Czy Polska wykorzysta rewolucję sztucznej inteligencji, czy pozostanie przede wszystkim odbiorcą technologii tworzonych za granicą? O tym, czego potrzebujemy, by zbudować silny sektor AI, rozmawiamy z Arturem Kurasińskim, współautorem książki „RzeczpospolitAI”

Academia: W książce zastanawiacie się, jak Polska może wykorzystać sztuczną inteligencję. Jesteśmy bliżej sukcesu, czy zaprzepaszczenia tej szansy?

Artur Kurasiński: Nie mam na to prostej odpowiedzi. Na pewno nie robimy wystarczająco dużo. Podejmowane są pewne działania, pojawiają się pieniądze, władze mają na sztuczną inteligencję jakiś pomysł, ale tempo i skala tych działań są nieporównywalne z tym, czego potrzebowalibyśmy, gdybyśmy naprawdę chcieli wykorzystać obecną sytuację. Mówimy prawdopodobnie o nakładach dziesięciokrotnie, a może nawet stukrotnie większych.

Tylko że najpierw trzeba odpowiedzieć na pytanie: do czego właściwie chcemy się zbliżyć? Czy mamy próbować rywalizować z największymi i budować największe modele językowe, czy czy może powinniśmy znaleźć własną specjalizację, która nie będzie wymagała wydawania absurdalnych pieniędzy?

Przede wszystkim brakuje nam wizji. Nie mamy jasnej odpowiedzi na pytanie, po co Polsce sztuczna inteligencja. Polacy z niej korzystają, ale czym innym jest korzystanie z dostępnych narzędzi, a czym innym decyzja, że chcemy mieć własne, lokalne i suwerenne rozwiązania. Stąd  trudno powiedzieć, czy tracimy szansę, bo nie bardzo wiadomo, na co właściwie stawiamy. Taka decyzja nie może wyjść wyłącznie od biznesu albo nauki. Musi uwzględniać również politykę i geopolitykę.

Problem polega na tym, że świat na nas nie czeka. Rozwój bardzo przyspiesza, a skala pieniędzy inwestowanych przez największych graczy pokazuje, jak kapitałochłonna staje się ta technologia. Tym bardziej potrzebujemy całościowej wizji. Ja jej na razie nie widzę.

Najwięksi inwestują w AI olbrzymie kwoty, chociaż wiele firm nadal na niej traci. O co właściwie toczy się ten wyścig?

O wszystko. O władzę, pieniądze i wpływy. Brzmi to może przesadnie, ale tak jest.

Ten, kto będzie dysponował najpotężniejszymi modelami, może również wpływać na sposób, w jaki ludzie za ich pomocą poznają świat. Ci, którzy mają zasoby potrzebne do szkolenia tych modeli, będą mogli oddziaływać na inne państwa i społeczeństwa.

To już nie jest po prostu kolejna technologia ani system operacyjny, który możemy zainstalować albo nie. Coraz częściej jest to narzędzie, za pomocą którego rozumiemy świat i tworzymy informacje. Jeżeli zaakceptujemy, że korzystamy wyłącznie z modeli powstających gdzie indziej, musimy też zaakceptować, że zostały one stworzone w określonym otoczeniu kulturowym. Możemy powiedzieć: dobrze, lubimy amerykańską popkulturę, nie przeszkadza nam, że w modelach będzie niewiele polskiej historii czy polskiej sztuki. Ale to jest wybór.

Oczywiście bardzo wiele firm może przy tym stracić pieniądze. Kiedy technologia ma osiągnąć skalę, przy której zaczyna zmieniać całe gospodarki, potrzeba ogromnych inwestycji. Widzieliśmy to chociażby podczas bańki internetowej. Mnóstwo firm wtedy zniknęło, ale z tamtego okresu wyrosły przedsiębiorstwa, które dzisiaj należą do największych firm technologicznych. Z pozoru może to wyglądać jak kolejna wielka bańka inwestycyjna, ale  stawką nie jest już wyłącznie to, kto stworzy dochodową firmę i będzie płacił wysokie podatki. Chodzi również o zdolność obrony przed manipulacją, wpływem informacyjnym czy działaniami wojennymi na skalę, z którą wcześniej nie mieliśmy do czynienia.

Mamy w Polsce ludzi i firmy, które rzeczywiście są w stanie wziąć udział w tym wyścigu?

Oczywiście. Często słyszy się argument: jeżeli są tacy dobrzy, to dlaczego nie jadą do Doliny Krzemowej i nie zarabiają tam milionów? Tylko że oni właśnie tam zarabiają miliony. Mamy choćby ElevenLabs, czyli firmę o globalnym zasięgu stworzoną przez Polaków. Problem leży w tym, że plski rynek kapitałowy nie jest na tyle duży i dojrzały, by łatwo można było tutaj budować firmy na taką skalę. W pewnym momencie trzeba sięgnąć po pieniądze ze Stanów Zjednoczonych albo Europy Zachodniej, najczęściej jednak z USA. Skoro przedsiębiorca wie o tym już na początku, że bardziej opłaca mu się od razu założyć firmę za granicą, to tam ją zarejestruje i tam będzie płacił podatki.

To nie znaczy, że automatycznie przestaje być częścią polskiego ekosystemu. Założyciele ElevenLabs mówią przecież otwarcie o swoich związkach z Polską, rozwijają tu zespół i technologię. Podobnie trudno przypisać do jednego kraju takie firmy jak ICEYE. Patrzenie wyłącznie na miejsce rejestracji firmy prowadzi więc do pewnego absurdu. Dla mnie ważniejsze jest to, czy ludzie, którzy tworzą takie przedsiębiorstwa, chcą zachowywać związki z Polską i czy są gotowi wzmacniać tutejszy ekosystem pieniędzmi, wiedzą albo kontaktami.

Brak kapitału jest problemem całej Europy. W ostatnich dwóch dekadach powstało tu bardzo niewiele naprawdę wielkich firm technologicznych. 

Mario Draghi bardzo jasno opisał, czego Europa potrzebuje, ale nie mam poczucia, żebyśmy zaczęli te zalecenia wdrażać. Widzę raczej działania poszczególnych krajów. Francja jest bardzo aktywna i chce być w Europie państwem kojarzonym ze sztuczną inteligencją. Ma Mistral AI i bardzo silne wsparcie państwa. Wyobrażałem sobie jednak, że Unia pójdzie dalej: zrozumie, że potrzebne są ogromne środki i że pewnych rzeczy nie da się już robić wyłącznie na poziomie krajowym.

Są próby budowy wielkich centrów obliczeniowych i programy wsparcia dla firm, ale mam poczucie, że nadal wykorzystujemy tylko niewielką część własnych możliwości. Europa to przecież blisko pół miliarda ludzi i jeden z najbogatszych regionów świata. Stany Zjednoczone mają największe firmy technologiczne, przewagę w wielu obszarach związanych z półprzewodnikami, ogromne centra danych i dostęp do relatywnie taniej energii. Europa nadal nie odpowiedziała na to w skali odpowiadającej wyzwaniu.

Polska dodatkowo niezbyt dobrze artykułuje swoje potrzeby. Mam wrażenie, że trochę nie wierzymy, iż sztuczna inteligencja może coś fundamentalnie zmienić. Politycznie to również nie jest szczególnie wdzięczny temat. Budowę lotniska czy autostrady łatwo pokazać wyborcy. Można zrobić wizualizację, przeciąć wstęgę. Hasło, że Polska powinna bardzo mocno przyspieszyć rozwój sztucznej inteligencji, dla wielu osób pozostaje abstrakcją. Trudno podstawić pod nie coś  namacalnego. I dlatego jestem rozczarowany tempem, w jakim działamy.

Jeśli nie chcemy, żeby ten pociąg nam odjechał, co polski rząd powinien zrobić teraz?

Nie będziemy mieli wystarczająco dużo pieniędzy i zawsze będzie ich za mało w porównaniu z największymi graczami. Musimy więc z chirurgiczną precyzją zdecydować, na co chcemy przeznaczyć te, które mamy, i jaki ten cel osiągnąć. Nie odkryję Ameryki, mówiąc, że powinniśmy postawić na rozwiązania podwójnego zastosowania, czyli takie, które mogą służyć zarówno gospodarce cywilnej, jak i wojsku. Po pierwsze dlatego, że można w ten sposób korzystać również ze środków przeznaczonych na bezpieczeństwo i obronność, choćby w ramach takich instrumentów jak SAFE. Po drugie – w tej dziedzinie można stosunkowo szybko pokazać praktyczny rezultat.

Skoro nie mamy wielkocj pieniędzy, zróbmy coś, co będzie potrzebne tu i teraz. Jeżeli potrafimy stworzyć system dla dronów, rozwiązanie związane z walką elektroniczną czy inne narzędzie, które można szybko przekazać polskiemu żołnierzowi, to jest dla mnie racjonalne wykorzystanie pieniędzy.

Jestem zwolennikiem wyboru specjalizacji, zdobycia ponadpartyjnej zgody, że przez pewien czas naprawdę w nią inwestujemy, i konsekwentnego działania. Być może przez to przegapimy inne szanse, ale alternatywą jest rozsmarowanie niewielkich pieniędzy po dziesiątkach programów, z których żaden nie osiągnie odpowiedniej skali. Jeżeli mamy sto milionów, a w świecie sztucznej inteligencji jest to naprawdę niewielka kwota, wydajmy je przynajmniej w sposób, który da konkretny rezultat.

Historia technologii zna wiele zapowiadanych rewolucji. Smartfony czy media społecznościowe rzeczywiście zmieniły świat, ale blockchain albo metawersum przyniosły znacznie mniej, niż obiecywano. Dlaczego tym razem miałoby być inaczej?

Bo nie musimy czekać dziesięciu lat, żeby zobaczyć rezultat. Szczególnie w Polsce widzę ogromną liczbę rzeczy, które można automatyzować albo poprawiać bardzo szybko. Mówiąc „szybko”, mam na myśli nawet pół roku. Dlatego nie stawiałbym na argument: poczekajmy kilka lat i zobaczymy, czy coś z tego będzie. Te zmiany już zachodzą. Część organizacji być może nie potrafi ich jeszcze mierzyć, a część nie umie odpowiednio wdrożyć. Nie mam jednak poczucia, że przypisujemy sztucznej inteligencji możliwości, których w ogóle nie ma. Raczej odwrotnie – nie do końca jeszcze wykorzystujemy te, które już są dostępne.

Artur Kurasiński – przedsiębiorca, inwestor i analityk technologiczny. Od ponad 20 lat zajmuje się trendami technologicznymi i rynkiem start-upów. Prowadzi serwis Kurasinski.com, jest współtwórcą Auli Polskiej i konkursu Aulery. Autor książki „Filozofia cyberbezpieczeństwa” oraz współautor, wraz z Krzysztofem Domaradzkim, książek „Startupowcy” i „RzeczpospolitAI”. Tworzy również komiksy edukacyjne i słuchowiska.

Poniżej przedrukowujemy fragment książki „RzeczpospolitAI, od genialnych inżynierów po cyfrową suwerenność”

RzeczpospolitAI – fragment do przedruku (rozdz. 11, Andrzej Dragan)

„Człowiek rekonesansu” – takim mianem Andrzej Dragan określa się w swoich mediach społecznościowych. Wziąwszy pod uwagę jego zainteresowania i sposób bycia, to całkiem trafne sformułowanie.

Profesor fizyki na Uniwersytecie Warszawskim oraz National University of Singapore. Autor trzech książek. Twórca fotograficznego efektu Dragana. Wielokrotnie nagradzany reżyser reklam i teledysków. A przede wszystkim naukowiec, który zajmuje się łączeniem teorii względności z teorią kwantową. Stypendysta University of Oxford. Autor ponad 60 artykułów naukowych. Laureat nagród i stypendiów European Science Foundation, ministra edukacji, Fundacji na rzecz Nauki Polskiej czy Narodowego Centrum Nauki.

A do tego popularyzator nauki oraz – choć w jego przypadku brzmi to zbyt banalnie – największy celebryta wśród naukowców. Trudno inaczej nazwać człowieka, który dzięki swojemu barwnemu sposobowi bycia i łatwości mówienia o skomplikowanych zjawiskach dorobił się 118 tysięcy obserwujących na Facebooku, 84 tysięcy na X i 57 tysięcy na Instagramie.

Od niedawna Andrzej Dragan jest także wnikliwym badaczem i użytkownikiem sztucznej inteligencji. O eksperymentach z AI opowiada w swojej bestsellerowej książce Quo vAIdis. Brawurowo użył jej w teledysku do utworu Futurama 3 rapera Quebonafide, który na YouTubie obejrzano ponad 13 milionów razy. A przede wszystkim posiłkuje się nią w nauce, a więc dziedzinie, która ze wszystkich draganowych specjalizacji być może wymaga największej kreatywności.

Andrzej Dragan ma jeszcze jeden talent: potrafi mówić o AI rzeczy, które innym nie chcą przejść przez gardło.

Krzysztof Domaradzki i Artur Kurasiński: Ciekawych rzeczy można się dowiedzieć z platformy X, niegdyś znanej jako Twitter. Na przykład tego, że wolno pijesz piwo.

Andrzej Dragan: Prawdziwe życie tylko na Twixterze.

I że sztuczna inteligencja w kilkadziesiąt minut potrafi rozwiązać nietrywialny problem z fizyki, nad którym twój błyskotliwy znajomy z Kalifornii głowił się kilka tygodni.

Jakie życie, taki rap. Do takich czasów się doczołgaliśmy.

To dobra czy zła wiadomość dla naukowców?

To już zależy od naukowców. Jeżeli ich celem jest samodzielne rozwiązywanie problemów wszechświata, to zła. Ale jeżeli celem jest dotarcie do prawdy, obojętnie jaką drogą, to fantastyczna, ponieważ właśnie zyskaliśmy wspaniałe narzędzia. Pytanie więc, z jakiego powodu zajmujemy się nauką: czy dla zrozumienia rzeczywistości, czy dla zaspokojenia ego?

Która motywacja przeważa wśród twoich kolegów?

Obracam się głównie w świecie fizyków, a oni są specyficzni. Sądzę, że dla większości z nas najważniejszym celem jest zaspokojenie ciekawości. Czyli nie narzekamy nadmiernie z powodu AI.

Pod koniec 2023 roku mówiłeś, że wykorzystujesz sztuczną inteligencję głównie do redagowania artykułów naukowych.

To było pierwsze wygodne naukowe zastosowanie dla tego typu narzędzi. Miałem napisany na kolanie tekst artykułu ze wszystkimi obliczeniami, a model językowy zamieniał mi to w cywilizowaną publikację, na której mogłem dalej pracować. Ale od tego czasu możliwości tych narzędzi niesamowicie się zmieniły. Dziś, oczywiście mając pełną świadomość niedoskonałości i halucynowania AI, dzięki modelom rozumującym mogę sprawnie uczyć się fizyki. Wyciągam artykuły, które przeleżały w szufladzie kilka lat, ponieważ ani ja, ani moi studenci nie umieliśmy rozwiązać zaszytych w nich problemów matematycznych. Przepuszczam je przez ten czy inny model, dzięki czemu udaje mi się zrozumieć kluczową rzecz, która do tej pory powstrzymywała mnie przed rozwiązaniem danego problemu. To działa tak, jakbym miał asystenta pełniącego funkcję świetnego doktoranta – z tą różnicą, że mogę bez opamiętania korzystać z jego pomocy. W najgorszym razie muszę trochę poczekać, aż wykona swoją pracę. Można w tym czasie na przykład wypić piwo.

Jak to dokładnie było z tym kolegą z Kalifornii?

Opowiedział mi o tym, jak na potrzeby swojej pracy badawczej rozwiązał dosyć trudny problem z wielofotonowej optyki kwantowej. No to przepuściłem ten jego problem przez model rozumujący i po 45 minutach mieliśmy wygenerowane rozwiązanie w formie gotowego do publikacji PDF-a. Kolega zaczął to czytać i okazało się, że AI wpadła na jego wszystkie błyskotliwe obserwacje. Szczęka dokonała upadku.

No popatrz. Czyli AI to jednak nie jest mnożenie macierzy, jak uważa wielu naukowców, na czele z samym Yannem LeCunem, jednym z ojców chrzestnych sztucznej inteligencji.

Sztuczna inteligencja zamienia się w religię. A w religii jest tak, że ludzie raczej szukają potwierdzenia swoich wyobrażeń. Natomiast mówienie, że AI to nic innego jak mnożenie macierzy, świadczy jedynie o niezrozumieniu, czym są operacje nieliniowe i że nie da się ich aproksymować gołym mnożeniem macierzy. Pierwszy semestr algebry liniowej.

To może stochastyczna papuga, która naśladuje tekst bez zrozumienia?

Nawet największe modele językowe, takie jak ChatGPT, nie byłyby w stanie pomieścić tak wielu danych treningowych, aby w ten sposób rozwiązywać problemy z logiki, matematyki czy fizyki. I to nawet gdyby te dane były skompresowane w wybitny sposób. Modele działają hybrydowo: trochę recytują, a trochę posługują się rozumowaniem, odnajdują analogie. A jak dokładnie działa wytrenowany model, tego nie wiemy. Eksperci od Explainable AI, czyli wyjaśniania, dlaczego modele podejmują takie, a nie inne decyzje, poświęcają swoje kariery naukowe, aby to zrozumieć.

A jak to możliwe, że twój kolega – naukowiec z Kalifornii – był tak zdziwiony możliwościami AI? Zdaje się, że mają tam ChatGPT.

Tyle że ostatnio używał go dwa lata temu, kiedy ChatGPT nie potrafił policzyć liter „r” w słowie strawberry. Model wypluł mu jakieś głupoty, kolega więc, jak wielu wytrawnych komentatorów, uznał, że jest to kres możliwości modeli językowych.

Spotykasz jeszcze wiele takich nieuświadomionych osób?

Ostatnio pewien 17-latek z pomocą matematyka Bartosza Naskręckiego i sztucznej inteligencji rozwiązał jeden z problemów Erdosa, czyli ze zbioru trudnych hipotez i pytań z zakresu kombinatoryki, teorii liczb i teorii prawdopodobieństwa. Na X wybuchła wielka ścierwoburza: że to niemożliwe, że ktoś tu kłamie. Mnóstwo ludzi zatrzymało się na pierwszych wersjach popularnych LLM-ów, które w zastosowaniach naukowych rzeczywiście były bezużyteczne. Tymczasem nowe generacje modeli rozumujących są dotrenowywane wariantami uczenia przez wzmocnienie, a to już inna bajka. Teraz to więcej niż jedynie nauka imitacji, jak było we wczesnych modelach. Obecnie są w tym elementy eksploracji ciągów rozumowań, których nie dostarczył człowiek. Jakie to może przynieść efekty, widzieliśmy na przykładzie AlphaGo, które dzięki temu osiągnęło w grze Go poziom niedostępny dla żadnego człowieka.

W przyszłości fizycy nie będą potrzebni?

Cokolwiek stanie się fizykom, mamy ten komfort, że najpierw to samo stanie się matematykom, będziemy więc mogli się z uwagą przyglądać.

Dopiero po upadku matematyków zaczniecie się martwić?

Ja się wcale nie martwię, to przecież bardzo ciekawa wizja. W obecnej fizyce wąskim gardłem są eksperymenty, które naprowadzają nas na teorie. Fizyka teoretyczna jest terminem wewnętrznie sprzecznym, bo dopóki nie przeprowadzisz doświadczenia, nie wiesz, co masz opisywać. To eksperyment sprzeczny z obowiązującym opisem rzeczywistości zmusza cię do poszukiwania nowego wyjaśnienia. Pewnie są jakieś działy w fizyce, które AI może w nieodległej przyszłości zrewolucjonizować albo zakończyć, ale na fizyce materiałowej albo fizyce ciała stałego za słabo się znam, żeby gdybać.

A fizyka kwantowa?

Zobaczymy. Z drugiej strony wielu ludzi myśli, że komputery kwantowe będą przydatne do trenowania sieci neuronowych. Na razie w ogóle brakuje dobrych algorytmów, do których komputery kwantowe mogłyby się jakkolwiek przydać. Ale algorytm propagacji wstecznej fajnie byłoby przyspieszyć. Geoffrey Hinton dostał za niego Nobla, jednak sam uważał algorytm w pewnym sensie za swoją porażkę, ponieważ był przekonany, że da się wymyślić coś znacznie lepszego.

A jacy naukowcy w ogóle będą jeszcze potrzebni? Z jakim zestawem cech czy umiejętności?

Czasy, w których bez Assemblera ani rusz, mamy za sobą. Andrej Karpathy, były szef sztucznej inteligencji w Tesli, żartuje – albo nie – że językiem programowania przyszłości będzie język angielski. Już teraz komunikacja z narzędziami AI jest bardzo prosta, nie wymaga żadnej wiedzy – jak rozmowa ze sprzedawcą. To bardzo obniża próg wejścia do świata nauki, czego dowodem jest wspomniany 17-latek. I dobrze, ponieważ jest jeszcze mnóstwo problemów do rozwiązania, które dotąd były dla nas za trudne.

Wielu polskich naukowców pracuje w OpenAI i innych wielkich firmach zajmujących się sztuczną inteligencją. Mamy jakiś szczególny dryg do tej dziedziny?

Nie wiem, nie mnie to oceniać. Z moich obserwacji wynika, że Polacy potrafią odnaleźć się tam, gdzie potrzebny jest procesor między uszami. W każdym razie studentów fizyki mamy fantastycznych. Odkąd pamiętam, współpracuję ze świetnymi, nieprzeciętnymi ludźmi.

Może macie dobry algorytm do weryfikacji talentów?

Na pewno jesteśmy w osobliwej sytuacji, ponieważ nasz wydział na Uniwersytecie Warszawskim przyciąga rzeczywiście najlepszych.

Najlepszych w ogóle czy najlepszych, którzy nie wyjechali z Polski?

Wiadomo, że wiele zdolnych osób decyduje się na wyjazd z kraju.

Eksodus talentu to duży problem?

W samym wyjeżdżaniu nie ma nic złego, natomiast musimy robić, ile wlezie, by w Polsce były jak najlepsze warunki do powracania. Żeby było po co.

A co tobie, naukowcowi, najbardziej ułatwiłoby życie?

Nie wiem, czy powinienem się wypowiadać. Dla mnie nauka to działalność nieomal charytatywna, ale za to niezwykle wartościowa i ciekawa. W przypadku tego, co sam robię, potrzebne są dobre pomysły i zasoby mózgowe, z którymi można o tych pomysłach dyskutować. Są jednak dziedziny nauki, gdzie bez grubego finansowania nie ma szans na najmniejszy postęp.

I jako wykładowca akademicki nie masz powodów do narzekań?

Moim głównym kłopotem nie jest to, że studenci i doktoranci, których hoduję, wyjeżdżają na doktoraty za granicę, tylko przyczyna, dla której to robią: powody są zbyt często finansowe. Wolałbym, żeby wyjeżdżali, jak to było w moim przypadku, nie z przymusu, a z potrzeby samorozwoju, ale najlepiej na niezbyt długo. I żeby potem wracali do nas mądrzejsi.

Ci, którzy wyjeżdżają za granicę, częściej kontynuują kariery naukowe, czy przechodzą do przemysłu?

Dla dobrego fizyka przejście do biznesu jest często porażką. W biznesie przeważnie zarabia się kasę, a nie robi ciekawe rzeczy – a na pewno nie aż tak ciekawe, jakimi można się zajmować w fizyce. Jeśli ktoś zostaje fizykiem dla pieniędzy, to jest niepoważny. Co nie zmienia faktu, że ludzie po tych studiach często i łatwo się przekwalifikowują, by zajmować się najróżniejszymi rzeczami. Fizyka wyposaża cię w kompetencje gwarantujące miękkie lądowanie w bardzo wielu miejscach, które mogłyby być marzeniem studentów Szkoły Głównej Handlowej – dajmy na to na wysokim stanowisku w banku. Mój niedoszły postdoc został prezesem Citibanku w Hongkongu.

Wielu fizyków przechodzi do AI?

Mnóstwo. Piotrek Sankowski z IDEAS, Aleksander Mądry z MIT i OpenAI, Włodek Duch z Uniwersytetu Mikołaja Kopernika w Toruniu – przykładów nie brakuje. Fizycy zaczęli to robić na długo przed pojawieniem się ChatGPT. Zresztą już po pierwszym semestrze algebry i analizy na studiach fizycznych zyskuje się wiedzę, która pozwala na łatwe wejście do AI.

• aktualności
• Nauki techniczne