Żeby Polska nie była Nokią: jak racjonalnie zarządzać nauką, by nie załamała się gospodarka

To wynik niespotykany w żadnym innym państwie Unii Europejskiej. Od 1990 r. nasz PKB per capita wzrósł ponad trzykrotnie, osiągając 70–80 proc. średniej unijnej. Dogoniliśmy Portugalię i Grecję, a w niektórych wskaźnikach nawet Włochy. Trzeba jasno przyznać, że polska nauka miała w tym dotychczasowym sukcesie udział niewielki. Dziś stoimy w obliczu klasycznego błędu, który pogrzebał rynkowych gigantów. Na przykład Nokię, która – upojona sukcesem swoich telefonów – nie dostrzegła w 2007 r. rewolucji smartfonowej, czy Microsoft z jego spóźnionymi pomysłami na system operacyjny dla platform mobilnych Windows Phone, wirtualną asystentkę Cortanę i wyszukiwarkę Bing. Polska, nie inwestując w badania podstawowe, wdrożeniowe i transfer wiedzy, ryzykuje ten sam scenariusz.

Wraz z rozwojem gospodarczym koszty pracy przestają być naszą przewagą. Jak ostrzega Bank Światowy, paradygmat imitacji musi zostać zastąpiony przez paradygmat innowacji. Jeśli tego nie zrobimy, kraje, które automatyzują przemysł za pomocą AI, przestaną potrzebować naszych produktów, co uderzy w polski eksport generujący 53 proc. PKB.

Przełomowe innowacje zaczynają się od badań podstawowych, a dopiero później poprzez prace rozwojowe i wdrożeniowe trafiają do gospodarki, choć ten etap bywa mało widoczny. Dobrym przykładem jest sztuczna inteligencja – jej rozwój nie rozpoczął się wraz z premierą ChatGPT w 2022 r., lecz jest efektem dekad pracy badawczej. Warto pamiętać, że John Hopfield z Princeton University i Geoffrey Hinton z University of Toronto Nagrodę Nobla za badania nad sieciami neuronowymi z lat 80. otrzymali w 2024 r. Austriacki fizyk doświadczalny Anton Zeilinger (wraz z Alainem Aspectem i Johnem F. Clauserem) – za technologie kwantowe w 2022 r. Na marginesie dodajmy, że Austria uznała badania w tym obszarze za strategiczny zasób narodowy.

Objawy

Można zatem działać inaczej, co udowadniają także Chiny. Choć startowały z podobnego pułapu niskich kosztów, rząd – po przegranej przez mistrzów go Lee Sedola i Ke Jie z AlphaGo – postawił na naukę. Profesor zarabia tam około czterech średnich krajowych, a członek Akademii Nauk nawet około kilkunastu, ciesząc się statusem urzędnika wysokiego szczebla. W Polsce naukowiec z tym tytułem zarabia niewiele ponad średnią krajową. Rezultat? Chiny dominują dziś w technologiach przyszłości: bateriach, autach elektrycznych i fotowoltaice, a nawet w AI.

Polska wypada blado również na tle Europy. Po 2018 r. w Niemczech, we Francji, Hiszpanii czy Włoszech utworzono wiele instytutów naukowych i pozycji profesorskich związanych ze sztuczną inteligencją. Podczas gdy Wielka Brytania wspiera ponad 200 doktorantów rocznie w sieciach centrów AI, u nas w jedynym takim ośrodku (IDEAS NCBR) podobny program obejmuje zaledwie 20 osób – to kropla w morzu potrzeb. Brak też w obszarze AI projektów, w ramach których można rozwijać i wdrażać nowe technologie w praktyce i pogłębiać wiedzę zarówno kadry naukowej, jak i doktorantów.

Politykom w Polsce często brakuje długofalowej perspektywy – ważniejsza jest logika najbliższych wyborów. W rezultacie środki publiczne częściej trafiają na działania, których efekt pojawia się szybko, podczas gdy relatywnie niewielkie nakłady idą na rozwój kadr – np. w obszarze AI. Państwo wydające miliardy złotych na obniżenie cen paliw (szacuje się, że koszt dzienny braku wpływów z VAT i akcyzy to ok. 55 mln zł) nie jest w stanie wygospodarować dodatkowo połowy tej sumy na kształcenie doktorantów w zakresie sztucznej inteligencji.

Diagnoza

Polska nauka jest nie tylko niedofinansowana, lecz przede wszystkim zarządzana w sposób nieracjonalny.

Beton i sprzęt zamiast ludzi. Łatwiej pozyskać środki na nowoczesne budynki niż na projekty i wynagrodzenia dla badaczy. Mamy nowoczesną infrastrukturę, superkomputery, będą „gigafabryki AI”, ale dotychczasowe inwestycje były słabo wykorzystane, bo zabrakło pomysłów, jak to zrobić, i finansowania ludzi, którzy mogliby się tym zająć.

Sztuczny podział: Narodowe Centrum Nauki vs Narodowe Centrum Badań i Rozwoju. NCN finansuje badania czysto podstawowe, bez bezpośrednich zastosowań komercyjnych, a NCBR wymaga natychmiastowej komercjalizacji pod groźbą konieczności zwrotu środków. Brak finansowania etapów pośrednich – nie tylko tych o wysokim potencjale zwrotu (high-gain), lecz także tych wysokiego ryzyka (high-risk), realizowanych wspólnie przez naukę i przemysł. Taki sposób finansowania badań zniechęca zresztą do tego typu współpracy.

Eksport talentów. Zamiast budować siłę naszej gospodarki, nasi najlepsi absolwenci tworzą brytyjskie jednorożce (jak Eleven Labs) lub zasilają Dolinę Krzemową. Tracimy ich, ponieważ polski system oferuje pracę „projektową” bez ciągłości zatrudnienia.

Punkty zamiast jakości. Oceniając naukę, premiuje się liczbę publikacji, a nie ich znaczenie. Ma to zresztą niewielki wpływ na finansowanie badań, a środki często są dzielone równo, zamiast trafiać do wybijających się naukowców. Jedynie Fundacja na rzecz Nauki Polskiej działa zgodnie z hasłem „Wspierać najlepszych, aby stali się jeszcze lepsi”.

Brak priorytetów. Finansowanie nie odpowiada potrzebom gospodarki. Mamy zbyt mało absolwentów STEM (nauka, technologia, inżynieria, matematyka), brakuje aktywnej polityki wspierającej kluczowe obszary.

Terapia

Rząd oczekujący innowacji bez inwestycji w badania podstawowe jest jak rolnik, który chce zbierać żniwa, nie siejąc i nie orząc. Postulujemy zatem:

Inwestycje w kadry, nie tylko w infrastrukturę. Każda inwestycja w sprzęt (np. komputer kwantowy) musi być powiązana z programem badawczym umożliwiającym racjonalne wykorzystanie tej infrastruktury, finansowanie ludzi i rozwój kadr, uwzględniającym wsparcie dla całego cyklu pracy naukowej, której początkiem jest doktorat.

Finansowanie pełnego cyklu. Oprócz wzrostu nakładów na naukę niezbędna jest racjonalizacja wydatków – od badań podstawowych po komercjalizację, ze szczególnym uwzględnieniem projektów wysokiego ryzyka.

Priorytetyzacja STEM i AI: Zwiększenie nakładów na technologie informacyjno-komunikacyjne (ICT), AI i cyberbezpieczeństwa. To sektory, które generują ok. 4,5 proc. polskiego PKB (w krajach nordyckich i Korei Południowej to 8–9 proc.). Zdaniem Banku Światowego zastosowanie oprogramowania i narzędzi opartych na AI mogłoby zwiększyć naszą produktywność pracy nawet o 10–15 proc.

Wola polityczna ponad cykl wyborczy. Inwestycje w naukę dają największe zwroty, ale wymagają wizji wykraczającej poza najbliższe wybory.

Powikłania

W listopadzie 2024 r. Komitet Informatyki PAN opublikował list otwarty, wskazując na szanse (i zagrożenia) związane z rozwojem technologii cyfrowych dla gospodarki, ochrony zdrowia i bezpieczeństwa państwa. Kilka miesięcy później powstała nieformalna Grupa Czołowych Polskich Naukowców Informatyków, która zadeklarowała wspólne działania na rzecz wzmocnienia roli nauki i informatyki w polityce państwa. Inicjatywa została zauważona przez rząd, odbyły się spotkania z premierem oraz właściwymi ministrami. Tyle że wiele miesięcy rozmów i propozycji działań nie przełożyło się na konkretne decyzje, co stawia pod znakiem zapytania realność zapowiadanego wsparcia dla innowacji.

• • •

Polska znalazła się w punkcie krytycznym. Dalsze trwanie przy modelu taniej pracy i imitacji oznacza stopniową utratę konkurencyjności. Historia pokazuje, że nawet najwięksi mogą upaść, jeśli zignorują moment przełomu. Nokia przespała rewolucję. Polska nie może sobie pozwolić na ten błąd. Rozwój sztucznej inteligencji i jej szerokie wdrażanie mają strategiczne znaczenie. Jak stwierdził Andrej Karpathy, słowacko-kanadyjski badacz sztucznej inteligencji, myślenie można będzie zlecić AI, ale rozumienia już nie.

prof. dr hab. Andrzej Cichocki, Instytut Badań Systemowych PAN
prof. dr hab. Włodzisław Duch, Uniwersytet Mikołaja Kopernika
prof. dr hab. Andrzej Jaszkiewicz, Politechnika Poznańska
dr hab. inż. Wojciech Salabun, Zachodniopomorski Uniwersytet Technologiczny w Szczecinie
prof. dr hab. inż. Michał Woźniak, Politechnika Wrocławska