Polski model językowy Bielik ma już rozum, teraz jego twórcy chcą dać mu oczy. Do treningu potrzebują miliona zdjęć od zwykłych Polaków.
Kluczowe fakty:
- Fundacja SpeakLeash, twórca polskiego modelu językowego Bielik.AI, uruchomiła projekt Obywatel Bielik, którego celem jest zebranie miliona zdjęć z opisami od polskich użytkowników do treningu multimodalnego modelu AI.
- Do projektu udostępniono aplikację mobilną na systemy Android i iOS, umożliwiającą przesyłanie zdjęć wraz z krótkimi opisami tekstowymi – jeszcze przed jej premierą, wyłącznie przez stronę internetową, zebrano ponad 16 tysięcy zdjęć.
- Potrzeba stworzenia polskiego modelu wizyjnego wynika z faktu, że największe światowe modele AI były trenowane głównie na danych anglojęzycznych i zachodnich, przez co słabo radzą sobie z polskim kontekstem kulturowym.
Projekt nazywa się Obywatel Bielik i właśnie doczekał się aplikacji mobilnej na Androida i iOS. Każdy może w niej zrobić zdjęcie, opisać je kilkoma zdaniami i wysłać do bazy danych, która ma nauczyć polską sztuczną inteligencję odróżniać kluski śląskie od pączków. Brzmi jak żart, ale to realny problem, z którym zmagają się dziś największe modele wizyjne na świecie.
Znajdź dostawcę, partnera lub narzędzie dla swojego biznesu, a jeśli prowadzisz firmę, która w swoim DNA ma AI, skorzystaj z możliwości bezpłatnego dodania swojej firmy.
Skąd w ogóle ten pomysł
Za projektem stoi Fundacja SpeakLeash, ta sama społeczność, która zbudowała tekstowy model Bielik.AI we współpracy z Akademickim Centrum Komputerowym Cyfronet AGH. Bielik od dawna radzi sobie nieźle z językiem polskim, tekst rozumie, ale nie widzi. Nie rozpozna zdjęcia, nie skomentuje obrazu, nie opisze fotografii archiwalnej.
Stąd pomysł na model multimodalny, czyli taki, który potrafi jednocześnie przetwarzać obraz i tekst. Żeby taki system nauczyć rozpoznawania polskiej rzeczywistości, trzeba mu tę rzeczywistość najpierw pokazać. I to w milionach przykładów.
Zainteresowanie i zaangażowanie widać już teraz. Jeszcze przed premierą aplikacji, wyłącznie przez stronę internetową projektu, społeczność przesłała ponad 16 tysięcy zdjęć wraz z opisami. To dopiero ułamek celu, jaki postawili sobie twórcy.
Model multimodalny będzie tak dobry, jak różnorodne będą dane, na których się uczy. Dlatego potrzebujemy zdjęć i opisów od jak największej liczby obywateli, ale również od instytucji, które od lat dokumentują polskie dziedzictwo, historię i codzienność.
Sebastian Kondracki, pomysłodawca i współtwórca Bielik.AI oraz założyciel Fundacji SpeakLeash
Fontanna Neptuna jako pomnik w Bolonii
Cały projekt wyrósł z konkretnej, dość irytującej obserwacji. Największe światowe modele AI, w tym te odpowiadające za popularne chatboty, uczono głównie na danych anglojęzycznych i zachodnich. Efekt jest taki, że z polskim kontekstem kulturowym radzą sobie słabo.
Przykłady zebrane przez twórców Obywatela Bielika są wymowne:
- surowe kluski śląskie na stolnicy zostały rozpoznane jako francuskie makaroniki albo pączki przygotowane do upieczenia
- kadr z kultowej „Seksmisji” model wziął za scenę z radzieckiego „Solaris”
- gdańska Fontanna Neptuna została sklasyfikowana jako pomnik w Bolonii
- zdjęcie z obrony Poczty Polskiej w Gdańsku we wrześniu 1939 roku model rozpoznał poprawnie co do wydarzenia, ale jako lokalizację podał Bydgoszcz
To nie są błędy kosmetyczne. Jeśli sztuczna inteligencja ma w przyszłości pomagać w edukacji, digitalizacji archiwów czy dostępności cyfrowej dla osób z niepełnosprawnościami, pomyłki tego rodzaju potrafią realnie zniekształcić przekaz historyczny i kulturowy. A trudno o coś bardziej wrażliwego niż błędne opisanie zdjęcia z września 1939 roku.
Widziałem projekty budowy suwerennej AI, które kończyły się na deklaracjach i konferencjach prasowych. Obywatel Bielik robi coś rzadkiego, bo zamienia hasło o niezależności technologicznej w konkretną, żmudną robotę zbierania i opisywania zdjęć przez zwykłych ludzi. To podejście ma swoją siłę, bo dane tworzone oddolnie są trudne do podrobienia i naprawdę różnorodne. Mam jednak pytanie, które przy tego typu inicjatywach zadaję sobie zawsze: czy jakość opisów tworzonych przez wolontariuszy, często bez przygotowania merytorycznego, wystarczy do wytrenowania modelu na poziomie konkurencyjnym wobec systemów budowanych przez firmy z dostępem do nieporównywalnie większych zasobów. Milion zdjęć to dobry pierwszy krok. Pytanie, czy to już próg, przy którym model zacznie realnie działać, czy dopiero początek znacznie dłuższej drogi.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Jak to działa w praktyce
Aplikacja jest bezpłatna i dostępna w App Store oraz Google Play. Zasada jest prosta: robisz zdjęcie z poziomu aplikacji albo wybierasz je z galerii telefonu, a potem dodajesz krótki opis. Opis można napisać albo podyktować głosowo, a sam Bielik poprawia go pod względem językowym i interpunkcyjnym.
Twórcy postawili na grywalizację, żeby utrzymać zaangażowanie użytkowników w dłuższej perspektywie. W aplikacji znalazły się cele tygodniowe, rankingi oraz elementy rywalizacji zespołowej. To rozwiązanie ma sens, bo zbieranie miliona opisanych fotografii to maraton, nie sprint, a bez motywacji entuzjazm zwykle gaśnie po pierwszych dniach.
Premiera aplikacji mobilnej to przełomowy moment w tworzeniu sztucznej inteligencji, która patrzy na świat naszymi oczami i rozumie polską kulturę i historię.
Marcin Dąbrowski, współtwórca i lider projektu Obywatel Bielik
Kto stoi za mocą obliczeniową
Sam entuzjazm społeczności to za mało, żeby wytrenować model wymagający ogromnych zasobów. Moc obliczeniową zapewniają polskie superkomputery Helios i Athena, udostępnione przez Akademickie Centrum Komputerowe Cyfronet AGH. Projekt wspierają też instytucjonalnie Narodowe Archiwum Cyfrowe oraz Polska Press Grupa, które udostępniają swoje zbiory fotograficzne do celów treningowych, w tym materiały historyczne.
Od strony biznesowej i wdrożeniowej przy projekcie pojawiają się nazwy, które trudno zignorować: Nvidia, InPost oraz EY. To sygnał, że Bielik przestaje być wyłącznie inicjatywą akademicko-społecznościową, a zaczyna wchodzić w fazę, w której zainteresowany jest też biznes.
Co to oznacza dla polskich firm
Multimodalny Bielik ma realne zastosowania biznesowe, nie tylko wizerunkowe. Eksperci wskazują na e-commerce, gdzie model mógłby automatycznie kategoryzować zdjęcia regionalnych produktów, coś, z czym globalne systemy radzą sobie gorzej, bo nie rozpoznają lokalnych kontekstów. Druga oczywista ścieżka to weryfikacja dokumentacji i archiwów z wykorzystaniem technologii OCR, przydatna choćby w administracji publicznej czy instytucjach kultury.
Dla polskich firm, które dziś budują produkty oparte na rozpoznawaniu obrazu, model trenowany na krajowych danych i dostępny w duchu otwartego oprogramowania może oznaczać alternatywę wobec drogich licencji na systemy zagraniczne, przy jednoczesnym zachowaniu danych w kraju. To argument, który zyskuje na wadze w kontekście przepisów o suwerenności cyfrowej i wymogów dotyczących lokalizacji danych, które w Unii Europejskiej stają się coraz bardziej istotnym elementem rozmów o wdrażaniu AI w administracji i sektorach regulowanych.
Bielik na tle europejskiej mapy suwerennych modeli
Polska nie jest w tym wyścigu osamotniona. Podobne motywacje kulturowe i regulacyjne stoją za unijnym EuroLLM, który początkowo skupiał się na wielojęzyczności obejmującej wszystkie 24 języki urzędowe UE oraz 11 dodatkowych, a docelowo ma rozszerzyć się o zdolności multimodalne, w tym mowę, obraz i wideo. Holandia rozwija z kolei GPT-NL, opisywany przez twórców jako model dla języka i kultury niderlandzkiej: wiarygodny, przejrzysty, wzajemny i suwerenny.
Wspólny mianownik tych projektów jest ten sam co w przypadku Bielika. Najpotężniejsze dziś modele AI nie są kulturowo neutralne, bo są bezpośrednim odbiciem swoich danych treningowych, przeważnie anglocentrycznych i zachodnich. Dla mniejszych języków i kultur oznacza to systemowe pomijanie w danych, na których trenuje się globalne systemy.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Skąd wziąć milion zdjęć
Twórcy Obywatela Bielika nie ukrywają, że to zadanie na dłuższą metę. Poza zwykłymi użytkownikami liczą na zaangażowanie:
- uczelni i instytucji edukacyjnych
- organizacji kulturalnych i archiwów regionalnych
- seniorów, którzy dysponują wiedzą historyczną i czasem
- firm z branż takich jak motoryzacja, potrzebnych do uzupełnienia zdjęć specjalistycznych
Cały zbiór ma docelowo trafić do otwartego, ogólnodostępnego datasetu, z którego skorzysta nauka, edukacja, administracja i biznes.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiału źródłowego Polskie Radio24.pl z dnia 14.07.2026, a także rp.pl oraz School of Informatics, University of Edinburgh. Dodatkowe informacje pochodzą również z serwisów ITReseller, media2.pl, Bielik.AI i Euronews. Cytaty Marcina Dąbrowskiego i Sebastiana Kondrackiego zostały zweryfikowane z materiałem źródłowym. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę postępów projektu Obywatel Bielik w zbieraniu bazy fotografii.
