Polska aplikacja ma nauczyć AI odróżniać kluski śląskie od pączków

Globalne modele sztucznej inteligencji potrafią pomylić kluski śląskie z francuskimi makaronikami albo z niedopieczonymi pączkami, fontannę Neptuna w Gdańsku przypisać Bolonii, a sceny z "Seksmisji" wziąć za radziecki film. Fundacja SpeakLeash postanowiła to zmienić i uruchomiła aplikację mobilną Obywatel Bielik, przez którą każdy użytkownik smartfona może wysłać opisane zdjęcie, żeby nauczyć polski model AI rozpoznawania rodzimej kultury.

Jak działa aplikacja

Interfejs Obywatela Bielika jest prosty: użytkownik dodaje zdjęcie z galerii albo robi je na miejscu, a następnie opisuje je tekstem lub dyktuje opis głosowo. Sztuczna inteligencja pomaga poprawić język i interpunkcję zanim materiał trafi do bazy treningowej. Twórcy podzielili zawartość na osiem kategorii tematycznych, dodali cele tygodniowe, statystyki aktywności i rankingi, żeby zachęcić do regularnego udziału, w tym elementy rywalizacji zespołowej.

Każde zgłoszenie przechodzi dwuetapową weryfikację - najpierw automatyczne przesiewanie, potem ręczna kontrola wolontariuszy. Twórcy zapewniają, że dane biometryczne i rozpoznawanie twarzy są celowo wyłączone z projektu, co ma odróżnić Obywatela Bielika od komercyjnych baz treningowych budowanych bez zgody użytkowników.

Skąd bierze się problem

Duże modele wizyjne trenowane są głównie na danych z krajów anglojęzycznych i Europy Zachodniej, przez co słabo radzą sobie z lokalnym kontekstem kulturowym mniejszych rynków językowych. Kluski śląskie, danie typowe dla południa Polski, bywają rozpoznawane jako francuskie makaroniki albo surowe pączki, bo modele nie miały wcześniej wystarczająco dużo przykładów opisanych w odpowiednim kontekście. Podobne pomyłki dotyczą zabytków i miejsc - fontanna Neptuna w Gdańsku bywa mylona z rzeźbami w Bolonii, a kadry z kultowej polskiej komedii "Seksmisja" AI potrafi zaklasyfikować jako radzieckie kino.

To nie jest wyłącznie kwestia estetyczna czy ciekawostkowa. Modele wizyjne coraz częściej trafiają do asystentów zakupowych, aplikacji turystycznych, systemów rozpoznawania obrazu w handlu detalicznym czy narzędzi edukacyjnych. Błędne rozpoznanie lokalnego kontekstu w takich zastosowaniach oznacza gorsze rekomendacje, mylące opisy albo utratę zaufania użytkowników do polskich wdrożeń AI opartych na zagranicznych modelach bazowych.

Kto stoi za projektem

Obywatel Bielik to rozszerzenie znanego już projektu językowego modelu Bielik.AI, rozwijanego społecznościowo przez Fundację SpeakLeash we współpracy z Akademickim Centrum Komputerowym Cyfronet AGH. Do zbierania materiałów dołączyły też instytucje publiczne i medialne - Narodowe Archiwum Cyfrowe oraz Polska Press Grupa udostępniły część swoich zbiorów fotografii jako punkt wyjścia do dalszego uzupełniania przez społeczność.

Udostępnienie aplikacji mobilnej to moment zwrotny w projekcie Obywatel Bielik. Dzięki temu zupełnie każdy - uczeń, senior, rodzic - może uczestniczyć - Marcin Dąbrowski, współtwórca projektu

Model Bielik rozwijany jest w formule oddolnej, opartej na wkładzie ochotników i otwartych zasobach, co odróżnia go od PLLuM, drugiego dużego krajowego projektu językowego, finansowanego i koordynowanego instytucjonalnie. Obywatel Bielik ma dostarczyć dane wizyjne, których do tej pory brakowało, by rozszerzyć model z warstwy czysto tekstowej na multimodalną, rozumiejącą obraz w połączeniu z opisem.

Co to znaczy dla polskiego rynku AI

Krajowe modele językowe i wizyjne zyskują na znaczeniu w kontekście dyskusji o suwerenności technologicznej i zależności Europy od dostawców zza oceanu czy z Chin. Projekt SpeakLeash pokazuje alternatywną drogę budowy takich zasobów - nie przez wielomiliardowe inwestycje infrastrukturalne, a przez masowe zaangażowanie społeczności, podobnie jak w przypadku Wikipedii czy OpenStreetMap.

Powodzenie inicjatywy zależy jednak od skali uczestnictwa. Zebranie miliona opisanych zdjęć wymaga zaangażowania znacznie szerszej grupy niż dotychczasowi entuzjaści projektu, a jakość opisów i różnorodność regionalna materiału zdecydują, czy model rzeczywiście nauczy się rozróżniać lokalne konteksty, czy tylko powtórzy istniejące błędy na nowym zbiorze danych.

Twórcy nie podali na razie konkretnego terminu, w którym dane z aplikacji trafią do kolejnej wersji modelu wizyjnego Bielik.AI, ani nie ujawnili, kiedy projekt osiągnie zakładany milion fotografii. Tempo zależy od tego, jak szybko aplikacja rozejdzie się poza krąg osób już zaangażowanych w projekt.