Polska AI w światowej lidze: analiza modeli PLLuM i Bielik

Narodziny Polskiej suwerenności cyfrowej w erze AI

W globalnym krajobrazie sztucznej inteligencji, zdominowanym przez anglojęzycznych gigantów technologicznych, pojawienie się narodowych, zaawansowanych modeli językowych jest czymś więcej niż tylko technologicznym osiągnięciem. To strategiczna deklaracja ambicji i dążenia do cyfrowej suwerenności. W tym kontekście polskie projekty – PLLuM i Bielik – stanowią dowód, że Polska nie tylko dołącza do światowego wyścigu AI, ale robi to na własnych warunkach, z jasno zdefiniowaną wizją.

Niniejszy raport argumentuje, że polskie podejście, charakteryzujące się unikalną, komplementarną strategią dwutorową, reprezentuje dojrzały model budowania suwerennych zdolności w dziedzinie AI. Z jednej strony mamy PLLuM – państwową inicjatywę, napędzaną przez konsorcjum czołowych instytucji badawczych i ukierunkowaną na sektor publiczny. Z drugiej – Bielika, oddolny ruch open-source, prowadzony przez społeczność i fundację, który ma na celu demokratyzację dostępu do zaawansowanej technologii. Sama egzystencja dwóch odrębnych, głośnych projektów jest oznaką zdrowego i dynamicznego ekosystemu. Świadczy o tym, że polska scena AI nie jest monolitem, lecz posiada wiele ośrodków – akademickich, rządowych i społecznościowych – co sprzyja odporności, konkurencji i szerszemu zakresowi innowacji niż mogłoby zapewnić pojedyncze, odgórne podejście.

Analiza obejmie strategiczny imperatyw stojący za rozwojem narodowych modeli, szczegółowe omówienie projektów PLLuM i Bielik, ich porównanie, a także ocenę otaczającego je krajowego ekosystemu. Celem jest wykazanie, że Polska nie musi się wstydzić swoich osiągnięć, ponieważ buduje fundamenty pod przyszłość, w której będzie aktywnym i szanowanym uczestnikiem globalnej rewolucji AI.

Strategiczny imperatyw: Dlaczego Polska potrzebuje własnych Modeli językowych?

Decyzja o inwestowaniu znaczących zasobów w rozwój własnych dużych modeli językowych (LLM) nie jest podyktowana jedynie ambicją technologiczną. Jest to strategiczna konieczność wynikająca z potrzeby zapewnienia suwerenności w trzech kluczowych obszarach: kulturowym, gospodarczym i bezpieczeństwa danych.

Kulturowa i Językowa suwerenność

Globalne modele, takie jak te rozwijane przez OpenAI czy Google, mimo swojej potęgi, są trenowane głównie na danych anglojęzycznych. Prowadzi to do istotnych ograniczeń w rozumieniu niuansów języka polskiego, jego skomplikowanej fleksji, złożonej składni, idiomów, regionalizmów czy kontekstu kulturowego. Modele takie jak PLLuM i Bielik są projektowane od podstaw, aby radzić sobie z tymi wyzwaniami, co czyni je znacznie bardziej precyzyjnymi i użytecznymi dla polskich użytkowników. Rozwój tych narzędzi jest kluczowy dla zachowania i promowania języka polskiego w sferze cyfrowej, zapobiegając jego marginalizacji w erze AI.

Gospodarcza konkurencyjność

Tworzenie krajowego ekosystemu AI bezpośrednio wzmacnia pozycję Polski w globalnym sektorze IT i całej gospodarce. Inwestycje w sztuczną inteligencję napędzają wzrost gospodarczy poprzez stymulowanie powstawania nowych firm i produktów opartych na AI, dostosowanych do specyfiki polskiego rynku. Co więcej, lokalne modele oferują znaczącą przewagę kosztową. Firmy mogą wdrażać je na własnej infrastrukturze, unikając wysokich opłat za korzystanie z API zagranicznych dostawców, co jest szczególnie istotne przy przetwarzaniu dużych wolumenów danych.

Bezpieczeństwo i suwerenność danych

W dobie cyfryzacji usług publicznych i gospodarki, kontrola nad danymi staje się kwestią bezpieczeństwa narodowego. Poleganie wyłącznie na zagranicznych platformach AI stwarza strategiczne luki. Przykładowo, nagła zmiana cennika, warunków świadczenia usług, czy geopolitycznie motywowane ograniczenie dostępu mogłoby sparaliżować cyfrowe usługi państwa i firmy, które oparły na nich swoją działalność. Rozwój własnych modeli, które mogą działać w obrębie krajowej jurysdykcji, na lokalnych serwerach lub w zaufanej chmurze krajowej, eliminuje to ryzyko. Zapewnia to, że wrażliwe dane obywateli, firm i administracji pozostają w Polsce, pod pełną kontrolą. Inwestycja w PLLuM i Bielika jest więc formą budowy krytycznej infrastruktury cyfrowej, analogicznej do sieci energetycznych czy transportowych, która gwarantuje strategiczną autonomię państwa.

PLLuM: państwowy motor innowacji w sektorze publicznym

PLLuM (Polish Large Language Model) to flagowa inicjatywa państwowa, zaprojektowana jako fundament transformacji cyfrowej polskiego sektora publicznego. Jego misją jest dostarczenie bezpiecznego, niezawodnego i etycznie zbudowanego narzędzia, które usprawni komunikację na linii obywatel-urząd.

Geneza i misja

Projekt został zainicjowany przez Ministerstwo Cyfryzacji i realizowany przez konsorcjum sześciu wiodących polskich jednostek naukowych: Politechnikę Wrocławską (lider), Państwowy Instytut Badawczy NASK, Ośrodek Przetwarzania Informacji – Państwowy Instytut Badawczy (OPI PIB), Instytut Podstaw Informatyki PAN, Uniwersytet Łódzki oraz Instytut Slawistyki PAN. Głównym celem jest wsparcie innowacji w administracji publicznej i biznesie poprzez stworzenie modeli AI doskonale rozumiejących specyfikę języka polskiego i terminologię urzędową.

Architektura techniczna i skalowalność

PLLuM to nie pojedynczy monolit, ale cała rodzina 18 modeli o różnych rozmiarach i zastosowaniach. Ich skalowalność, z liczbą parametrów od 8 do 70 miliardów, pozwala na elastyczne dopasowanie narzędzia do zadania – mniejsze wersje idealnie sprawdzają się w szybkich operacjach, podczas gdy większe oferują najwyższą precyzję i spójność kontekstową. W architekturze PLLuM wykorzystano zaawansowane techniki, takie jak MoE (Mixture of Experts), która zwiększa wydajność obliczeniową, oraz RAG (Retrieval-Augmented Generation), przeznaczoną do generowania odpowiedzi opartych na konkretnych, zweryfikowanych źródłach wiedzy. Rodzina modeli dzieli się na trzy typy: bazowe (rozumiejące język polski), instrukcyjne (przeszkolone do wykonywania konkretnych poleceń) oraz chat (zoptymalizowane do prowadzenia rozmowy).

Fundament danych: „Organiczna” jakość i etyka

Kluczowym wyróżnikiem PLLuM jest jego fundament danych. Model trenowany jest na tzw. danych organicznych, czyli zbiorach opracowywanych ręcznie, a nie generowanych przez inne modele AI. Takie podejście jest kluczowe dla zapewnienia wysokiej jakości, wiarygodności i uniknięcia powielania błędów innych systemów, co ma fundamentalne znaczenie w zastosowaniach urzędowych. Korpus treningowy jest ogromny i liczy od 100 do 140 miliardów słów. Proces pozyskiwania danych opiera się na zasadach etycznych: wersje komercyjne korzystają z treści licencjonowanych, a otwarte – z zasobów dozwolonych przez polskie i unijne prawo autorskie. Model jest następnie precyzyjnie dostrajany (fine-tuning) przy użyciu dziesiątek tysięcy par pytań i odpowiedzi stworzonych przez zespół ponad 50 ekspertów, a także przechodzi proces „wychowania” (alignment), aby zapewnić bezpieczeństwo i zgodność generowanych treści z oczekiwaniami.

Ewolucja w Projekt HIVE

Rozwój PLLuM wszedł w nową, dojrzałą fazę wraz z przekształceniem go w projekt HIVE AI. Ta ewolucja oznacza strategiczne przejście od badań i rozwoju do praktycznych wdrożeń. Liderem konsorcjum HIVE został Ośrodek Badań nad Bezpieczeństwem SI w NASK, co podkreśla priorytet, jakim jest bezpieczeństwo wdrażanych rozwiązań. Budżet projektu został zwiększony z 14,5 mln zł na PLLuM do blisko 19 mln zł na HIVE, a do konsorcjum dołączyły Centralny Ośrodek Informatyki (COI), odpowiedzialny za integrację z aplikacją mObywatel, oraz ACK Cyfronet AGH, dostarczający niezbędną moc obliczeniową. Celem HIVE jest pilotażowe wdrożenie asystenta w mObywatelu oraz narzędzi wspierających pracę urzędników, co pokazuje dojrzałość projektu i jego gotowość do realnego wpływu na funkcjonowanie państwa.

Bielik: siła społeczności i otwartej nauki

W opozycji do odgórnej, państwowej inicjatywy PLLuM, Bielik wyrasta z oddolnej pasji społeczności open-source. Jest to projekt napędzany duchem otwartej nauki, którego celem jest demokratyzacja dostępu do zaawansowanej sztucznej inteligencji w Polsce.

Oddolna geneza

Bielik został stworzony przez fundację SpeakLeash, założoną przez entuzjastów AI, wśród których kluczową postacią i inicjatorem jest Sebastian Kondracki. Projekt od początku opierał się na ścisłej współpracy z Akademickim Centrum Komputerowym Cyfronet AGH, które udostępniło swoje superkomputery Helios i Athena do wymagających obliczeniowo procesów treningowych.

Filozofia Open Source

Fundamentem Bielika jest filozofia open-source i open-science, która promuje transparentność, współpracę i swobodną wymianę wiedzy [12]. Model jest udostępniany na licencji Apache 2.0, która jawnie zezwala na jego komercyjne wykorzystanie, co ma na celu stymulowanie powstawania innowacyjnych firm i usług opartych na tej technologii [26]. Dzięki dostępności na globalnej platformie Hugging Face, Bielik jest w zasięgu ręki dla każdego – od naukowców i deweloperów po przedsiębiorców i hobbystów [5].

Architektura i rozwój

Architektonicznie Bielik jest modelem typu „causal decoder-only”. Jego twórcy podjęli pragmatyczną decyzję, aby nie budować wszystkiego od zera. Zamiast tego, zaadaptowali i rozwinęli jeden z najlepszych otwartych modeli na świecie – francuski Mistral-7B-v0.1. Takie podejście pozwoliło skoncentrować ograniczone zasoby na tym, co najważniejsze: na jak najlepszym dostosowaniu modelu do języka i kultury polskiej. Projekt dynamicznie się rozwija, oferując różne wersje, m.in. Bielik-7B oraz potężniejszy Bielik-11B-v2.

Fundament Danych: wielki korpus języka polskiego SpeakLeash

Największą siłą i jednocześnie największym wkładem projektu Bielik w polski ekosystem AI jest inicjatywa SpeakLeash. Jest to monumentalny projekt, którego celem jest zbudowanie i udostępnienie największego w historii, otwartego zbioru danych tekstowych w języku polskim, o docelowym rozmiarze ponad 1 TB. To właśnie ten korpus jest „paliwem”, na którym trenowany jest Bielik, i stanowi odpowiedź na największe wyzwanie dla polskiej AI – chroniczny niedobór wysokiej jakości danych treningowych [5]. Model Bielik-7B został wytrenowany na ponad 70 miliardach tokenów (słów i znaków) pochodzących ze starannie wyselekcjonowanych, wysokiej jakości tekstów z korpusu SpeakLeash. W ten sposób projekt Bielik nie tylko tworzy model, ale buduje fundamentalną infrastrukturę danych, z której może korzystać cała polska społeczność naukowa i biznesowa, co stanowi potężny katalizator dla całego ekosystemu.

Analiza porównawcza: dwie drogi, jeden cel

Choć zarówno PLLuM, jak i Bielik dążą do wzmocnienia polskiego potencjału w dziedzinie AI, realizują ten cel poprzez dwie odmienne, lecz komplementarne strategie. PLLuM to podejście odgórne, skoncentrowane na bezpieczeństwie i potrzebach sektora publicznego, podczas gdy Bielik reprezentuje oddolną rewolucję open-source, napędzającą innowacje w biznesie i nauce.

Tabela 1: Przegląd Strategiczny Modeli PLLuM i Bielik

Poniższa tabela przedstawia kluczowe różnice i podobieństwa między oboma projektami, ilustrując dwutorową naturę polskiej strategii AI.

Wydajność w Benchmarkach: Kontekst jest Kluczem

Ocena wydajności modeli językowych jest zadaniem złożonym. Choć globalne modele często dominują w ogólnych testach, polskie projekty wykazują niezwykłą konkurencyjność, a w swoich niszach są wręcz lepsze. Poniższa tabela prezentuje wyniki w Polskim Benchmarku Kompetencji Językowych i Kulturowych, stworzonym przez ekspertów z OPI PIB.

Tabela 2: Wyniki w Polskim Benchmarku Kompetencji Językowych i Kulturowych

Źródło: Opracowanie na podstawie danych z benchmarku OPI PIB.  

Dane te pokazują, że polskie modele nie tylko dorównują, ale w tym konkretnym, zorientowanym na polską specyfikę teście, nawet przewyższają niektóre wersje globalnych gigantów. Należy jednak pamiętać, że średnie wyniki mogą być mylące. Kluczowy jest kontekst i dopasowanie do celu (fitness-for-purpose). Przykładowo, testy wykazały, że Bielik osiąga jedne z najlepszych na świecie wyników w zadaniach typu RAG, które są fundamentalne dla zastosowań biznesowych wymagających odpowiedzi opartych na faktach. Z kolei siłą PLLuM jest jego głębokie dostrojenie do terminologii administracji publicznej – zdolność, której ogólne benchmarki nie są w stanie w pełni zmierzyć. Ostatecznie, oba modele dowodzą, że są wysoce konkurencyjnymi narzędziami, zoptymalizowanymi pod kątem swoich unikalnych zadań.

Ekosystem i perspektywy: polityka, finansowanie i przyszłość Polskiej AI

Sukces PLLuM i Bielika nie jest dziełem przypadku. Jest wynikiem budowy kompleksowego, wielowarstwowego ekosystemu, który łączy strategię polityczną, solidne mechanizmy finansowania oraz kluczową infrastrukturę. To właśnie ten holistyczny system stanowi o sile polskich ambicji w dziedzinie AI.

Ramy Polityczne

Nadrzędnym dokumentem strategicznym jest „Polityka dla rozwoju sztucznej inteligencji w Polsce”. Wyznacza ona kierunki działań, kładąc nacisk na budowę silnego ekosystemu opartego na współpracy nauki, administracji, biznesu i społeczeństwa. Wśród kluczowych celów polityki znajduje się rozwój talentów, w tym zwiększenie liczby absolwentów kierunków AI do 20 tys. rocznie do 2030 roku, a także tworzenie standardów etycznych i prawnych dla godnej zaufania sztucznej inteligencji.

Mechanizmy Finansowania

Rząd polski zademonstrował swoje zaangażowanie poprzez znaczące inwestycje finansowe. Obejmują one bezpośrednie dotacje na projekty takie jak PLLuM i HIVE (łącznie ponad 33 mln zł), a także szersze instrumenty. Powołano Fundusz Sztucznej Inteligencji z budżetem 1 mld zł, a Narodowe Centrum Badań i Rozwoju (NCBR) realizuje programy takie jak Infostrateg, na który przeznaczono ponad 500 mln zł. Dodatkowe środki pochodzą z funduszy europejskich, w tym z Krajowego Planu Odbudowy (KPO), co tworzy zdywersyfikowane i stabilne źródło finansowania dla innowacji.

Rola Infrastruktury i Współpracy

Żaden z tych projektów nie byłby możliwy bez dostępu do potężnej mocy obliczeniowej. Kluczową rolę odgrywa tu Akademickie Centrum Komputerowe Cyfronet AGH, którego superkomputery, takie jak Helios, stanowią obliczeniowy kręgosłup zarówno dla PLLuM, jak i Bielika. Co istotne, Ministerstwo Cyfryzacji aktywnie promuje synergiczną relację między oboma projektami, postrzegając je jako wzajemnie uzupełniające się elementy narodowej strategii. Ta współpraca, łącząca politykę, finansowanie, infrastrukturę, badania naukowe i zaangażowanie społeczności, jest prawdziwym motorem napędowym polskiej AI i jej największym atutem w długoterminowej perspektywie.

Zakończenie: Fundament pod Przyszłość – Ambicja Zamiast Wstydu

Analiza modeli PLLuM i Bielik prowadzi do jednoznacznego wniosku: Polska nie tylko nie musi się wstydzić swoich osiągnięć w dziedzinie sztucznej inteligencji, ale ma powody do dumy z obranej, dojrzałej strategii. Udało się stworzyć dwa odrębne, wysokiej jakości duże modele językowe, z których każdy ma jasno określoną filozofię i cel.

Polska wykroczyła poza proste próby naśladowania globalnych liderów. Zamiast tego, wykuła własną, unikalną ścieżkę, budując zaawansowany, dwutorowy ekosystem, który stawia na pierwszym miejscu suwerenność cyfrową, dobro publiczne i otwarte innowacje. Prawdziwym osiągnięciem nie są tylko same modele, ale cała krajowa infrastruktura – danych, polityki, finansowania, mocy obliczeniowej i społeczności – która została wokół nich zbudowana.

Fundamenty zostały położone. Wyzwanie na przyszłość leży w egzekucji: skalowaniu wdrożeń, promowaniu szerokiej adopcji w biznesie i administracji oraz kontynuowaniu innowacji w tej dynamicznie rozwijającej się dziedzinie. PLLuM i Bielik nie są punktem docelowym. Są potężną platformą startową, która pozycjonuje Polskę jako znaczącego i szanowanego gracza na globalnej arenie sztucznej inteligencji.