans (tu liczą się głównie Amerykanie i Chińczycy, a Polska może się pochwalić garstką światowej klasy badaczy). Jednak już w dziedzinie badań stosowanych moglibyśmy nie tyle stanąć do wyścigu ze światowymi potęgami, ile znaleźć sobie atrakcyjną niszę.

Oszczędności – to główna motywacja do wprowadzania sztucznej inteligencji w sektorze publicznym

Do tego potrzeba jednak motywacji. W przypadku biznesu tej motywacji nie trzeba szukać daleko – to pieniądze. Jeśli wprowadzenie sztucznej inteligencji przyniesie firmie zysk, firma ją wprowadzi. Według Jaworskiego o podobnej zachęcie można mówić także w przypadku sektora publicznego. Mowa tu nie tyle o zysku, co o zwiększonej efektywności związanej z wprowadzeniem SI, a co za tym idzie – o oszczędnościach.

Według dr Małgorzaty Starczewskiej-Krzysztoszek, która jest adiunktem w Katedrze Ekonomii Politycznej Wydziału Nauk Ekonomicznych UW, mógłby się tu przydać zaproponowany przez Komisję Europejską model szacowania kosztów administracyjnych. Należałoby wybrać kilka obszarów, np. ochronę zdrowia czy sądownictwo, i wyliczyć ich koszty administracyjne, a następnie wykazać, jak zastosowanie rozwiązań z dziedziny sztucznej inteligencji mogłoby te koszty zmniejszyć.

Dostrzeżenie korzyści płynących z SI wymaga kompetencji. Chodzi o kompetencje cyfrowe liderów – osób decyzyjnych na wszystkich szczeblach. Mówiła o tym dr Katarzyna Śledziewska, dyrektorka DELab UW i adiunkt w Katedrze Makroekonomii i Teorii Handlu Zagranicznego Wydziału Nauk Ekonomicznych UW.

– Nie chodzi tu o zaawansowane kompetencje cyfrowe, tylko o generalne rozumienie, na czym to polega, w jakim zakresie można te technologie wdrażać, jakie są ich możliwości, jakie korzyści się z nimi wiążą, ale też jakie są ryzyka, jak np. dyskryminacja czy cyberbezpieczeństwo – tłumaczyła badaczka. – Te kompetencje są też bardzo potrzebne wśród pracowników administracji – przekonywała.

– Wszystkie problemy dają się sprowadzić do wspólnego mianownika. To jest kwestia edukacji – rozwijał ten wątek Wojciech Warski, prezes Softex Data SA. – Bez pieniędzy, które pójdą na długą, mozolną edukację, która może być finansowana na przykład z grantów europejskich, bez odczarowania tematu, jakim jest sztuczna inteligencja, my niewiele zrobimy. Nie miejmy w tej chwili nadziei i w związku z tym przesadnych rozczarowań – zastrzegał.

Nieco lepiej wygląda sytuacja, jeśli chodzi o kompetencje twórców rodzimych rozwiązań.

– Myślę, że z tymi kompetencjami w Polsce nie jest źle. Mamy całkiem sporo firm, które w tym obszarze działają, które lokują tutaj swoje centra badawczo-rozwojowe – mówił Dominik Batorski, socjolog z ICM UW. – Trochę brakuje tych bardzo wysokich kompetencji. Bardzo słabo wypadamy w obiegu naukowym, jeśli na przykład popatrzymy na liczbę wystąpień pracowników polskich instytucji naukowych na światowych konferencjach związanych z uczeniem maszynowym.

Mnóstwo ludzi, nawet jeśli było niechętnych korzystaniu z narzędzi cyfrowych, przez COVID zaczęło to robić i przestało się tego bać

Zbigniew Gajewski, THINKTANK

Inteligentne systemy korzystające ze sztucznej inteligencji bazują na ogromnej ilości danych. Co ważne, te dane muszą być wysokiej jakości. To znaczy, że musi być ich dużo, muszą być aktualne, kompletne, właściwie opisane, obiektywne i istotne dla problemu, który chcemy rozwiązać. Dostęp do nich jest jedną z najczęściej wymienianych barier rozwoju sztucznej inteligencji w Polsce.

– Dobrze by było, aby te dane dotyczyły konkretnych, dobrze zdefiniowanych problemów – twierdzi Batorski. – W tej chwili w polskich warunkach właśnie tego typu dużych danych brakuje. W sektorze publicznym bardzo brakuje myślenia o systematycznym wytwarzaniu danych, które nadawałyby się do uczenia maszynowego.

O tym problemie mówiła też Katarzyna Śledziewska. – Na wydziale nauk ekonomicznych studenci piszą prace z dziedziny data science. Największą barierą są dane. Nie mamy danych, żeby takie prace tworzyć. Firmy w Polsce są w większości zamknięte. Boją się udostępniać dane, podpisywać z nami umowy. Niestety, to dotyczy także sektora publicznego – ubolewała.

Nie zabrakło też odwołania do aktualnie najbardziej zaraźliwego problemu, a zarazem – jakkolwiek banalnie to brzmi – nowej szansy dla SI.

Michał Jaworski zauważył, że w ostatnich miesiącach pojawiła się nowa motywacja do stosowania sztucznej inteligencji. – W tej chwili największym motorem zmiany cyfrowej nie jest chief transformation officer (CTO), to nie jest chief executive officer (CEO), to nie jest minister, to jest COVID. On powoduje nie tyle chęć przemiany, co konieczność przemiany – mówił.

– Mnóstwo ludzi, nawet jeśli było niechętnych korzystaniu z narzędzi cyfrowych, przez COVID zaczęło to robić i przestało się tego bać. A to oznacza, że liderzy polskiego społeczeństwa mają unikatową szansę, żeby w nawiązaniu do doświadczeń tych osób, razem z nimi spróbować przeprowadzić pewną transformację – podsumował Zbigniew Gajewski, jeden z autorów raportu.

Skip to content