Grupa Robocza ds. Sztucznej Inteligencji (GRAI) przy Ministerstwie Cyfryzacji przygotowała rekomendacje dla Polityki rozwoju sztucznej Inteligencji w Polsce w latach 2025-2030. W trakcie prac analitycznych GRAI oraz wielu spotkań, dyskusji oraz konsultacji z członkami Kapituły AI powołanej przez Ministra Cyfryzacji, zidentyfikowano sześć projektów o największym potencjale i znaczeniu dla sukcesu naszej gospodarki oraz korzyściach dla społeczeństwa. Warto je poznać nie tylko z powodu obywatelskiej troski o rozwój Polski, ale również dlatego, że będą wpływać na wykorzystanie AI w naszych firmach.
Są to (w skrócie):
1. Małe specjalistyczne modele językowe (specjalistyczne SLM)
Duże modele językowe (ang. Large Language Models – LLM) oparte na architekturze Transformera, takie jak ChatGPT czy Claude, osiągają bardzo wysoką jakość działania, jednak wymagają do tego olbrzymich zasobów, zarówno danych treningowych jak i mocy obliczeniowych. Przewidujemy, że w najbliższych latach wysiłki badawcze czołowych ośrodków na świecie będą skupione na tworzeniu nowych architektur, które pozwolą na uzyskanie mniejszych modeli (tzw. SLM), które jednocześnie przewyższą jakością działania obecnie istniejące architektury (pewne postępy już są – np. modele MAMBA).Jest to projekt z kategorii “moonshot” – zysk nie jest gwarantowany, ale jeśli się uda, może być bardzo duży. Szanse sukcesu zwiększa ogólnie dobra baza dostępnych naukowców i inżynierów AI w Polsce.
Wpływ na rozwój kraju
• Zapotrzebowanie na AI będzie ciągle istniało i rosło. Wiemy już, że nie jest to przemijająca
moda a technologia, która odmienia praktycznie wszystkie gałęzie gospodarki. Jakość
dostępnego AI będzie przekładała się na jakość działania kraju.
• Niezależność własności intelektualnej – pomysł prowadzi do stworzenia własnych architektur
potencjalnie hostowanych na własnej infrastrukturze. Obecnie dostęp do najlepszych modeli
odbywa się za pomocą API, a dane wysyłane są zwykle do USA (np. bezpośrednio poprzez API
OpenAI) lub przetwarzane są w wybranych miejscach na świecie przez amerykańskich
dostawców (np. dostęp do usług OpenAI w ramach Microsoft Azure). Usługi takie mogą być
w każdej chwili wyłączone lub ceny mogą być dowolnie zmienione.
2. Bezpieczne AI
W ostatnich kilku latach sztuczna inteligencja radykalnie zmieniły wiele dziedzin naszego życia, ale prawdziwa rewolucja AI jest wciąż przed nami. Już teraz w dużym stopniu nasze bezpieczeństwo zależy od systemów AI (diagnostyka medyczna, identyfikacja zagrożeń w ruchu drogowym, identyfikacja osób w instytucjach finansowych, zastosowania militarne). Istotne jest by systemy sztucznej inteligencji działy w sposób niezawodny, odporny na zakłócenia oraz minimalizując ryzyko błędnych, nieprzewidywalnych decyzji. Kluczowe jest prowadzenie badań i tworzenie rozwiązań, aby identyfikować, minimalizować i naprawiać potencjalne błędy oraz niezamierzone skutki działania AI.
Polska ma potencjał by stać się liderem standardów i rozwiązań o najwyższej jakości i niezawodności . Jednocześnie odporne na zakłócenia i skuteczne AI może być stosowane w zagadnieniach obronności, dla bezpieczeństwa i tzw ,,dual use”. Z uwagi na sytuacje geopolityczną powinniśmy być liderem tworzenia, wykorzystywania i eksportowania rozwiązań wykorzystujących AI do wzmocnienia bezpieczeństwa obywateli.
3. Procesor o niskim poborze mocy
Projekt, wytworzenie i wprowadzenie na rynek wydajnego energetycznie procesora dedykowanego dla obliczeń sztucznej inteligencji Celem projektu jest zaprojektowanie, wyprodukowanie i wprowadzenie na rynki globalne rodziny wydajnych energetycznie procesorów (i/lub akceleratorów sprzętowych) dedykowanych dla obliczeń sztucznej inteligencji.
Konsumpcja energii przez systemy Sztucznej Inteligencji jest poważnym problemem (duże koszty, zarówno ekonomiczne, jak i środowiskowe). W efekcie rośne zapotrzebowanie na efektywne
energetycznie obliczenia SI, szczególnie w zastosowaniach brzegowych (autonomiczne pojazdy, przemysł 4.0, inteligentne miasta, etc.).
Wydajne energetycznie procesy mogą być kluczowym elementem infrastruktury umożliwiającej uruchamianie specjalizowanych, małych modeli językowych na urządzeniach końcowych (ang. edge devices), co jest postrzegane jako jeden z kluczowych trendów rozwoju Sztucznej Inteligencji. Inicjatywa ta umożliwi rozwój zarówno zdolności wytwarzania procesorów, jak i dedykowanego,
specjalistycznego oprogramowania. Zintegruje też środowiska nauki, gospodarki i sektora publicznego.
4. Struktury wieloagentowe
Celem projektu są badania i wdrożenia struktur wieloagentowych wykorzystujących specjalizowane, małe modele językowe. Systemy takie, integrując możliwości modeli językowych i innych systemów informatycznych, umożliwiają rozwiązywanie złożonych problemów często bez konieczności odwoływania się do dużych SI dostępnych najczęściej w chmurach obliczeniowych. W efekcie są możliwe do uruchamiania na urządzeniach brzegowych (ang. Edge Computing) oraz końcowych (ang. AI on Device), zaś ich „inteligencja” jest efektem ich optymalnej konfiguracji. Zastosowania takich struktur są bardzo szerokie: od platform komunikacji pomiędzy podmiotami (B2B, B2C, B2G, etc.), przez inteligentne floty dronów, przemysł 4.0, po systemy ekspertowe w medycynie. Realizacja tego projektu umożliwi rozwój kadr badawczych i rozwojowych w obszarze tworzenia oprogramowania (architektury struktur wieloagentowych, specjalizowane małe modele językowe, etc.), jak i infrastruktury.
Rynek dużych modeli językowych jest bardzo konkurencyjny, nieprzewidywalny i ryzykowny nawet w długim horyzoncie czasowym. Rekomendowany projekt umożliwia rozwój kluczowych kompetencji w obszarach o istotnie niższym ryzyku, większym potencjale aplikacyjnym i wykorzystujących najnowsze odkrycia w „dużych” modelach.
5. Federacyjna Sieć Danych dla AI
Celem projektu jest stworzenie krajowej, rozproszonej infrastruktury do bezpiecznego gromadzenia, przetwarzania i udostępniania danych na potrzeby rozwoju AI, ze szczególnym uwzględnieniem danych medycznych, żywieniowo-rolnych, a także przemysłowych. System będzie łączył zalety przetwarzania brzegowego (Edge Computing) z centralnymi repozytoriami danych, tworząc alternatywę dla dominujących rozwiązań chmurowych.
Projekt integruje kluczowe trendy technologiczne: Edge Computing, federacyjne uczenie maszynowe oraz bezpieczne przetwarzanie danych wrażliwych.
6. AI w medycynie
Wykorzystanie Sztucznej Inteligencji do usprawnienia wybranego obszaru opieki zdrowotnej. Celem projektu jest implementacja systemów sztucznej inteligencji do usprawnienia wybranego
obszaru opieki zdrowotnej. Pierwszym, kluczowym etapem wdrożenia będzie wybór istotnego społecznie problemu (np. diagnostyka nowotworów, chorób układu krążenia czy cukrzycy; dostęp do
terapii; dostęp do leków) oraz miar sukcesu wdrożenia (np. skrócenie czasu, zwiększenie liczby, etc.).
Na kolejnym etapie zaprojektowany zostanie portfel projektów wykorzystujących metody i techniki SI, które mogą przyczynić się do realizacji planowanych rezultatów. Na koniec, projekty zostaną wdrożone tak, by osiągnąć planowane rezultaty (określone przez opracowane wcześniej miary sukcesu).
Całe, bardzo wartościowe opracowanie znajduje się tutaj Ekspertyza_ws_aktualizacji_Polityki_AI_w_Polsce