To mit, że zmiany związane z rozwojem technologii następują błyskawicznie. Społeczeństwu wydaje się, że te zmiany są gwałtowne, ale mało kto wie o firmach, które wcześniej próbowały wprowadzić na rynek nowe technologie i splajtowały. Z dr. Olafem Gajlem, dyrektorem Ośrodka Przetwarzania Informacji – Państwowego Instytutu Badawczego (OPI PIB), rozmawia Maciej Chojnowski
Maciej Chojnowski: Podczas dyskusji panelowej w trakcie Forum Gospodarczego TIME mówił pan, że w Polsce zawyżamy liczbę osób zajmujących się sztuczną inteligencją (SI). Jak to wygląda w świetle danych zgromadzonych przez OPI PIB?
Dr Olaf Gajl: W ostatnich kilku latach zainteresowanie sztuczną inteligencją w polskiej nauce niewątpliwie wzrosło. Na pierwszy rzut oka może się wręcz wydawać, że mamy w tej dziedzinie wielu specjalistów. Niestety, pogłębiona analiza studzi entuzjazm.
W latach 2013–2018 prace naukowe w jakiś sposób związane z SI opublikowało 1800 osób. Jednak takich, w których występowałyby przynajmniej dwa słowa kluczowe z tej dziedziny, było już tylko około 300. Ostatnio odnotowaliśmy też zdecydowany wzrost liczby doktorantów w dyscyplinach o potencjale SI – jest ich powyżej 2500. Dane z dłuższego okresu dowodzą jednak, że w ciągu 30 lat mieliśmy w tych dziedzinach tylko kilkuset specjalistów. Nie możemy więc mówić, że SI to nasza domena, choć sytuacja na pewno się poprawia.
Niedawny raport Fundacji Digital Poland „Map of the Polish AI” przekonuje, że w Polsce brakuje zapotrzebowania na usługi SI. Szczególnie dotyczy to projektów innowacyjnych, wymagających prac badawczo-rozwojowych. Polska gospodarka boi się ryzyka?
Powiedziałbym, że jeżeli ryzyko jest niepotrzebne, to zwyczajnie się go nie podejmuje. To wynika z rozsądku osób prowadzących działalność gospodarczą. Jednak jeśli sytuacja rynkowa się zmieni, nastąpi dalsza presja płacowa, zacznie brakować kadr, a tempo rozwoju gospodarki spadnie w związku z osłabieniem gospodarek, od których jesteśmy zależni, to firmy będą musiały podjąć kroki, które zapewnią im istnienie.
Dlatego tak istotne jest, byśmy jako społeczeństwo rozumieli znaczenie sztucznej inteligencji. Musimy aktywnie uczestniczyć w tych przemianach, żeby czerpać z nich korzyści, a nie być tylko biernymi obserwatorami. Do tego potrzeba popularyzacji i edukacji – potrzebujemy zarówno specjalistów od SI, osób upowszechniających wiedzę na ten temat, jak i ludzi, którzy nie będą się bali używać tych technologii w życiu codziennym i biznesie.
Dlaczego start-upy zakładają na ogół ludzie młodzi? Bo nie wiedzą, co ich czeka
A sam problem innowacyjności? Polska jest po prostu za małym rynkiem. Duże innowacyjne przedsięwzięcia muszą mieć duży rynek, by się opłacały. Dlatego większość firm, które rozwijają zagadnienia związane ze sztuczną inteligencją, szuka sobie miejsca na rynkach dojrzałych i większych. Czyli w Stanach i całej Europie.
Na TIME powiedział pan, że brak akceptacji dla błędu tworzy w Polsce atmosferę asekuracji. A przecież w innowacyjnych przedsięwzięciach porażkę trzeba brać pod uwagę.
Instytucje, które mają stymulować innowacje, same boją się ryzyka. Ten strach przenosi się na przedsiębiorców. Dlaczego start-upy zakładają na ogół ludzie młodzi? Bo nie wiedzą, co ich czeka.
Jest oczywiście dużo lepiej, niż było, ale do USA jeszcze nam daleko. Ten problem istnieje zresztą we wszystkich krajach europejskich; w końcu wszyscy usiłują tworzyć strategie, które będą wspierały postawy proinnowacyjne. Więc to jest ogólna przypadłość, tylko poziom kłopotów jest inny w krajach bardziej rozwiniętych.Człowiek nie jest stworzony do ponoszenia ryzyka bez powodu. Nie lubimy zmian. Wolimy bezpieczne sytuacje, i to jest naturalne.
W przeszłości cykle gospodarcze trwały znacznie dłużej, podczas gdy cyfrową gospodarkę cechuje duża zmienność. Dziś zmiany następują szybciej, co ma wpływ choćby na rynek pracy. SI i automatyzacja zmienią sposób, w jaki pracujemy. Jesteśmy na to gotowi?
To mit, że zmiany związane z rozwojem technologii następują błyskawicznie. Moim zdaniem to teza dziennikarska. Społeczeństwu wydaje się, że te zmiany są gwałtowne, ale mało kto wie o firmach, które wcześniej próbowały wprowadzić na rynek nowe technologie i splajtowały. Dopiero gdy inne firmy, łącząc i ulepszając technologie informatyczne, uświadamiają społeczeństwu konieczność wykorzystania postępu, pojawia się zainteresowanie rynku.
Jakiś przykład?
Na początku obecnego wieku poproszono mnie o diagnozę na następny rok i jako najbardziej spektakularną i znajdującą różnorodne zastosowania technologię podałem rozpoznawanie mowy. IBM udostępnił swój system, powstawały wyspecjalizowane firmy zarówno w Stanach, jak w Europie, byłem zafascynowany. Pomyliłem się co najmniej o dziesięć lat: system IBM nie każdą angielską wymowę rozumiał, wiele firm zniknęło z rynku. Musiało upłynąć dużo czasu, aby głosowi asystenci pojawili się na przykład na salach sądowych lub w telefonach.
Ale w wyniku działania internetu, a także nasilenia innowacji marketingowych i organizacyjnych – czyli zrewolucjonizowania m.in. kanałów sprzedaży czy dostępu – ludziom się wydaje, że to wszystko strasznie szybko się zmienia.
Czyli to wszystko jest rozdmuchane?
Tak. Zmiany idą swoim tempem, tyle że informacja na ten temat dostarczana jest dziś o wiele szybciej i szerzej. Przecież Jeff Bezos budował swoją firmę od połowy lat 90. Dwadzieścia parę lat! Od badań do zastosowań zwykle mija sporo czasu i rozwój sztucznej inteligencji jest tego przykładem.
Pod koniec lat 80. oglądaliśmy wideo z podróży autonomicznej amerykańskiej ciężarówki wojskowej. I co? Minęło prawie 30 lat, a prace nad autonomicznymi pojazdami nie zostały zakończone. W tym czasie w zespole profesora Michała Kleibera w Instytucie Podstawowych Problemów Techniki PAN prowadziliśmy szereg prac nad zastosowaniami systemów ekspertowych, sieci neuronowych, logiki rozmytej czy wnioskowania jakościowego. Profesor zgromadził wspaniałych informatyków, takich jak Jacek Ambroziak, Piotr Breitkopf, Zenon Kulpa czy Alek Radomski. Oni prowadzili konkretne prace o pionierskim wówczas charakterze.
Podziwiane dziś rozwiązania SI rzeczywiście nie powstały z dnia na dzień.
Sztuczna inteligencja potrzebowała tylu lat, aby „wybuchnąć”, bo przede wszystkim musiały się zwiększyć moce obliczeniowe komputerów, a zmniejszyć ceny ich wykorzystywania. 60 lat temu w IBM powstała koncepcja wirtualizacji. Kilka lat później narodziła się pierwsza koncepcja internetu. Po kilkudziesięciu latach internet i wirtualizacja umożliwiły powstanie cloud computingu, czyli obliczeń w chmurze: możliwości wykorzystania wielkich mocy obliczeniowych po stosunkowo niskiej cenie, bez konieczności ponoszenia wydatków inwestycyjnych oraz kosztów utrzymania własnych komputerów.
Wzrost mocy obliczeniowych pozwolił na tworzenie dużo bardziej złożonych sieci neuronowych (choć pierwsze budowano już w latach 50.), umożliwiających efektywne uczenie maszynowe na podstawie ogromnej ilości danych. Także gromadzenie danych było możliwe dzięki przejściu z technik analogowych na cyfrowe oraz rozwojowi technologii ich przechowywania.
Na rozwój sztucznej inteligencji miały również wpływ gry komputerowe wymagające dobrej grafiki. Firma NVIDIA, która specjalizowała się w procesorach graficznych (GPU) do gier, stała się nagle głównym graczem na rynku procesorów SI.
Tak więc sztuczna inteligencja i jej zastosowania rozwijały się latami. I chociaż obecnie przeżywają boom, to ciągle jeszcze wymagają poważnych badań i dalszego obniżania kosztów.
Rynek pracy jednak się zmienia. Nie ma już powrotu do czasów, gdy przez całe życie ktoś wykonywał ten sam zawód. Czy polski system edukacji kształci ludzi zdolnych do zawodowej elastyczności?
Nasza edukacja raczej nie sprzyja improwizacji, pracy w grupie, elastyczności. Choć sytuacja się zmienia, bo na uczelniach technicznych robi się teraz różne projekty, buduje łaziki marsjańskie, samochody wyścigowe. Rzecz w tym, że zmiana dotyczy tylko jednostek, i to takich, które są bardziej skłonne do zrobienia czegoś więcej niż dyplom na tróję.
Praca w grupie powoduje, że człowiek umie docenić rolę lidera. Jeżeli pracuję w grupie, to owszem, mogę tego lidera nawet znienawidzić, ale też zaczynam rozumieć, że moje powodzenie zależy od zdolności dostosowania się do innych. U nas tego nie ma, w związku z czym gdy ktoś wyrasta na lidera, to natychmiast trzeba go sprowadzić do parteru.
Utworzenie Polskiego Porozumienia na rzecz Sztucznej Inteligencji wydaje się świadczyć o tym, że w Polsce rozumiemy już potrzebę zmian w dziedzinie SI. Jesteśmy gotowi działać razem, z liderem?
Sztuczna inteligencja to bardzo różne specjalności, więc nie tak łatwo się porozumieć. Każdy uważa, że jego specjalność jest ważna i to on robi ciekawe rzeczy.
Z drugiej strony, jeżeli nie ma przedsięwzięć, które integrowałyby te różne specjalności, to i nie ma specjalnego powodu, by się jakoś bratać i mówić, że jesteśmy wspólnotą, środowiskiem o wspólnych interesach.
Zmiany idą swoim tempem, tyle że informacja na ten temat dostarczana jest dziś o wiele szybciej i szerzej. Przecież Jeff Bezos budował swoją firmę od połowy lat 90. Dwadzieścia parę lat!
Kiedy się robi autonomiczny samochód, trzeba mieć różnych specjalistów. I to nie tylko od sztucznej inteligencji, ale też na przykład od prozaicznych rzeczy związanych z mechaniką. Wtedy następuje integracja. W modelu amerykańskim specjaliści łączą się przy takich interdyscyplinarnych projektach. To, co robi DARPA*, to jest właśnie szukanie takich wariackich pomysłów, które umożliwiają połączenie różnych sił.
Przykład DARPA pokazuje, że państwo ma ważną rolę w tym rozwoju.
Oczywiście. W książce wydanej przez OPI PIB – „Instytuty badawcze w nowoczesnej gospodarce” doktor Agnieszka Gryzik przeanalizowała sytuację w Stanach: amerykańska potęga technologiczna nie powstała na uniwersytetach. Na początku była głównie oparta o sieć instytutów badawczych, którym zlecano konkretne zadania. I one je realizowały, oczywiście we współpracy z uczelniami.
Te instytuty nie tworzą nowych koncepcji dotyczących na przykład cząstek elementarnych. Zajmują się bardziej praktyczną pracą, mając zlecone zadania. Nasz problem zawsze polegał na tym, że w administracji publicznej nie było nikogo, kto mógłby powiedzieć, co trzeba robić.
No i teraz jest zmiana, to znaczy 38 instytutów, które wcześniej znajdowały się w większości w gestii Ministerstwa Gospodarki, tworzy Sieć Badawczą Łukasiewicz. Jeśli jej rada będzie w stanie wygenerować we współpracy z innymi resortami sensowne zadania, to wtedy ukierunkowana działalność tych wszystkich instytutów może za parę lat przynieść wymierne efekty.
W Polsce często najpierw tworzymy infrastrukturę czy powołujemy instytucje, a dopiero potem martwimy się, do czego mają one służyć.
Na całym świecie ludzie chcą robić wielkie rzeczy. Nie sztuka zdobyć pieniądze na inwestycję, zakończyć ją, a potem rozpaczliwie szukać źródła finansowania. Wszyscy chcą sobie budować piękne, przeszklone budynki, lecz zapominają, że trzeba też będzie je ogrzewać, pilnować ich i tak dalej. No i zapominają, że sam sprzęt się starzeje.
We francuskiej strategii rozwoju SI dostrzeżono między innymi dwa ważne problemy. Po pierwsze, że trzeba dawać dużo pieniędzy młodym ludziom, bo inaczej nie będzie miał kto pracować. A po drugie, że architektura istniejących superkomputerów jest często nieadekwatna do potrzeb sztucznej inteligencji.
W „Manifeście na rzecz polskiej sztucznej inteligencji” naukowcy apelują do rządzących, by wsparli finansowo projekty, środowisko, samą dziedzinę SI. Ale to wymagałoby zmiany modelu finansowania, bo w Polsce wszystkim rozdaje się równo. Myśli pan, że tym razem się uda?
Chcę tak myśleć, choć jeszcze się tak nie zdarzyło. Najlepszy przykład to próby zróżnicowania wynagrodzeń w instytucjach uczelnianych. Opór jest bardzo silny. Egalitaryzm mamy wpisany w DNA. Nic nas bardziej nie denerwuje niż to, że ten drugi zarabia więcej. Taka przypadłość.
A w Polsce w obszarze ICT [technologie informacyjno-komunikacyjne – red.] zarobki na wyższych uczelniach są faktycznie bardzo niskie w porównaniu do biznesu. W krajach rozwiniętych też występuje zróżnicowanie, ale w zakresie raczej 30, a nie 300 procent. Wprawdzie dobrze jest, jeśli naukowcy współpracują z instytucjami gospodarczymi, ale przy takich dysproporcjach najczęściej rezygnują całkowicie z pracy na uczelni lub dodatkowo zatrudniają się w biznesie i zostaje im niewiele czasu na kształcenie zdolnych studentów oraz badania.
Teraz mamy przemysł 4.0. Świetnie, trzeba działać. Pozostają jednak pytania, kto, za co i dlaczego ma odpowiadać. Czyli komu dać pieniądze, a komu nie. I jeszcze ten lęk przed odpowiedzialnością.
Myślę jednak, że ze sztuczną inteligencją będzie lepiej. SI ma moc integrującą – dotyczy wielu środowisk, jest interdyscyplinarna. Mam więc nadzieję, że zrobimy w tej dziedzinie coś naprawdę sensownego.
*DARPA (Defense Advanced Research Projects Agency – Agencja Zaawansowanych Projektów Badawczych w Obszarze Obronności) – amerykańska agencja rządowa zajmująca się rozwojem technologii wojskowej, działająca w strukturach Departamentu Obrony