Bielik tworzy cyfrową pamięć Polski. Dzięki zdjęciom, AI lepiej rozpozna polskie zabytki, potrawy i elementy codzienności

- Udostępnienie aplikacji mobilnej to moment zwrotny w projekcie Obywatel Bielik. Dzięki temu zupełnie każdy - uczeń, senior, rodzic, pracownik czy przedsiębiorca – 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.AI rozumieć naszą kulturę, historię i codzienność. Głęboko wierzę, że uda nam się zbudować społeczność ludzi, którzy pokażą sztucznej inteligencji Polskę taką, jaką znamy. Każde zdjęcie i opis przybliżają nas do celu, którym jest pierwszy polski model multimodalny tworzony przez obywateli i dla obywateli - mówi Marcin Dąbrowski, współtwórca i lider projektu Obywatel Bielik.

Nowa aplikacja mobilna ułatwia dodawanie zdjęć wraz z prostymi opisami, na których będzie trenowany model multimodalny. Dzięki niej można dodawać fotografie z dowolnego miejsca w Polsce - bezpośrednio z galerii telefonu i opisywać je, korzystając ze wsparcia obecnego modelu Bielik.AI. Aplikacja dostępna na Google Play, App Store i na stronie obywatel.bielik.ai ułatwi zaangażowanie tysięcy nowych osób, które w wygodny sposób podzielą się zdjęciami swojego najbliższego otoczenia i przyspieszy zgromadzenie pierwszego miliona zdjęć z opisami.

- 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. Prowadzimy już rozmowy z kilkoma instytucjami zainteresowanymi udostępnieniem swoich zbiorów zdjęć w ramach projektu Obywatel Bielik i jesteśmy otwarci na współpracę z kolejnymi podmiotami. Serdecznie zachęcam do wspólnego tworzenia zasobów, dzięki którym Bielik.AI uzyska „oczy” i lepiej zrozumie Polskę oraz jej mieszkańców. Stwórzmy razem polską AI, z której będziemy naprawdę dumni - podkreśla Sebastian Kondracki, pomysłodawca i współtwórca Bielik.AI oraz założyciel Fundacji SpeakLeash.

Jeszcze przed premierą aplikacji społeczność Obywatela Bielika przesłała za pośrednictwem strony projektu ponad 16 tysięcy fotografii z opisami. To ważny krok w budowaniu bazy danych, jednak do stworzenia multimodalnego modelu AI, który w pełni zrozumie rodzimy kontekst historyczny i kulturowy, będzie ich potrzebnych znacznie więcej. Twórcy projektu chcą w pierwszej kolejności zgromadzić milion fotografii wraz z rzetelnie przygotowanymi opisami.

Fotografie mogą przedstawiać te same obiekty widziane z różnych perspektyw oraz w zróżnicowanych warunkach pogodowych. Im większy i bardziej różnorodny zbiór danych uda się zebrać, tym lepszy będzie model, który pomoże zachować cyfrowy obraz Polski i znajdzie praktyczne zastosowanie zarówno w życiu codziennym, jak i w biznesie oraz administracji. Aplikacja nie jest więc celem samym w sobie, lecz narzędziem do gromadzenia danych, które posłużą do trenowania AI rozumiejącej lokalny kontekst także w oparciu o zdjęcia.

Potrzeba stworzenia polskiego modelu wizyjnego Bielik.AI wynika z ograniczeń, z którymi wciąż mierzą się globalne rozwiązania. Przykładowo: popularne modele AI opisują zdjęcie klusek śląskich jako obraz francuskich makaroników lub przygotowanych do pieczenia pączków. Kadr z filmu „Seksmisja” interpretują jako scenę z radzieckiego filmu „Solaris”, a Fontannę Neptuna z gdańskiego Długiego Targu „widzą” jako pomnik w Bolonii.

Takich pomyłek i nieścisłości, które niepostrzeżenie wprowadzają użytkowników w błąd jest bardzo wiele. Wynikają one z tego, że choć duże zagraniczne modele językowe dobrze radzą sobie z rozpoznawaniem ogólnych wzorców, to często nie rozumieją lokalnego kontekstu, ponieważ do ich nauki wykorzystano anglojęzyczne dane. Projekt Obywatel Bielik ma to zmienić, dostarczając obszerny zbiór zdjęć i opisów służących do trenowania multimodalnego Bielika.AI.

Nowa aplikacja została zaprojektowana tak, aby maksymalnie uprościć udział w projekcie. Pozwala dodawać zdjęcia zapisane w telefonie lub wykonać fotografię bezpośrednio z poziomu aplikacji. Opisy można wpisywać ręcznie albo podyktować dzięki funkcji rozpoznawania mowy. Model Bielik pomaga z kolei uporządkować tekst pod względem językowym i interpunkcyjnym. Twórcy aplikacji umożliwili także dodawania opisów do już istniejących zdjęć, które zostały przypisane do ośmiu kategorii tematycznych. W aplikacji znalazły się również cele tygodniowe, statystyki aktywności, rankingi użytkowników oraz elementy grywalizacji zespołowej. Wkrótce pojawią się kolejne funkcjonalności, które mają jeszcze bardziej ułatwić opisywanie zdjęć i zachęcać do regularnego udziału w projekcie.

Multimodalny Bielik.AI znajdzie zastosowanie wszędzie tam, gdzie istotne jest jednoczesne rozumienie obrazu oraz polskiego kontekstu. Będzie wspierał zarówno użytkowników indywidualnych, jak i reprezentantów administracji publicznej oraz samorządowej, a także przedstawicieli biznesu. Na przykład w obszarze e-commerce będzie ułatwiał automatyczne opisywanie i kategoryzowanie produktów, zwłaszcza związanych z lokalną kulturą, rękodziełem czy regionalną żywnością. Sprawdzi się również przy analizie dokumentów, OCR oraz opisywaniu materiałów archiwalnych.

Projekt Obywatel Bielik jest rozwijany przez Fundację SpeakLeash we współpracy z Akademickim Centrum Komputerowym Cyfronet AGH. Partnerami projektu są Narodowe Archiwum Cyfrowe oraz Polska Press Grupa. Narodowe Archiwum Cyfrowe udostępnia archiwalne fotografie, wspierając rozwój pierwszego polskiego modelu multimodalnego. Pracownicy Narodowego Archiwum Cyfrowego dodatkowo zaangażowali się w tworzenie opisów zdjęć oraz weryfikację i uzupełnianie informacji o archiwalnych fotografiach. Uczestniczyli również w testowaniu pilotażowej, dedykowanej wersji aplikacji, co pozwoliło wypracować rozwiązania, które mogą zostać wdrożone w kolejnych etapach rozwoju premierowej aplikacji mobilnej Obywatel Bielik. Z kolei Polska Press Grupa udostępnia wybrane zbiory fotografii, wspierając powiększanie obywatelskiej bazy danych wykorzystywanych do trenowania modelu multimodalnego.