Polskie multimodalne AI

ACK Cyfronet AGH, Narodowe Archiwum Cyfrowe, NASK oraz Fundacja SpeakLeash łączą siły, by udoskonalać multimodalne modele sztucznej inteligencji nowej generacji. To nie tylko technologiczny przełom, ale też szansa na budowę polskiej suwerenności cyfrowej w erze generatywnego AI.

AI, które rozumie tekst, obraz, dźwięk i wideo – po polsku

Sztuczna inteligencja coraz rzadziej ogranicza się do jednej formy danych. Nowoczesne modele, takie jak GPT-4o czy Gemini, potrafią analizować jednocześnie tekst, obraz, dźwięk i wideo. Tego typu systemy, nazywane multimodalnymi modelami AI, zmieniają sposób, w jaki rozmawiamy z maszynami, wyszukujemy informacje czy korzystamy z zasobów kultury.

Cztery silne podmioty: ACK Cyfronet AGH, Narodowe Archiwum Cyfrowe (NAC), NASK oraz Fundacja SpeakLeash ogłosiły strategiczną współpracę, której celem jest stworzenie rodzimych, zaawansowanych modeli AI zdolnych do przetwarzania różnych typów danych w polskim języku i kontekście kulturowym.

Przeczytaj także: Lekarz-robot od Google i NASA. Sztuczna inteligencja zadba o zdrowie astronautów

Co wnoszą partnerzy?

Inicjatywa nie powstaje z niczego. Każdy z uczestników wnosi do projektu pewną część:

Narodowe Archiwum Cyfrowe (NAC) udostępni swoje zasoby, czyli miliony zdigitalizowanych dokumentów, map, fotografii i skanów, które staną się podstawą zestawów treningowych dla AI.
Cyfronet AGH zapewni dostęp do superkomputerów, Helios i Athena, a więc mocy obliczeniowej oraz innowacyjnych akceleratorów GPU GH200.
NASK wniesie swoje zaplecze badawcze i infrastrukturalne oraz doświadczenie zdobyte przy budowie PLLuM (Polish Large Language Model).
Fundacja SpeakLeash dostarczy know-how z zakresu budowy otwartych zbiorów danych (Spichlerz) i trenowania modeli językowych (Bielik.AI).

Dlaczego multimodalność to przyszłość?

Modele multimodalne (np. VLM – Vision-Language Models) nie tylko czytają tekst, ale rozumieją też obrazy, opisy zdjęć, analizują mapy czy potrafią opisać wideo. To oznacza ogromne możliwości praktyczne dla nauki, administracji czy biznesu, a także dla samych obywateli, np. ułatwiając dostęp do kultury i historii.

Globalne modele, trenowane głównie na anglojęzycznych danych, nie są w stanie w pełni uchwycić lokalnych niuansów językowych, historycznych i semantycznych. Polska może mieć własny zestaw narzędzi, zbudowany na naszych danych, przez naszych ekspertów – i dla naszych realiów.

Przeczytaj także: Psychoza AI – ciemna strona interakcji z chatbotami

Fundacja SpeakLeash i Obywatel Bielik: AI tworzone wspólnie

Fundacja SpeakLeash już wcześniej uruchomiła projekt Obywatel Bielik – pierwszą w Polsce akcję crowdsourcingową mającą na celu trenowanie AI. Każdy mógł (i nadal może) przesyłać zdjęcia, opisywać je i tym samym przyczyniać się do tworzenia zbiorów danych.

Mechanizmy wypracowane w tym projekcie zostaną wykorzystane również we współpracy z NAC i NASK. Obywatele staną się częścią procesu rozwoju polskiej sztucznej inteligencji.

Bielik, PLLuM, multimodalność – krok po kroku ku suwerenności cyfrowej

Przeciągu niewiele ponad roku w Polsce powstały dwa duże modele językowe:

Bielik.AI – rozwijany przez SpeakLeash, skierowany głównie do środowisk biznesowych;
PLLuM – wspierany przez NASK, zorientowany na potrzeby administracji i sektora publicznego.

Teraz do tego grona dołączą modele multimodalne, czyli kolejne ogniwo ewolucji polskiej sztucznej inteligencji. Ich rozwój wpisuje się w ogólnoeuropejski trend budowy lokalnych modeli językowych, prowadzony m.in. przez Hiszpanię, Niemcy czy Finlandię. Jednak polskie podejście, łączące archiwa, superkomputery i zaangażowanie obywateli może stać się unikalnym wzorcem dla innych krajów.

Przedstawiciele konsorcjum tak komentują pomysł:

Tak silne partnerstwo – łączące twórców polskich modeli językowych, ogromne archiwum zdigitalizowanych zasobów oraz unikatowe komponenty obywatelskie – stanowi ewenement w skali światowej. Wpisuje się ono doskonale w strategie rozwoju sztucznej inteligencji, a także w koncepcję AI fabryk i giga fabryk, w których budowa modeli odbywa się w sposób zorganizowany, odpowiedzialny i wsparty współdziałaniem wielu środowisk. To krok, który może nadać polskiej AI zupełnie nową dynamikę i znaczenie na arenie międzynarodowej.