AI zna język polski, ale nie zna Polski. Twórcy Bielika nauczą model „myśleć po polsku”

Audio generowane przez AI. Może zawierać błędy.

Jak sprawić, żeby to, z czego słynie Polska, poszło w świat? Wirtualny zasilony zostanie milionem zdjęć przedstawiających elementy polskiej historii, tradycji i kultury. Taki jest plan twórców Bielika, czyli polskiego modelu językowego. Od ponad roku prowadzą oni projekt Obywatel Bielik. Jego celem jest – jak mówią twórcy – trenowanie sztucznej inteligencji „widzącej” Polskę oczami jej mieszkańców, a nie przez pryzmat zagranicznych stereotypów.

Czym karmi się AI?

Marcin Dąbrowski, lider projektu Obywatel Bielik wyjaśnia, że największe modele językowe zasilane są zmasowanymi danymi. Jedynie niewielka ich część to polskie źródła.

– Pod koniec 2022 roku, kiedy zespół zaczął prace nad Bielik AI, problemem był fakt, że modele językowe bazowały na zagranicznych danych. Polskie źródła stanowiły jedynie niewielkie ułamki z tej bazy. W konsekwencji wszelkie tłumaczenia były kalkami językowymi, z obcymi konstrukcjami zdań. Spróbowaliśmy stworzyć polski model. Polski nie tylko z uwagi na polskie pochodzenie. Korzystamy z polskich źródeł, polskich tekstów. Nasz model został wytrenowany na ogromnej bazie danych. Uczymy go „myśleć” po polsku. W porównaniu z innymi modelami językowymi, jeśli chodzi o gramatykę, czy semantykę jesteśmy na dużo wyższym poziomie – wyjaśnia Marcin Dąbrowski.

Spróbowaliśmy stworzyć polski model. Polski nie tylko z uwagi na polskie pochodzenie. Korzystamy z polskich źródeł, polskich tekstów. Nasz model został wytrenowany na ogromnej bazie danych. Uczymy go „myśleć” po polsku.

Polski Bielik słynie zatem z polskości w warstwie semantycznej, ale – jak wyjaśniają jego twórcy – teraz zyska także „oczy”. Za sprawą projektu Obywatel Bielik model będzie w stanie zidentyfikować elementy polskiej kultury, tradycji czy historii.

Ponad 21 tys. zdjęć tego, co polskie

Przeszło rok temu twórcy Bielik AI wystartowali z projektem Obywatel Bielik. Od lipca br. każdy może pobrać aplikację mobilną i współtworzyć projekt. Wystarczy zasilić bazę zdjęć fotografią przedstawiającą lokalną potrawę, zabytek czy zwyczaj wraz z opisem.

– Każdy może w prosty sposób uczestniczyć w budowie polskiej sztucznej inteligencji. Wystarczy wyjść na spacer, zrobić zdjęcie kapliczki, regionalnej potrawy, zabytku czy miejsca, które dobrze znamy i przesłać wraz z krótkim opisem z telefonu. W ten sposób wspólnie stworzymy cyfrową pamięć Polski, która nauczy Bielika rozumieć naszą kulturę, historię i codzienność. Każde zdjęcie i opis przybliżają nas do celu. Jest nim pierwszy polski model multimodalny tworzony przez obywateli i dla obywateli. Globalne modele językowe potrafią pomylić kluski śląskie z donutami, czy sznycla wiedeńskiego ze schabowym. Bywa, że nie znają symbolu Polski Walczącej lub błędnie go opisują. Globalne modele kadr z filmu „Seksmisja” interpretują jako scenę z radzieckiego filmu „Solaris”. Modele Fontannę Neptuna z gdańskiego Długiego Targu widzą jako pomnik w Bolonii. Chcemy, by symbole związane z Polską były rozpoznawane na świecie – dodaje Marcin Dąbrowski.

Przeczytaj: Cyfrowa rekonstrukcja prawa na miarę XXI w. „Uporządkujemy ponad 156 tys. aktów prawnych” (WYWIAD)

Od początku projektu Obywatel Bielik został zasilony 16 tys. zdjęć, jednak prawdziwy przełom nastąpił po premierze aplikacji mobilnej. W nieco ponad miesiąc 2,5 tys. użytkowników dodało ponad 5 tys. zdjęć. Z danych Bielika wynika, że najczęściej dzielą się zdjęciami krajobrazów i przyrody. Celem inicjatorów tego przedsięwzięcia jest milion zdjęć, które posłużą do trenowania Bielika.

Human in the loop, czyli kto sprawdzi milion zdjęć?

Zapytaliśmy twórców Obywatela Bielika, w jaki sposób moderatorzy zamierzają weryfikować zdjęcia i opisy. Tu w grę wchodzi zarówno sztuczna inteligencja, jak i ludzka praca. Wszystko w myśl modelu human in the loop. W procesie uczenia sztucznej inteligencji to człowiek jest decydentem.

– Zdjęcia będziemy weryfikować na dwa sposoby. W pierwszym etapie moderacji automatycznie sprawdzimy, czy nie łamią regulaminu (czyli np. nie przedstawiają nagości, agresji etc.). Wstępnie określimy też, czy opis pasuje do obrazka. Wszelkie wątpliwości będą weryfikowane „ręcznie” przez wolontariuszy – wyjaśnia Marcin Dąbrowski.

Jak dodaje nasz rozmówca, wyposażony w „słynące z polskości” dane, zarówno zdjęcia, jak i pliki tekstowe, przyczynią się do udoskonalenia Bielika. Model dzięki warstwie wizualnej i umiejętności rozpoznawania polskiego kontekstu zyska nowe funkcje. Jak wyjaśniają inicjatorzy projektu, będzie mógł być wykorzystany zarówno przez obywateli, jak i przez firmy i instytucje.  Przykład? E-commerce. Bielik może ułatwić opisywanie i kategoryzowanie produktów, także tych związanych z lokalną kulturą. Twórcy zapewniają, że model sprawdzi się także przy analizie dokumentów i w pracy z materiałami archiwalnymi w firmach i urzędach.

– Cieszę się z trwających rozmów z przedstawicielami administracji samorządowej. Są żywo zainteresowani dołączeniem do grona patronów honorowych projektu i wsparciem tej inicjatywy – podsumowuje nasz rozmówca.

Zdaniem eksperta

Sprawdzian dla AI: Polska to nie tylko pierogi i zabytki

Widzę w Obywatelu Bieliku duży potencjał. Dla mnie najciekawsze w tym projekcie nie jest jednak samo nauczenie AI, czym różni się schabowy od sznycla wiedeńskiego. Jeżeli AI ma być dla nas czymś więcej niż tylko technologią importowaną z zewnątrz, musi rozumieć nie tylko nasz język, ale również kontekst, w którym tego języka używamy. Język nie funkcjonuje przecież w oderwaniu od kultury, historii, doświadczeń społecznych czy codziennych zwyczajów. Można poprawnie zbudować zdanie po polsku, a jednocześnie zupełnie nie rozumieć, co ono znaczy w konkretnym kontekście. Podobnie jest z obrazem. Rozpoznanie, że na fotografii znajduje się budynek, potrawa czy symbol, to jeden poziom. Rozumienie, jakie znaczenie ma ten obiekt dla człowieka wychowanego w Polsce, to już coś więcej. W AI potrzebujemy dzisiaj nie tylko ciekawych narracji, ale również możliwości mierzenia rzeczywistych efektów.

Największą wartością Obywatela Bielika może w dłuższej perspektywie okazać się nie jeden konkretny model, ale dobrze zbudowany zasób danych opisujących polską rzeczywistość. Modele AI zmieniają się bardzo szybko. To, co jest technologicznie aktualne dzisiaj, za dwa czy trzy lata może wyglądać zupełnie inaczej. Natomiast dobrze przygotowane dane dotyczące języka, kultury, historii i codzienności mogą być wykorzystywane znacznie dłużej i przez kolejne generacje rozwiązań. Patrzę też na ten projekt z perspektywy transformacji cyfrowej i adopcji AI w organizacjach. I tutaj sam model jest tylko jednym elementem całej układanki. W Polskiej Szkole AI patrzymy na wdrażanie sztucznej inteligencji szerzej. Technologia musi spotkać się z ludźmi, kompetencjami, procesami, psychologią zmiany, zaufaniem i odpowiedzialnymi zasadami wykorzystania AI. Dopiero wtedy zaczyna powstawać realna wartość.

Polski kontekst nie może oznaczać stworzenia zamkniętego katalogu tego, co uznajemy za "typowo polskie". Polska to nie tylko pierogi, zabytki, stroje ludowe i symbole historyczne. To również współczesne miasta, małe miejscowości, wieś, osiedla, różnice regionalne, codzienne życie, nowe zjawiska społeczne i bardzo różne doświadczenia ludzi. Największym ryzykiem byłoby zastąpienie globalnego stereotypu Polski naszym własnym stereotypem Polski. Dlatego w takich projektach znaczenie ma nie tylko liczba danych, ale także ich różnorodność. Milion zdjęć brzmi imponująco, ale sama liczba nie powinna być dla mnie głównym miernikiem sukcesu. Prawdziwy sprawdzian przyjdzie wtedy, kiedy będzie można pokazać, że dzięki tym danym system rzeczywiście lepiej radzi sobie z polskim kontekstem, popełnia mniej błędów i nie próbuje na siłę dopowiadać rzeczy, których nie jest w stanie wywnioskować z obrazu.

Leszek Chodorowski

ekspert i praktyk w obszarze sztucznej inteligencji, założyciel Polskiej Szkoły AI

Zdaniem eksperta

„Suwerenność technologiczna to także zgodność z wartościami”

W Katedrze Socjologii Cyfrowej UW z uwagą obserwujemy rozwój samej technologii AI, jak i zjawisko adopcji (tego kto, jak i z jakim skutkiem z niej korzysta). Obserwujemy jej społeczne skutki, a także próby jej regulacji. Od samego początku systemy AI były skrzywione w kierunku języka angielskiego i chińskiego oraz ich kultur. Przykład? Ostatnie audyty wiodących chatbotów pokazały jak głęboko tkwią w nich treści światopoglądowe i ideologiczne obecne w danych treningowych, a pojawiające się przy okazji odpowiedzi na rozmaite zapytania (np. pomijające niewygodne fakty albo prezentujące jasno określone stanowisko jako uniwersalne albo oczywiste). Stąd tak ważne jest budowanie suwerenności technologicznej nie tylko w postaci sprzętu (hardware, np. centrów danych) czy tańszej i niezależnej od tąpnięć geopolitycznych energii elektrycznej, ale również zgodności (alignement) tych systemów z naszymi wartościami i specyfiką europejskich języków, kultur i realiów społecznych. To ostatnie osiągamy m.in. poprzez kuratelę wysokiej jakości danych.

Wiodące polskie odpowiedzi – Bielik i PLLuM – adaptują modele otwarte dostosowując architekturę właśnie do języka polskiego czy polskich tekstów prawnych i administracyjnych. Inicjatywa Obywatel Bielik ma dokonać tego samego w kontekście wizualnym. SpeakLeash zapowiada, że owocami projektu podzieli się w wolnym dostępie (open source). Z jednej strony ma to być gotowy produkt (system skalibrowany multimodalnym obrazem Polski), a z drugiej baza danych, z której będą mogli skorzystać badacze i przedsiębiorcy do rozwijania własnych projektów. To naturalna konsekwencja korzystania z pomocy ochotników – efekt wraca do społeczności, która go wytworzyła. Jeśli skala zaangażowania społeczeństwa przekroczy masę krytyczną, mamy szansę etycznie i samodzielnie zbudować bardzo solidną bazę wiedzy dotyczącą polskiej kultury – od krajobrazów, zabytków i kulinariów, po przedmioty użytku codziennego, elementy małej architektury i przyrodę. Jednym z potencjalnych zysków dla naszego kraju może być promocja pozytywnego wizerunku i turystyka.

Dr Jan Majewski

Katedra Socjologii Cyfrowej, Wydział Socjologii Uniwersytetu Warszawskiego

Główne wnioski

1. Obywatela Bielika można traktować jako próbę uzupełnienia luki w ofercie AI. Problemem nie jest wyłącznie to, czy sztuczna inteligencja zna język polski, ale także to, czy prawidłowo rozumie polski kontekst kulturowy. Globalne modele, trenowane przede wszystkim na ogromnych, międzynarodowych zbiorach danych, mogą mieć ograniczoną wiedzę o lokalnych potrawach, zabytkach, symbolach czy elementach codzienności. Modelom tym daleko też do posługiwania się poprawną polszczyzną. W przypadku tłumaczeń na język polski często prezentują kalki językowe.
2. Bielik chce zgromadzić bazę polskich zdjęć wraz z opisami i wykorzystać ją do rozwijania multimodalnego modelu. Projekt ma więc rozszerzyć „polskość” modelu poza warstwę językową – tak, aby AI nie tylko poprawnie posługiwała się polszczyzną, lecz także potrafiła rozpoznawać i interpretować to, co charakterystyczne dla Polski.
3. Obywatel Bielik nie zakłada wyłącznie pracy ekspertów czy programistów. Każdy użytkownik aplikacji może dostarczyć zdjęcie lokalnego zabytku, potrawy, kapliczki, krajobrazu czy innego elementu polskiej kultury i opatrzyć je opisem. Skala projektu jest przy tym ambitna: zebrano już ponad 21 tys. zdjęć, a docelowo baza ma liczyć milion fotografii.