Google.org, filantropijne ramię Google, przekazało Uniwersytetowi Warszawskiemu 1 mln USD oraz 100 tys. USD w kredytach na usługi Google Cloud z globalnego programu AI for Science Capacity Fund. Pieniądze sfinansują dwuletni projekt Efficient AI-for-Science (EAI-Sci) prowadzony przez prof. Piotra Sankowskiego w latach 2027-2028. Jego celem jest otwarta biblioteka narzędzi do dostosowywania istniejących modeli AI do danych naukowych oraz zatrzymanie specjalistów od uczenia maszynowego na polskiej uczelni.
- Google.org przekazało Uniwersytetowi Warszawskiemu 1 mln USD oraz 100 tys. USD w kredytach na usługi Google Cloud z programu AI for Science Capacity Fund na dwuletni projekt Efficient AI-Sci (EAI-Sci) prowadzony przez prof. Piotra Sankowskiego w latach 2027–2028.
- Projekt nie zakłada budowania nowego modelu AI – zespół z Wydziału MIMUW UW przygotuje otwartą bibliotekę narzędzi opublikowaną na GitHubie, umożliwiającą dopasowywanie gotowych modeli do danych z dynamiki molekularnej, genomiki, medycyny i matematyki, z uwzględnieniem metod wyjaśnialnej sztucznej inteligencji (XAI).
- Grant sfinansuje głównie etaty starszych inżynierów uczenia maszynowego, stypendia doktoranckie, stanowiska postdoc oraz program „AI Translation Fellowship" łączący doktorantów z ML z zespołami z biologii, chemii i medycyny, a UW zamierza zostać regionalnym ośrodkiem AI for Science dla Europy Środkowo-Wschodniej.
Uczelnia poinformowała o grancie 19 listopada 2026 roku. Według komunikatu UW Uniwersytet Warszawski jest jedną z dziewięciu uczelni na świecie wybranych przez Google.org do tego programu. Pozostałych ośrodków nie wymieniono. W przeliczeniu cały grant to około 4 mln zł, do tego dochodzi ok. 400 tys. zł w kredytach chmurowych.
UW nie będzie trenować modeli od zera, tylko dopasowywać istniejące
Projekt EAI-Sci nie zakłada budowania nowego modelu AI. Zespół z Wydziału Matematyki, Informatyki i Mechaniki UW (MIMUW) przygotuje otwartą bibliotekę narzędzi, którą opublikuje w serwisie GitHub. Ma ona pozwolić naukowcom precyzyjnie dostosowywać gotowe modele do konkretnych zbiorów danych: z dynamiki molekularnej, genomiki, medycyny i badań klinicznych oraz złożonych problemów matematycznych.
Drugim filarem projektu jest wyjaśnialna sztuczna inteligencja (XAI, Explainable AI). To metody, które pokazują, dlaczego model doszedł do konkretnego wyniku. W medycynie i naukach przyrodniczych jest to warunek uznania wyników. Recenzent nie przyjmie przewidywania, którego logiki nie da się sprawdzić.
Kierownik projektu, prof. Piotr Sankowski z MIMUW, czterokrotny laureat grantów Europejskiej Rady ds. Badań Naukowych (ERC), tak opisuje problem, który chce rozwiązać:
„Główną barierą we wdrażaniu AI w naukach przyrodniczych nie jest brak samych modeli, lecz trudność w ich wydajnym i bezpiecznym dostosowaniu do specyficznych i złożonych danych naukowych.”
Google w swoim wpisie określa to zjawisko jako „Compute-Talent Disconnect”, czyli rozdźwięk między dostępną mocą obliczeniową a ludźmi, którzy potrafiliby z niej skorzystać.
Grant zapłaci przede wszystkim za ludzi
Z grantu zostaną sfinansowane głównie etaty i stypendia. Według komunikatów UW i Google Polska pieniądze trafią na:
- etaty dla starszych inżynierów uczenia maszynowego,
- stypendia dla doktorantów,
- stanowiska dla badaczy na stażach podoktoranckich (postdoc),
- program stypendialny „AI Translation Fellowship”, który łączy doktorantów zajmujących się uczeniem maszynowym z zespołami z biologii molekularnej, chemii, genomiki i medycyny,
- serię regionalnych warsztatów i bootcampów dla badaczy z Europy Środkowo-Wschodniej.
Uczelnia chce w ten sposób zostać regionalnym ośrodkiem AI for Science dla całej Europy Środkowo-Wschodniej. Sepi Hejazi Moghadam, szefowa obszaru Foundations of Science w Google.org, zwraca uwagę, że otwarty kod sprawi, że z wyników skorzystają badacze z całego regionu, a nie tylko jeden zespół.
Widzę w tym projekcie dwie rzeczy. Pierwsza jest naprawdę dobra: UW nie obiecuje „polskiego modelu do nauki”, tylko narzędzia do dopasowywania modeli, które już istnieją. Tak wygląda rozsądne podejście przy budżecie, który w świecie AI jest skromny. Milion dolarów nie wystarczy nawet na kilka tygodni treningu dużego modelu. Wystarczy natomiast na kilka dobrze opłaconych etatów i stypendiów przez dwa lata.
Druga rzecz to pytanie, które zadaję przy każdym takim grancie. Co się stanie z tymi ludźmi w 2029 roku? Projekt ma zatrzymać talenty w Polsce. Dwuletnie finansowanie z zewnątrz tylko przesuwa termin decyzji o wyjeździe, jeśli po jego zakończeniu nie będzie z czego płacić pensji. Otwarta biblioteka na GitHubie przetrwa projekt. Etaty niekoniecznie.
Uważam też, że uczciwie trzeba nazwać relację stron. Google zyskuje kontakt z najlepszym wydziałem informatyki w kraju, z którego od lat rekrutuje inżynierów. To nie jest zarzut. Dobrze jednak wiedzieć, że ta współpraca opłaca się obu stronom.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Fundusz Google.org to jeden z kilku programów AI for Science
AI for Science Capacity Fund jest częścią szerszej, wielomilionowej działalności Google.org w nauce. Na początku 2026 roku fundacja ogłosiła 12 laureatów swojego funduszu AI for Science o wartości 20 mln USD. 14 października 2026 roku Google.org poinformowało z kolei, że 17 organizacji otrzyma łącznie 36 mln USD z otwartego konkursu Impact Challenge: AI for Science. Zgłoszenia napłynęły z 30 krajów.
W ramach tego samego funduszu Capacity Fund pieniądze otrzymał też m.in. Nanyang Technological University (NTU) w Singapurze. Google ogłosiło 3 listopada 2026 roku, że NTU dostanie 750 tys. USD na budowanie stałego potencjału badawczego w Azji Południowo-Wschodniej. Na tym tle grant dla UW jest jednym z większych w programie, o ile podane kwoty dotyczą porównywalnych pakietów.
Grant uzupełnia czteroletnią umowę Google z MIMUW
Grant Google.org to osobna umowa. Uzupełnia jednak porozumienie, które Google Poland podpisało we wrześniu 2026 roku z Wydziałem Matematyki, Informatyki i Mechaniki UW na lata 2026-2030. Ta współpraca obejmuje wspólne projekty z zakresu sztucznej inteligencji, systemów rozproszonych i cyberbezpieczeństwa. Obejmuje też rozwój programu „Szkoła Orłów”, w którym zdolni studenci pierwszych lat dostają indywidualną opiekę mentorską inżynierów Google.
Google prowadzi w Polsce swoje największe centrum inżynieryjne w Unii Europejskiej. Dagmara Brzezińska, Country Director Google Polska, przedstawia grant jako element szerszej strategii:
„Finansowanie dla Uniwersytetu Warszawskiego to kolejny element wzmacniania aspiracji Polski do roli międzynarodowego hubu AI.”
Polskie laboratoria dostaną narzędzia, z których skorzystają bez zespołu informatyków
Na projekcie mogą skorzystać polscy biolodzy, chemicy i lekarze, którzy nie mają we własnych zespołach specjalistów od uczenia maszynowego. Otwarta biblioteka i program AI Translation Fellowship mają dać im wejście do narzędzi, które dziś wymagają osobnego zespołu inżynierów.
Rektor UW, prof. Alojzy Z. Nowak, mówi wprost o odpływie naukowców:
„Zatrzymanie młodych, utalentowanych naukowców w Polsce jest niezwykle ważne.”
Projekt rusza w styczniu 2027 roku. Pierwsze wersje narzędzi na GitHubie i program warsztatów dla regionu pokażą, czy deklaracje przełożą się na coś, z czego realnie skorzystają laboratoria spoza Warszawy.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym oficjalnego komunikatu Uniwersytetu Warszawskiego z dnia 19.11.2026, wpisu Google Polska z dnia 19.11.2026 oraz materiałów Google: ogłoszenia laureatów Impact Challenge: AI for Science z 14.10.2026 i informacji o grantach dla uczelni w Singapurze z 03.11.2026. Wykorzystano także informacje z serwisów IT Reseller, Rzeczpospolita i Super Biznes.
Cytaty prof. Piotra Sankowskiego, Dagmary Brzezińskiej i prof. Alojzego Z. Nowaka pochodzą z materiałów prasowych Uniwersytetu Warszawskiego i Google Polska.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o projekcie EAI-Sci i programie AI for Science Capacity Fund.
