Piętnaście minut na winorośl

Meta opublikowała 21 lipca 2026 roku wpis opisujący, jak jej modele są wykorzystywane w pierwszej fali projektów Misji Genesis, a wybrana demonstracja to kawałek nauki rolniczej. Badacze wykonali skany mikrotomograficzne winorośli poddanych stresowi suszy, a potok automatycznie zidentyfikował naczynia ksylemu, czyli struktury przenoszące wodę przez roślinę, dzięki czemu zespół mógł śledzić, jak zmieniał się transport wody w miarę postępu suszy.

Liczba, która się z tym wiąże, jest sednem. W pełni zrekonstruowana bryła trójwymiarowa wraca w około 15 minut. Zastępowany przepływ analityczny mierzono w miesiącach, a deklarowana ambicja polega na tym, by wielkie instalacje synchrotronowe i neutronowe zachowywały się mniej jak przetwarzanie wsadowe, a bardziej jak samojezdne laboratoria, w których wynik jednego pomiaru może kształtować kolejny, gdy próbka wciąż jest zamontowana.

Z czego naprawdę składa się ten potok

Projekt nazywa się SYNAPS-I, od Synergistic Neutron and Photon Science - Intelligence, i mieści się w Misji Genesis, inicjatywie Departamentu Energii uruchomionej pod koniec 2025 roku i obejmującej jego 17 laboratoriów narodowych. Kieruje nim Lawrence Berkeley National Laboratory, a wśród pięciu uczestniczących laboratoriów są Argonne, Brookhaven i Oak Ridge; Berkeley opisuje przedsięwzięcie jako połączenie siedmiu obiektów Departamentu. Prowadzi je Alexander Hexemer, starszy naukowiec w Berkeley.

Mierzalne nakłady to 60 badaczy, 300 kart A100 rozmieszczonych w centrum superkomputerowym NERSC oraz napływający strumień dziesiątek petabajtów danych obrazowych rocznie z obiektów użytkowych Departamentu. Podsekretarz Dario Gil ujął zamierzony rezultat bez ogródek, mówiąc, że skraca on czas odkrycia z dni do chwil i ustanawia ciągły, samodoskonalący się model nauki. To opis przepustowości, a przepustowość była dokładnie tym, czego brakowało.

Oba modele nie kosztują nic

W sercu pracy segmentacyjnej leżą dwa wydania Meta. DINOv3 to samonadzorowany model wizyjny, czyli uczy się struktury wizualnej z surowych obrazów bez wcześniejszego oznaczania ich przez kogokolwiek. Segment Anything Model 3 idzie dalej i rysuje precyzyjne granice na poziomie pikseli wokół pojedynczych obiektów, wykonując w sekundy obrys, który naukowiec robiłby inaczej ręcznie.

Oba są otwarte. To opublikowane modele, które firma w Rotterdamie, Stuttgarcie czy Bilbao może pobrać i uruchomić dziś po południu, na tych samych warunkach co amerykańskie laboratorium narodowe, bez cyklu zakupowego, bez licencji eksportowej i bez opłaty za stanowisko. Warto powiedzieć to wprost, bo odruchem przy czytaniu o sztucznej inteligencji w laboratoriach narodowych jest założenie, że zdolność jest niejawna, robiona na zamówienie albo możliwa do nabycia wyłącznie w skali programu państwowego. W tym przypadku najbardziej egzotycznie brzmiąca część jest tą swobodnie dostępną.

Co mają laboratoria, a czego wy nie macie

Ciekawe pytanie odwraca się zatem. Skoro modele są darmowe, co właściwie kupuje SYNAPS-I z programem narodowym za plecami? Trzy rzeczy, i żadna z nich nie jest algorytmem. Ma 300 kart graficznych w gotowości, co jest zobowiązaniem kapitałowym i energetycznym, a nie sprytnym pomysłem. Ma dziesięciolecia danych obrazowych z linii wiązki i z neutronów wraz z przypisaną wiedzą dziedzinową, czyli dokładnie ten składnik, którego ogólny model wizyjny potrzebuje, by stać się użytecznym dla konkretnej klasy materiału. I ma 60 osób rozumiejących zarówno przyrząd, jak i model.

Czytane jako stwierdzenie konkurencyjne, mówi to coś niewygodnego i użytecznego. Przewaga w stosowanym widzeniu maszynowym przesunęła się z warstwy modelu na moc obliczeniową i własne dane dziedzinowe. Firma, która od piętnastu lat prowadzi tomografię przemysłową własnych odlewów, siedzi na zasobie, którego żadne otwarte wydanie modelu nie odtworzy i którego żaden konkurent nie pobierze. Dystans między taką firmą a laboratorium narodowym jest dziś kwestią infrastruktury i przygotowania danych, czyli pozycją budżetową, a nie kwestią dostępu do algorytmu, która kiedyś była murem.

Pytanie zakupowe, w które to się zamienia

Praktyczne działanie dla właściciela firmy jest mało efektowne i zaczyna się od inwentaryzacji, a nie od pilotażu. Ustalcie, jakie dane obrazowe wasza działalność już posiada, ile z nich zostało oznaczonych lub opisanych przez kogoś, kto wiedział, na co patrzy, oraz czy są przechowywane w postaci nadającej się do uczenia, a nie jedynie zarchiwizowanej na potrzeby zgodności. Taki przegląd jest tani, może go wykonać personel już zatrudniony i rozstrzyga, czy cokolwiek z tego jest w ogóle w waszym zasięgu.

Dopiero potem wyceńcie moc obliczeniową, i zróbcie to uczciwie wobec alternatywy zaniechania. Europejskie firmy działają na bazie kosztu energii elektrycznej, która czyni stale pracujący klaster kart graficznych trudniejszym do obrony niż w przypadku obiektu w programie narodowym, co przemawia za mocą wynajmowaną zamiast własnego sprzętu wszędzie tam, gdzie nie chodzi o ciągłe wnioskowanie. Kolejność, która działa, to najpierw dane, potem model, sprzęt na końcu, a powodem jest dokładnie to, co pokazuje ten komunikat: model nigdy nie był ograniczeniem.

Czytaj dalej: Aramco właśnie postawiło 800 milionów na tańszą AI  |  Europa wspiera model, który możesz pobrać i sam hostować