Sztuczna inteligencja nad Wisłą – jeszcze niewykorzystany potencjał

Z pewną przesadą można powiedzieć, że świat nie mówi obecnie o niczym innym, tylko o sztucznej inteligencji. W wielu państwach zaczęto już wykorzystywać ją w różnych dziedzinach gospodarki. W naszym kraju mamy ogromny potencjał, ale nadal wiele do zrobienia. Nie ma cudownych recept. Pozostaje ciężka praca i dużo cierpliwości.

Choć znajdziemy u nas wielu fachowców na światowym poziomie, to popyt na aplikacje związane z AI jest mały, co powoduje, że są one sprzedawane przede wszystkim na Zachodzie.

– Polscy informatycy nie mogą zarabiać teraz dużo mniej niż za granicą – podkreśla Łukasz Borowiecki, prezes firmy 10 Senses, współtwórca raportu „State of AI in Poland”. – Dlatego są kosztowni dla rodzimych klientów. Poza tym ciągle wyzwanie stanowi sektor naukowy. Nasze uczelnie bardzo dobrze kształcą, ale gorzej jest z badaniami. Mam nadzieję, że zmiana tego stanu rzeczy to kwestia najbliższej przyszłości. Znamy dobre przykłady: między innymi Finlandia czy Korea Południowa. My też musimy znaleźć swoją drogę. To tylko kwestia czasu. Z tego punktu widzenia jesteśmy w dobrej części świata. Naszymi bezpośrednimi sąsiadami są państwa skandynawskie i Niemcy, mamy dobre relacje z USA czy Wielką Brytanią. Wyjechało tam wielu Polaków. Oni pracują, uczą się, a niektórzy z pewnością wrócą, mając ogromną wiedzę i doświadczenie.

Nadal szwankuje u nas współpraca między biznesem a uczelniami. W tym przypadku klasycznym przykładem do naśladowania są oczywiście Stany Zjednoczone. Tam uczelnie mają mnóstwo „przyjaciół”, którzy przekazują im pieniądze na rozwój. Dlatego leży im na sercu los tych placówek. W efekcie to milionerzy, często szefowie korporacji, nadają kierunek pracom uniwersytetów. U nas nie widać jeszcze takich tendencji. Jeśli ktoś dorobi się dużych pieniędzy, kupuje klub piłkarski. Ciągle czekamy na pierwszych odważnych, którzy odmienią oblicze polskich uczelni.

Mimo wszystko polskie firmy pracują nad aplikacjami związanymi ze sztuczną inteligencją. Mamy nawet liczne przykłady. Choć z pewnością jest ich mniej, niż byśmy chcieli.

Ciekawe okazało się opracowanie 10 Senses dla operatora T-Mobile. Na podstawie raportów odnośnie tego, jak karty SIM łączą się ze stacjami bazowymi, można określić ich lokalizacje w konkretnym czasie. Firma rozpisała dla T-Mobile wymagania, jakie muszą spełniać badania analityczne. Uwzględniono tworzenie modelu ekonometrycznego, redukcję błędów pomiarowych i inne podobne aspekty. W ten sposób określono, jak ludzie podróżują (skąd i dokąd). Dzięki temu wiadomo, ile osób przemieszcza się na określonych trasach. To szczególnie przydatne przy planowaniu linii transportu publicznego w miastach. Obecnie niemała część tras w największych aglomeracjach Polski jest wytyczana w oparciu o takie projekty. – Byliśmy zewnętrznymi konsultantami-statystykami i nie mieliśmy dostępu do danych osobowych – zaznacza Łukasz Borowiecki.

Firma 10 Senses pracuje też nad projektem usługowym. Jest on związany z zaleceniami unijnego AI Act, w którym ogromny nacisk kładzie się na to, by modele językowe nikogo nie dyskryminowały. Oczywiście aktualne pozostaje pytanie, jak to sprawdzić. Pojawiają się jednak pierwsze sposoby na zmierzenie wskazanego zagadnienie. Podejście 10 Senses polega na przeszczepieniu metod typowych dla nauk społecznych do pracy z modelami SI o charakterze czarnej skrzynki. Chodzi o model wytrenowany na dużej ilości danych, który profiluje osoby, czyli daje im różne oferty. Jest to podejście interdyscyplinarne, na pograniczu klasycznej statystyki oraz maszynowego uczenia.

Opracowano również model maszynowego uczenia dla przedsiębiorstw mających duże działy księgowe. Profiluje się dokumenty za pomocą rozwiązań SI, co ma pomaga wyszukiwać je w oparciu o ich cechy. Pozwala to na zaoszczędzenie setek godzin pracy osób, których zadaniem jest wyszukiwanie dokumentów albo transakcji.

– Nasza firma zapewnia swoim klientom dostosowanie do ich potrzeb rozwiązań w zakresie uczenia maszynowego, które spełniają ich cele i zapewniają wymierne rezultaty – wyjaśnia Małgorzata Orzechowska, CEO ReasonField Lab. – Tworzymy modele analityczne, które uczą się na podstawie danych dostarczanych przez klientów. Każdy projekt łączy w sobie profesjonalne umiejętności inżynierskie z wiedzą naukową. Takie połączenie umożliwia zapewnienie holistycznego podejścia do projektów uczenia maszynowego z nauką jako usługą. Nie mamy gotowego produktu, natomiast gwarantujemy klientom zaangażowanie techniczne w projekt od powstawania koncepcji do fazy produkcyjnej. Współpracujemy z firmami z całego świata: od Stanów Zjednoczonych, poprzez kraje UE, aż po Japonię i Izrael. Największe doświadczenie mamy w projektach medycznych, środowiskowych oraz związanych z szeroką pojętą produkcją.

Zdaniem Małgorzaty Orzechowskiej potencjał w zakresie uczenia maszynowego w Polsce jest ogromny. Posiadamy wysoce wykwalifikowaną kadrę naukową i inżynierską, szczycimy się silnymi tradycjami w dziedzinie matematyki i informatyki, a są to świetne podstawy do tworzenia modeli. Członkostwo w UE daje nam dostęp do zasobów międzynarodowych. Już obecnie polskie firmy i instytucje coraz częściej decydują się na wdrażanie modeli uczenia maszynowego w swoich działaniach. Korzystają z nich przy personalizowaniu ofert dla klientów oraz tłumaczeń w czasie rzeczywistym czy też podczas analizy danych transakcyjnych. Polska ma potencjał, aby stać się liderem w dziedzinie ML. Jednak aby tak się stało, potrzebne jest dalsze inwestowanie w badania i rozwój, a także rozwój współpracy między sektorem prywatnym a publicznym.

– Jesteśmy polskim start-upem biotechnologicznym oferującym innowacyjne rozwiązania mające na celu rewolucję w przemyśle chemicznym – mówi Piotr Byrski, współzałożyciel i dyrektor generalny Molecule.one. – Głównym produktem jest M1 RetroScore powered by CAS – zaawansowane narzędzie do oceny dostępności syntetycznej. Wykorzystuje ono modele głębokiego uczenia oraz ogromną bibliotekę danych CAS (a division of American Chemical Society – Amerykańskiego Towarzystwa Chemicznego). Umożliwia szybkie i efektywne sprawdzenie potencjalnej syntetyzowalności związków chemicznych, zwłaszcza w przypadku dużych bibliotek związków. Oznacza to ogromny postęp w przyspieszaniu procesów badawczych oraz projektowaniu nowych cząsteczek w różnych branżach przemysłu. Również inne nasze rozwiązania oparte o AI mają olbrzymie znaczenie dla procesów odkrywania i projektowania małych cząsteczek.

– Nasze innowacje nie tylko reprezentują nowy poziom w dziedzinie syntez chemicznych, ale również mają potencjał przekształcić procesy projektowania nowych związków w przemyśle farmaceutycznym na całym świecie – przekonuje Piotr Byrski. – Produkty Molecule.one są obecnie dostępne na rynku globalnym, z głównym naciskiem na Europę i Stany Zjednoczone.

– Największe grupy polskich produktów opartych o sztuczną inteligencję są związane z opieką zdrowotną, przemysłem, procesami marketingu i sprzedaży, a także chatbotami i obsługą klienta – twierdzi Adam Dobrakowski, CEO MIM Solutions, ekspert SoDA (Software Development Association Poland – Organizacji Pracodawców Usług IT). – W medycynie mamy obecnie około 20 start-upów z poziomem finansowania kilku milionów euro każdy. Chodzi o systemy wspierające diagnostykę, leczenie czy odkrywanie leków i szczepionek. Natomiast SI w przemyśle to takie rozwiązania, jak technologie wizyjne czy związane z utrzymaniem ruchu i logistyką.

Istotne są również narzędzia do analizy danych w marketingu, automatyzacji, a także do SEO i wizji komputerowej. Istotną kategorię stanowią też rozwiązania oparte o chatboty i voiceboty czy innego rodzaju automatyzacje. Ciekawe są aplikacje oparte o generatywną sztuczną inteligencję, analizę tekstu, robotykę czy tworzenie infrastruktury dla eksperymentów Machine Learning. Łącznie możemy mówić w tym momencie o około 100 liczących się polskich start-upach.

Warte odnotowania są firmy działające w modelu software-house, których wyróżnikiem jest oferowanie klientom szytych na miarę rozwiązań opartych o SI. Istnieje co najmniej kilkanaście takich  przedsiębiorstw, liczących od kilku do kilkudziesięciu specjalistów SI. Dostarczają one produkty organizacjom produkcyjnym, finansowym czy medycznym.Zarówno w przypadku produktów, jak i usług SI, nasze rozwiązania tworzone są głównie na rynki zagraniczne, przede wszystkim UE i Stanów Zjednoczonych. Największym potencjałem, niestety częściowo traconym z powodu migracji za granicę, są bardzo utalentowani inżynierowie. Dość trudna jest również nasza sytuacja, jeśli chodzi o możliwość pozyskiwania większego finansowania na rozwój firm.

– Wdrożenia SI do biznesu są utrudnione przez takie czynniki, jak brak gotowości technologicznej przedsiębiorstw (np. brak dostatecznej ilości danych wysokiej jakości) czy zbyt małe budżety przeznaczone na innowacje. Dlatego w europejskich i światowych rankingach start-upów AI rzadko trafiają się firmy z Polski. Ale bardzo ciekawą i obiecującą inicjatywą jest IDEAS NCBR – finansowane ze środków publicznych centrum innowacji, którego celem jest z jednej strony zatrzymywanie talentów w Polsce i oferowanie młodym naukowcom atrakcyjnych warunków do pracy naukowej, a z drugiej – nawiązywanie kontaktów z przedsiębiorstwami umożliwiającymi komercjalizację wyników badań. Oby jak najwięcej takich inicjatyw – podsumowuje Adam Dobrakowski.