Rozwiązania stosujące sztuczną inteligencję są w naszym kraju tworzone i wprowadzane przez biznes. Nie powoduje to jednak głębszej zmiany funkcjonowania naszego państwa i instytucji, ponieważ do tego konieczne jest duże zaangażowanie sektora publicznego i nauki. Polskie firmy tworzące usługi w oparciu o SI pracują dla zagranicznych klientów, bo wewnętrznego popytu wciąż brak.
Jeśli miałbym wskazać sektory, w których rozwiązania oparte na rozwoju SI będą miały największe zastosowanie w najbliższych latach, to wymieniłbym rolnictwo i przemysł. Sztuczna inteligencja, dzięki zdjęciom lotniczym i dokładniej ich analizie, może pomóc w rozpoznawaniu zmian w zagospodarowaniu terenu czy też w precyzyjnym planowaniu upraw. W przemyśle umożliwi zaś tworzenie innowacyjnych produktów i usług oraz zoptymalizuje procesy. Przykładem tego ostatniego może być obszar tzw. predictive maintenance, gdzie algorytmy są wykorzystywane by z wyprzedzeniem informować o nieprawidłowościach i zlecać konserwację sprzętu. Takie wdrożenia SI nie są jednak widoczne dla przeciętnego obywatela, a jedynie dla osób z branży, albo entuzjastów SI.
Duże nadzieje wiążę z zastosowaniem SI w obszarze zdrowia. Podejrzewam jednak, że nie dokona się to w perspektywie najbliższych 5 lat. Dziś medycyna zorientowana jest na usuwanie objawów chorób, a nie ich przyczyn. Dzięki wykorzystaniu danych i SI może dokonać się zmiana i przejście z obecnego modelu interwencyjnego – włączającego się dopiero, gdy chorujemy i wymagamy naprawy w postaci interwencji medycznej – w stronę modelu prewencyjnego. Dzięki różnego rodzaju sensorom i chipom będzie możliwe zbieranie danych dotyczących ludzkiego organizmu, a to z kolei pozwoli na wykrywanie anomalii i usterek na bardzo wczesnym etapie. Dzięki SI będziemy mogli zapobiegać chorobom. Wciąż jednak dalecy jesteśmy od takich wdrożeń SI, tym bardziej w Polsce.
Gdzie jesteśmy?
Zainteresowanie sztuczną inteligencją w Polsce jest coraz większe. Obserwuję ten trend od 2014 r., gdy zacząłem organizować meet-upy Data Science Warsaw. Po sześciu latach wokół tej inicjatywy zrzeszonych jest niemal 6 tys. osób, co jest już całkiem sporym gronem. Z kolei konferencja, którą organizujemy – Data Science Summit – w zeszłym roku zgromadziła 2,5 tys. uczestników. W tym roku zainteresowanych było mniej, bo wszyscy są już trochę zmęczeni wydarzeniami w formule online, ale za to mamy coraz więcej zgłaszanych wystąpień (już ponad 200) i poziom też szybko rośnie. Bez wątpienia ludzie chcą dyskutować oraz doszkalać się w zakresie SI.
Biznes
W Polsce dysponujemy dobrymi software house’ami, startupami i innymi małymi firmami, jak choćby współtworzony przez mnie Sotrender, które tworzą i rozwijają rozwiązania z zakresu SI. Własne działy badawczo-rozwojowe mają u nas również duże koncerny. Na czym zatem polega problem? Klienci zainteresowani rozwiązaniami SI pochodzą spoza Polski, wewnętrznego popytu praktycznie nie ma. Co więcej w obszarze informatyki częściej wygrywamy niskimi cenami niż bardzo zaawansowanymi rozwiązaniami. To nie przyspiesza zmiany technologicznej, a nawet obniża naszą możliwość konkurowania.
Nauka
Zmianę nastawienia do SI widać również w nauce. Coraz więcej kierunkowych studiów stacjonarnych i podyplomowych dotyczy właśnie SI. Warto to docenić, bo jeszcze kilka lat temu jedynym sposobem na zdobycie wiedzy o sztucznej inteligencji było uczestnictwo w zagranicznych kursach online czy w meet-upach. Pod względem edukacyjnym jest więc na pewno lepiej, niestety nie można tego powiedzieć o badaniach. Na najlepszych konferencjach naukowych z tej dziedziny brakuje głosu polskich uczelni, a jeśli Polacy się pojawiają, to najczęściej jako reprezentanci zagranicznych ośrodków badawczych. Nawet jeśli mamy edukację matematyczną i informatyczną na dobrym poziomie i kompetencyjnie jesteśmy postrzegani jako kraj z dużym potencjałem – co twierdzą inwestorzy i firmy, które tworzą u nas swoje działy badawczo-rozwojowe – to wciąż nie przekłada się to na publikacje mierzone międzynarodowymi rankingami.
Sektor publiczny
Stwierdzenie, że sektor publiczny w Polsce nic nie robi w zakresie SI byłoby nieprawdziwe. Coraz większe finansowanie, choćby z NCBiR, jest przeznaczane na projekty związane z zastosowaniami sztucznej inteligencji. Takim przykładem jest projekt CLARIN realizowany przez Politechnikę Wrocławską. Do zmiany podejścia konieczne są jednak działanie systemowe, a nie wyłącznie tworzenie dokumentów planistycznych. Przez ostatnie lata dyskutowaliśmy o strategiach SI, zastanawiając się, co należy zrobić, a w tym czasie inni poszli dalej i swoje strategie wdrożyli. Świat nie stoi w miejscu, dlatego nawet gdy uda nam się nadgonić braki, szybko okazuje się, że inni są już dalej.
Nie widzę, niestety, wśród polskich decydentów rzeczywistej gotowości i determinacji do postawienia na rozwiązania sztucznej inteligencji w sektorze publicznym. Brakuje dobrego przywództwa w tym obszarze i kompetentnych osób, które mogłyby tę tematykę pociągnąć. Sektor publiczny korzysta zatem z dobrodziejstw SI zbyt rzadko, niesystematycznie i powoli. A jednocześnie dysponuje ogromnymi ilościami danych, których niewykorzystywanie oznacza zmarnowane możliwości.
Warto pamiętać, że sektor publiczny w Polsce to również spółki z udziałem Skarbu Państwa. Biorąc pod uwagę strukturę polskiego biznesu, są to nieliczne w naszym kraju naprawdę duże firmy, które mają środki i możliwości żeby częściej i szybciej wdrażać rozwiązania stosujące sztuczną inteligencję. Uważam, że spółki państwowe powinny stać się źródłem wewnętrznego popytu na produkty i usługi SI. Kilka lat temu pojawiła się chęć innowacyjności w państwowych spółkach, ale szybko od tego odeszliśmy.
Oczywiście, zmiany będą następować w Polsce, żałuję jednak, że są one tak powolne, bo rozwiązania w zakresie SI mogłyby być jedną z naszych specjalności. W aktualnym tempie na pewno nikogo nie przegonimy i obyśmy nie pozostali w tyle.
Autor: dr hab. Dominik Batorski, socjolog i badacz danych z Uniwersytetu Warszawskiego, współzałożyciel i członek zarządu Sotrender
