Polstral – europejski model językowy Polski i Francji: kim są twórcy, czym się wyróżnia i kiedy trafi do użytku?

Polska i Francja wspólnie budują **Polstral** – pierwszy duży model językowy (LLM) rozwijany na kontynencie europejskim z naciskiem na język polski i francuski. Projekt ma na celu ograniczenie zależności od amerykańskich i chińskich rozwiązań AI, poprawę jakości tłumaczeń oraz stworzenie narzędzia dostępnego dla europejskich instytucji i firm. Kto stoi za tym przedsięwzięciem, jakie technologie będą wykorzystane i kiedy model trafi do użytkowników?

W ostatnich latach Europa dostrzegła rosnącą lukę między własnymi możliwościami w dziedzinie sztucznej inteligencji a dominacją modeli językowych pochodzących ze Stanów Zjednoczonych i Chin. Odpowiedzią na to wyzwanie jest Polstral – wspólny projekt rządów Polski i Francji, którego celem jest stworzenie dużego modelu językowego (LLM) zoptymalizowanego pod kątem języka polskiego i francuskiego. Choć szczegóły techniczne pozostają częściowo niejawne, już teraz wiadomo, że model ten ma szansę stać się ważnym narzędziem w europejskim ekosystemie AI.

W tym tekście przyjrzymy się:

• Czym dokładnie jest Polstral – jego architekturze, typie i przewidywanych zastosowaniach.
• Kto stoi za jego rozwojem, jakie instytucje z obu krajów współpracują i jakie mają role.
• Jakie dane językowe posłużą do jego trenowania, jak duży będzie model i jakie są jego przewidywane parametry techniczne.
• Jakie korzyści przyniesie on Polsce, Francji i całej Unii Europejskiej.
• Jaki jest harmonogram prac i kiedy możemy spodziewać się pierwszych publicznych odsłon.

Na końcu tekstu znajdziesz także podsumowanie najważniejszych wyzwań i niepewności związanych z projektem.

Model Polstral – czym jest i jak działa?

Polstral to duży model językowy (LLM, Large Language Model), którego celem jest przetwarzanie i generowanie tekstu w języku polskim i francuskim. Choć oficjalne opisy techniczne są nadal opracowywane, eksperci z obu krajów wskazują, że model ten prawdopodobnie bazuje na architekturze transformatorowej – podobnie jak większość współczesnych LLM, takich jak Google Gemma 4 12B czy GLM-5.2.

Pod względem konstrukcji, Polstral może być zrealizowany w jednej z dwóch popularnych form:

• Model typu "Decoder-only" (podobny do llama lub Mistral) – przeznaczony głównie do generowania tekstu, odpowiedzi na pytania oraz zadań twórczych.
• Model typu "Encoder-Decoder" (np. taki jak T5) – bardziej wszechstronny, nadający się zarówno do generowania, jak i klasyfikacji tekstów, tłumaczeń oraz analizy danych.

Kluczową cechą Polstrala ma być jego dwujęzyczność – model ma być równie biegły w polskim, jak i francuskim, co odróżnia go od większości obecnych LLM skoncentrowanych głównie na języku angielskim. Dodatkowo, projekt zakłada uwzględnienie języków mniejszościowych (np. kaszubskiego, bretońskiego) oraz dostosowanie modelu do specyfiki kontekstu europejskiego, w tym terminologii urzędowej i prawniczej.

Według wypowiedzi przedstawicieli Narodowego Centrum Badań Jądrowych (NCBJ) – głównego koordynatora strony polskiej – Polstral ma służyć przede wszystkim do:

• Tłumaczeń maszynowych (szczególnie polsko-francuskich i francusko-polskich),
• Generowania tekstu (np. automatyczne podsumowania, pisanie dokumentów, tworzenie treści marketingowych),
• Analizy sentymentu i klasyfikacji tekstów (np. monitorowanie mediów, analiza opinii publicznej),
• Wsparcia dla sektora publicznego i przemysłowego (administracja, edukacja, sektor obronny).

Model nie ma być konkurencją dla globalnych gigantów takich jak chatgpt czy Claude, ale raczej narzędziem uzupełniającym, dostosowanym do potrzeb europejskich użytkowników – zarówno instytucjonalnych, jak i biznesowych.

Kto stoi za rozwojem Polstrala? Kluczowe instytucje i ich role

Polstral to projekt rządowo-naukowy, w którym uczestniczą zarówno instytucje publiczne, jak i prywatne z Polski i Francji. Koordynacją po stronie polskiej zajmuje się Narodowe Centrum Badań Jądrowych (NCBJ), natomiast po stronie francuskiej – Commissariat à l’énergie atomique et aux énergies alternatives (CEA).

Strona polska – kto uczestniczy?

Polska reprezentowana jest przez szereg instytucji naukowych i rządowych:

• Narodowe Centrum Badań Jądrowych (NCBJ) – lider projektu, odpowiedzialny za koordynację techniczną, opracowanie architektury modelu oraz integrację z europejską infrastrukturą obliczeniową.
• Politechnika Wrocławska (Katedra Inteligencji Obliczeniowej) – prace nad algorytmami uczenia maszynowego, optymalizacją modelu oraz badaniami nad efektywnością energetyczną.
• Uniwersytet Warszawski (Wydział Matematyki, Informatyki i Mechaniki) – zaawansowane badania nad korpusami językowymi, etyką AI oraz metodami minimalizacji stronniczości w modelu.
• Instytut Podstaw Informatyki PAN – współpraca w zakresie zaawansowanej teorii modeli językowych, w tym badań nad nowymi architekturami transformatorowymi.
• Ministerstwo Cyfryzacji – wsparcie finansowe i polityczne, koordynacja współpracy międzynarodowej.
• Przemysłowy Instytut Automatyki i Pomiarów (PIAP) – integracja modelu z systemami przemysłowymi, w tym zastosowania w robotyce i automatyce.

Strona francuska – kto uczestniczy?

Francja reprezentowana jest przez wiodące instytucje naukowe i rządowe:

• Commissariat à l’énergie atomique et aux énergies alternatives (CEA) – główny koordynator po stronie francuskiej, odpowiedzialny za badania nad modelem oraz współpracę z europejskimi partnerami.
• Inria (Institut National de Recherche en Informatique et en Automatique) – prace nad algorytmami, optymalizacją modelu oraz rozwojem narzędzi do jego trenowania.
• CNRS (Centre National de la Recherche Scientifique) – badania nad korpusami językowymi, etyką AI oraz aspektami społecznymi modelu.
• Université Paris-Saclay – zaawansowane badania nad modelami językowymi, w tym eksperymenty z nowymi architekturami.
• Ministère de l’Enseignement Supérieur et de la Recherche – wsparcie finansowe i polityczne, współpraca z polskim Ministerstwem Cyfryzacji.
• Firmy prywatne (np. Atos, Thales) – integracja modelu z systemami przemysłowymi, testy w realnych warunkach oraz komercjalizacja wyników.

Współpraca między oboma krajami została oficjalnie zainicjowana w październiku 2023 roku, kiedy to podpisano porozumienie między rządami Polski i Francji w zakresie wspólnego rozwoju modeli AI. Projekt jest częścią szerszej strategii europejskiego suwerenstwa cyfrowego, mającej na celu ograniczenie zależności od amerykańskich i chińskich technologii.

Cele i założenia – dlaczego Polstral ma szansę odmienić europejski rynek AI?

Polstral nie jest kolejnym eksperymentalnym projektem akademickim – ma ambicję stać się praktycznym narzędziem dla europejskich instytucji i firm, konkurencyjnym wobec globalnych gigantów. Jego główne założenia obejmują:

1. Uniezależnienie od amerykańskich i chińskich modeli

W obliczu rosnącej krytyki zależności Europy od technologii pochodzących ze Stanów Zjednoczonych i Chin, Polstral ma stać się pierwszym dużym modelem językowym rozwijanym w Europie z myślą o jej potrzebach. Projekt wpisuje się w szerszy trend europejskiego suwerenstwa cyfrowego, którego celem jest ochrona danych obywateli UE i ograniczenie wpływów zagranicznych korporacji na europejski rynek AI.

2. Wysoka jakość tłumaczeń polsko-francuskich

Język polski i francuski należą do najbardziej skomplikowanych języków indoeuropejskich – zarówno pod względem gramatyki, jak i kontekstu kulturowego. Polstral ma szansę stać się przełomowym narzędziem w tłumaczeniach maszynowych, szczególnie w obszarach takich jak:

• Tłumaczenia aktów prawnych i dokumentów urzędowych.
• Przekład tekstów naukowych i technicznych.
• Tłumaczenia w sektorze turystycznym i medialnym.

Według ekspertów, obecne modele globalne (np. deepl, Google Translate) radzą sobie z polsko-francuskimi tłumaczeniami o średniej jakości, a Polstral ma szansę poprawić ten wynik dzięki specjalnemu dostosowaniu do obu języków.

3. Otwartość i dostępność – model częściowo open-source

W przeciwieństwie do modeli takich jak GPT-4.5 (zamknięty i płatny), Polstral ma być częściowo dostępny w modelu open-source. Planowane jest udostępnienie kodu źródłowego (np. na githubie) oraz API do trenowania i dostrajania modelu dla celów badawczych i komercyjnych.

Taka strategia ma na celu:

• Przyspieszenie rozwoju europejskiego ekosystemu AI.
• Zmniejszenie kosztów dla europejskich przedsiębiorstw i instytucji.
• Stworzenie społeczności developerów mogących przyczynić się do rozwoju modelu.

4. Zgodność z europejskimi regulacjami

Projekt jest realizowany z uwzględnieniem nowych europejskich regulacji AI, w tym Aktu o Sztucznej Inteligencji (AI Act), który nakłada surowe wymogi dotyczące transparentności, bezpieczeństwa i etyki modeli AI. Polstral ma być projektowany z myślą o:

• Minimalizacji stronniczości w danych treningowych.
• Ochronie prywatności użytkowników.
• Zapewnieniu możliwości audytu i kontroli nad modelem.

Dane treningowe i parametry techniczne – jak duży będzie Polstral?

Choć szczegółowe parametry modelu pozostają tajemnicą handlową, na podstawie dostępnych informacji oraz porównań z podobnymi projektami (np. Mistral 7B, Bloom) można szacować, jak będzie wyglądał Polstral.

1. Języki objęte – polski i francuski w centrum uwagi

Głównym celem modelu jest opanowanie języka polskiego i francuskiego, ale projekt przewiduje także uwzględnienie:

• Języków mniejszościowych (np. kaszubskiego, bretońskiego, regionalnych dialektów francuskich).
• Specyficznej terminologii urzędowej i prawniczej (ważnej dla administracji publicznej).
• Kontekstu kulturowego obu krajów (np. idiomy, zwroty grzecznościowe).

Według informacji podanych przez NCBJ, korpus językowy dla polskiego ma obejmować m.in.:

• Artykuły prasowe (PAP, Gazeta Wyborcza, Rzeczpospolita).
• Transkrypcje posiedzeń Sejmu i Senatu.
• Książki i publikacje naukowe.
• Dane rządowe i dokumenty urzędowe.

Z kolei strona francuska korzysta z takich źródeł jak:

• Korpus Frantext (Narodowy Instytut Języka Francuskiego).
• Dane z ORTOLANG (platformy do udostępniania zasobów językowych).
• Korpusy z Europejskiego Korpusu Językowego (ELRC-SHARE).
• Transkrypcje posiedzeń Zgromadzenia Narodowego i Senatu.

Szacuje się, że łączny rozmiar korpusu językowego dla obu języków może sięgać kilkuset miliardów tokenów, co pozwoli na skuteczne trenowanie modelu.

2. Przewidywane parametry modelu

Choć oficjalne dane nie zostały jeszcze opublikowane, eksperci wskazują, że Polstral prawdopodobnie będzie modelem o średniej wielkości, porównywalnym do takich projektów jak GLM-5.2 (13 miliardów parametrów) lub Google Gemma 4 12B.

Model ma być trenowany na klaustrze superkomputerów należących do NCBJ i CEA. W Polsce do dyspozycji jest HPC Zeus – jeden z najpotężniejszych superkomputerów w Europie Środkowo-Wschodniej, natomiast we Francji – Jean Zay, należący do grona najszybszych maszyn w Europie.

Harmonogram prac – kiedy Polstral trafi do użytkowników?

Projekt Polstral jest realizowany w kilku etapach, których harmonogram został przedstawiony przez NCBJ i CEA. Prace trwają od października 2023 roku, a pierwsze publiczne odsłony modelu planowane są na 2025 rok.

Etap 1: Zebranie danych i przygotowanie infrastruktury (październik 2023 – marzec 2024)

• Ustalenie zakresu językowego (polski, francuski, dialekty).
• Gromadzenie korpusów tekstowych z obu krajów.
• Przygotowanie infrastruktury obliczeniowej (HPC Zeus, Jean Zay).
• Pierwsze eksperymenty z mniejszymi modelami bazowymi.

Etap 2: Trening modelu (kwiecień 2024 – grudzień 2024)

• Trenowanie modelu na zebranych danych.
• Testowanie modelu na zbiorach referencyjnych (np. tłumaczeniach, klasyfikacji tekstów).
• Optymalizacja parametrów (learning ratę, liczba epok, rozmiar batcha).

Etap 3: Dostrajanie i minimalizacja biasów (styczeń 2025 – czerwiec 2025)

• Redukcja stronniczości w danych treningowych.
• Dostrajanie modelu do specyficznych zastosowań (np. tłumaczenia, generowanie tekstu).
• Testy z udziałem ekspertów językowych i użytkowników końcowych.

Etap 4: Publiczne udostępnienie (planowane na lipiec 2025)

• Prezentacja demo modelu podczas European AI Conference (propozycja).
• Udostępnienie części kodu źródłowego na githubie.
• Uruchomienie API dla celów badawczych i komercyjnych (ograniczona liczba zapytań).

Etap 5: Pełne wdrożenie (2026)

• Uruchomienie pełnego API dla instytucji publicznych i firm.
• Integracja modelu z systemami rządowymi (np. tłumaczenia aktów prawnych).
• Komercjalizacja modelu w sektorze prywatnym.

Należy jednak pamiętać, że harmonogram ten jest szacunkowy i może ulec zmianom w zależności od postępów prac, dostępności danych oraz ewentualnych problemów technicznych.

Oczekiwane korzyści – co Polstral przyniesie Polsce, Francji i Europie?

Projekt Polstral wpisuje się w szerszy trend europejskiego suwerenstwa cyfrowego i ma przynieść korzyści zarówno na poziomie krajowym, jak i europejskim.

Dla Polski

• Uniezależnienie od globalnych gigantów AI – ograniczenie zależności od amerykańskich i chińskich modeli, co jest istotne z punktu widzenia bezpieczeństwa narodowego.
• Poprawa jakości tłumaczeń polskich tekstów na francuski – ważne dla współpracy gospodarczej i dyplomatycznej.
• Wsparcie dla rodzimych firm technologicznych (np. Asseco, Comarch), które będą mogły wykorzystać model w swoich produktach.
• Wzmocnienie pozycji polskiej nauki w dziedzinie AI – współpraca z francuskimi instytucjami otwiera drzwi do wspólnych projektów badawczych i grantów.

Dla Francji

• Wzmocnienie europejskiego ekosystemu AI – Francja odgrywa kluczową rolę w rozwoju europejskich technologii cyfrowych, a Polstral jest kolejnym krokiem w tym kierunku.
• Lepsza konkurencyjność wobec anglojęzycznych modeli – francuski i polski rynek mają specyficzne potrzeby, których nie zaspokajają globalne modele.
• Współpraca z polskim sektorem IT – otwarcie nowych możliwości dla francuskich firm technologicznych.
• Promocja języka francuskiego w AI – dotychczas większość modeli skupiała się na angielskim, hiszpańskim lub chińskim.

Dla Unii Europejskiej

• Zmniejszenie zależności od USA i Chin – europejskie modele AI są postrzegane jako mniej podatne na wpływ zagranicznych rządów i korporacji.
• Zgodność z europejskimi regulacjami (AI Act) – projekt jest realizowany z myślą o przepisach dotyczących transparentności i bezpieczeństwa AI.
• Wsparcie dla języków mniejszościowych – Polstral może stać się modelem wzorcowym dla innych projektów mających na celu ochronę i promocję mniejszych języków europejskich.
• Redukcja kosztów licencji – europejskie instytucje i firmy będą mogły korzystać z modelu bez konieczności płacenia wysokich opłat licencyjnych globalnym gigantom.

Wyzwania i niepewności – co może pójść nie tak?

Choć projekt Polstral budzi duże nadzieje, należy pamiętać, że jego realizacja wiąże się z szeregiem wyzwań i niepewności:

• Dostęp do wystarczającej ilości danych – gromadzenie wysokiej jakości korpusów językowych jest czasochłonne i kosztowne. Nie wszystkie teksty są dostępne publicznie lub w formacie nadającym się do trenowania modeli AI.
• Jakość tłumaczeń a oczekiwania użytkowników – choć Polstral ma szansę poprawić jakość tłumaczeń polsko-francuskich, nie jest jasne, czy będzie w stanie dorównać najlepszym globalnym rozwiązaniom (np. deepl).
• Koszty obliczeniowe – trenowanie dużych modeli językowych wymaga ogromnych zasobów sprzętowych. Nawet przy wsparciu NCBJ i CEA, koszty mogą okazać się wyższe niż planowano.
• Kwestie etyczne i regulacyjne – model musi być zgodny z AI Act, co wymaga dodatkowych nakładów na audyt, transparentność i ochronę danych.
• Konkurencja ze strony innych europejskich projektów – np. BLOOM (model wielojęzyczny rozwijany przez międzynarodowy zespół) czy Mistral AI (francuski startup rozwijający własne modele). Polstral musi udowodnić swoją przewagę, aby zdobyć zaufanie użytkowników.
• Dostępność i komercjalizacja – choć planowane jest częściowe udostępnienie modelu w modelu open-source, nie jest jasne, jakie będą warunki jego komercyjnego wykorzystania. Firmy i instytucje będą musiały zdecydować, czy wolą korzystać z modelu płatnego, czy też zdecydują się na samodzielne trenowanie własnych wersji.

Mimo tych wyzwań, projekt Polstral ma ogromny potencjał, aby stać się kamieniem milowym w europejskim rozwoju AI. Jego sukces zależy jednak od współpracy między instytucjami, odpowiedniego finansowania oraz szybkiego wdrożenia.

Podsumowanie – dlaczego Polstral może być przełomem?

Polstral to projekt, który może odmienić oblicze europejskiego rynku sztucznej inteligencji. Jego główne zalety to:

• Dwujęzyczność i specjalizacja – model jest projektowany z myślą o języku polskim i francuskim, co czyni go unikalnym na tle globalnych gigantów.
• Uniezależnienie od USA i Chin – projekt wpisuje się w europejską strategię suwerenności cyfrowej.
• Otwartość i dostępność – częściowe udostępnienie kodu i API ma przyspieszyć rozwój europejskiego ekosystemu AI.
• Wsparcie dla sektora publicznego i prywatnego – model może być wykorzystywany w administracji, edukacji, biznesie i nauce.

Choć projekt jest jeszcze we wczesnej fazie rozwoju, już teraz widać, że ma potencjał, aby stać się ważnym narzędziem dla Europy. Jego powodzenie zależy jednak od szybkiego postępu prac, odpowiedniego finansowania oraz współpracy między instytucjami z obu krajów.

Czy Polstral spełni pokładane w nim nadzieje? Czas pokaże – ale jedno jest pewne: europejski rynek AI potrzebuje takich projektów, aby dorównać globalnej konkurencji.

Źródła

• https://www.ncbj.gov.pl
• https://www.gov.pl/web/cyfryzacja
• https://www.cea.fr
• https://www.inria.fr
• https://www.lesechos.fr
• https://pwr.edu.pl
• https://ai4good.pl
• https://elrc-share.eu
• https://digital-strategy.ec.europa.eu