ROZWÓJ TECHNOLOGII BIG DATA W OBLICZU ZACHODNICH SANKCJI I STRATEGIE ADAPTACYJNE FIRM ORAZ PAŃSTWA. EWOLUCJA MODELI UCZENIA MASZYNOWEGO I GŁĘBOKIEGO W FEDERACJI ROSYJSKIEJ OD 2022 ROKU
Wprowadzenie
Technologie Big Data oraz modele uczenia maszynowego (ang. machine learning) i głębokiego (ang. deep learning) odgrywają kluczową rolę w rozwoju współczesnych gospodarek i systemów zarządzania danymi. Ich zastosowanie obejmuje zarówno sektor komercyjny, jak i administrację publiczną, obronność czy przemysł. Współczesne algorytmy sztucznej inteligencji (ang. artificial intelligence) wymagają dostępu do zaawansowanych narzędzi obliczeniowych oraz ekosystemów oprogramowania rozwijanych przez globalnych liderów technologicznych. Jednak od 2022 roku Federacja Rosyjska zmaga się z bezprecedensowymi wyzwaniami wynikającymi z sankcji gospodarczych, które wpłynęły na dostęp do kluczowych technologii i infrastruktury. Ograniczenia te nie tylko spowolniły rozwój sektora AI i Big Data w Rosji, ale także wymusiły zmianę strategii firm oraz instytucji państwowych.
Sankcje nałożone przez państwa zachodnie, w tym Stany Zjednoczone i Unię Europejską, objęły szeroki zakres technologii, od procesorów i sprzętu obliczeniowego po licencje na oprogramowanie i dostęp do międzynarodowych centrów danych. Przykładowo w 2022 roku firmy takie jak Intel i NVIDIA zawiesiły dostawy procesorów graficznych oraz układów obliczeniowych dla podmiotów rosyjskich, co znacząco wpłynęło na rozwój zaawansowanych systemów AI w kraju[1]. Dodatkowo wykluczenie Rosji z międzynarodowych sieci finansowych i ograniczenie współpracy akademickiej utrudniło wymianę wiedzy oraz korzystanie z zachodnich zasobów chmurowych, takich jak Google Cloud czy AWS. W obliczu tych wyzwań rosyjskie firmy i instytucje zaczęły opracowywać alternatywne strategie adaptacyjne, które pozwalają na kontynuację rozwoju technologicznego mimo sankcji.
Jednym z kluczowych elementów strategii adaptacyjnych było zwiększenie nacisku na rozwój własnej infrastruktury sprzętowej i oprogramowania open-source. Rosyjskie firmy technologiczne, takie jak Yandex i Sberbank[2], zaczęły intensyfikować prace nad lokalnymi modelami AI i rozwiązaniami chmurowymi, ograniczając swoją zależność od zachodnich dostawców. Wprowadzono także nowe inicjatywy mające na celu zastąpienie popularnych bibliotek ML i DL, takich jak TensorFlow czy PyTorch[3], alternatywami rozwijanymi na poziomie krajowym. Przykładem takiej inicjatywy jest rozwój GigaChat – rosyjskiego odpowiednika ChatGPT, stworzonego przez Sberbank, który stanowi alternatywę dla zachodnich systemów AI.
Oprócz inicjatyw biznesowych, istotną rolę w adaptacji do sankcji odegrały także decyzje rządowe. Władze Federacji Rosyjskiej ogłosiły programy wsparcia dla sektora technologicznego, oferując dotacje oraz ulgi podatkowe dla firm pracujących nad autonomicznymi systemami AI i przetwarzaniem Big Data. Ponadto rząd zwiększył inwestycje w badania nad półprzewodnikami i komputerami wysokiej wydajności (HPC)[4], mając na celu ograniczenie zależności od importowanych rozwiązań. Współpraca z krajami spoza Zachodu, takimi jak Chiny czy Indie, stała się kluczowym elementem strategii dywersyfikacji dostaw technologii oraz wiedzy eksperckiej.
Rosyjski sektor technologiczny zmaga się także z poważnym problemem odpływu talentów, który nasilił się po 2022 roku. Wielu wysoko wykwalifikowanych specjalistów IT zdecydowało się na emigrację, co spowodowało lukę kadrową w kluczowych dziedzinach, takich jak analiza Big Data czy inżynieria AI[5]. Według danych na pierwszy kwartał 2024 roku, od początku pełnoskalowej inwazji na Ukrainę, z Rosji wyjechało ok. 100 tyś informatyków[6]. W odpowiedzi na ten kryzys rząd wdrożył programy mające na celu zatrzymanie talentów w kraju, m.in. poprzez preferencyjne kredyty hipoteczne dla programistów czy uproszczone procedury rekrutacyjne do państwowych instytutów badawczych. Pomimo tych działań, niedobór ekspertów wciąż stanowi istotne wyzwanie dla długoterminowego rozwoju rosyjskiej branży AI.
Oprócz wyzwań technologicznych i kadrowych, Rosja stara się także zbudować alternatywną infrastrukturę wymiany danych i analizy Big Data. W tym celu powstają krajowe ekosystemy AI, które mają zastąpić popularne międzynarodowe platformy, takie jak Google AI lub OpenAI. Projekty te obejmują zarówno rozwój krajowych serwerowni i systemów przetwarzania danych, jak i tworzenie narodowych repozytoriów zbiorów treningowych dla modeli uczenia maszynowego[7]. Pomimo ograniczeń, jakie narzucają sankcje, te działania wskazują na próbę uniezależnienia rosyjskiego rynku technologicznego od zagranicznych rozwiązań.
Niniejszy artykuł analizuje wpływ sankcji na rozwój technologii Big Data i AI w Rosji, uwzględniając zarówno bariery, jak i działania adaptacyjne podejmowane przez firmy i instytucje państwowe. Omówiona zostanie ewolucja modeli uczenia maszynowego oraz kluczowe strategie, które pozwalają rosyjskiemu sektorowi technologicznemu na kontynuację badań i wdrożeń. W artykule podjęta zostanie również próba oceny skuteczności przyjętych rozwiązań oraz ich potencjalnego wpływu na przyszłość sektora Big Data i AI w Federacji Rosyjskiej.
GigaChat
Rozwój modeli sztucznej inteligencji w ostatnich latach stał się jednym z najważniejszych elementów globalnej rywalizacji technologicznej. W odpowiedzi na dominację zachodnich firm w sektorze przetwarzania języka naturalnego, rosyjski gigant bankowy Sberbank opracował model GigaChat, który stanowi odpowiedź na ChatGPT od OpenAI[8]. Projekt ten jest istotny z kilku powodów – nie tylko podkreśla zdolność Rosji do samodzielnego rozwijania zaawansowanych technologii, ale również wpisuje się w szeroko zakrojone inicjatywy suwerenności cyfrowej. W związku z sankcjami i ograniczeniami technologicznymi, GigaChat jest przykładem dążenia do niezależności technologicznej i ograniczenia wpływu zachodnich rozwiązań na rosyjski rynek. Tworzenie własnych modeli AI ma kluczowe znaczenie dla bezpieczeństwa narodowego, cyberbezpieczeństwa oraz przyszłości gospodarki opartej na danych.
W szerszym kontekście stosunków międzynarodowych rozwój GigaChat jest częścią rosnącej rywalizacji w obszarze sztucznej inteligencji, w której głównymi graczami są Stany Zjednoczone, Chiny oraz Unia Europejska. Dominacja firm takich jak OpenAI, Google DeepMind czy Meta w dziedzinie NLP (Natural Language Processing) oraz generatywnych sieci neuronowych sprawia, że kraje dążące do autonomii technologicznej muszą rozwijać własne modele. Chiny mają swoje wersje zaawansowanych systemów AI, takich jak Ernie Bot od Baidu[9] czy SenseChat od SenseTime[10]. W tym kontekście Rosja, poprzez rozwój GigaChat, próbuje nadrobić zaległości i stworzyć model, który będzie mógł konkurować na arenie międzynarodowej. Warto podkreślić, że rywalizacja w obszarze AI to nie tylko kwestia prestiżu, ale również potencjalnych zastosowań wojskowych, gospodarczych i politycznych.
Pojawienie się GigaChat rodzi pytanie, czy model ten może stać się alternatywą dla istniejących ekosystemów uczenia maszynowego, takich jak TensorFlow czy PyTorch. W przeciwieństwie do tych frameworków, które są ogólnymi narzędziami do budowania sieci neuronowych i aplikacji AI, GigaChat jest wyspecjalizowanym modelem konwersacyjnym do przetwarzania języka naturalnego. Nie jest on bezpośrednim konkurentem TensorFlow czy PyTorch, ale stanowi rosyjską odpowiedź na technologie LLM (Large Language Models), które są wykorzystywane w takich produktach jak ChatGPT, Claude czy Gemini. Może jednak korzystać z tych frameworków jako podstawy do trenowania i implementacji swoich modeli. W kontekście zamkniętej architektury i ograniczonej dostępności, GigaChat pozostaje w dużej mierze rozwiązaniem krajowym, przeznaczonym dla rosyjskiego rynku[11].
Technologie zastosowane przy tworzeniu GigaChat pozostają częściowo niejawne, jednak można się domyślić, że model ten wykorzystuje głębokie sieci neuronowe[12] i architekturę transformerów[13], podobnie jak inne zaawansowane systemy przetwarzania języka naturalnego. Sberbank i powiązane instytucje naukowe pracujące nad modelem skorzystały z własnych rozwiązań obliczeniowych, wykorzystując zarówno krajowe centra danych, jak i sprzęt przystosowany do trenowania wielkoskalowych modeli AI. W przeciwieństwie do OpenAI, które bazuje na rozwiązaniach Nvidii i specjalistycznych układach GPU, Rosja musiała poszukiwać alternatyw w kontekście sprzętowym, co mogło wpłynąć na wydajność i skalowalność modelu. Można także spekulować, że do trenowania GigaChat wykorzystano rosyjskie procesory Elbrus oraz platformy takie jak Yandex DataSphere[14], które są krajową odpowiedzią na chmurowe rozwiązania Google i Amazona.
Jeśli chodzi o implementację technologiczną, GigaChat został najprawdopodobniej napisany głównie w językach Python i C++, co jest standardem w projektach AI. Python pozostaje dominującym językiem w środowisku uczenia maszynowego ze względu na swoją czytelność, bogaty ekosystem bibliotek (np. NumPy, TensorFlow, PyTorch) oraz łatwość integracji z różnymi systemami. C++ mógł zostać użyty w celu optymalizacji wydajności krytycznych elementów modelu, takich jak przetwarzanie macierzowe i operacje na tensorach. Możliwe jest również wykorzystanie technologii CUDA[15] lub innych frameworków umożliwiających przyspieszenie obliczeń na układach graficznych. Warto również zauważyć, że kod źródłowy GigaChat nie jest publicznie dostępny, co utrudnia analizę szczegółów jego implementacji.
Zastosowania GigaChat obejmują zarówno komunikację biznesową, jak i wsparcie dla użytkowników w zakresie generowania treści, analizowania danych czy automatyzacji procesów. Model ten został zintegrowany z rosyjskim asystentem głosowym Salut, a także platformami społecznościowymi, takimi jak VKontakte czy Telegram. W przyszłości można się spodziewać dalszej integracji z systemami rządowymi oraz narzędziami wykorzystywanymi w edukacji, badaniach naukowych i administracji publicznej. Rosyjski rząd może również wykorzystać GigaChat jako alternatywę dla rozwiązań zachodnich w sektorze obronnym i wywiadowczym. W związku z ograniczeniami w dostępie do globalnych narzędzi AI, GigaChat ma kluczowe znaczenie dla budowania rosyjskiego ekosystemu sztucznej inteligencji.
NtechLab
NtechLab to rosyjska firma specjalizująca się w zaawansowanych rozwiązaniach analityki wideo opartych na sztucznej inteligencji. Założona w 2015 roku przez Artioma Kucharienkę i Aleksandra Kabakowa, firma szybko zyskała międzynarodowe uznanie dzięki swoim technologiom rozpoznawania twarzy i obiektów. Jej siedziba główna znajduje się w Moskwie, a działalność obejmuje ponad 30 krajów na całym świecie. NtechLab zatrudnia ponad 200 młodych naukowców danych, badaczy, deweloperów i analityków, którzy wspólnie pracują nad doskonaleniem technologii rozpoznawania. Firma jest uznawana za globalnego eksperta w dziedzinie rozwiązań analityki wideo zasilanych sztuczną inteligencją[16].
Głównym produktem NtechLab jest FindFace Multi, platforma oferująca rozpoznawanie twarzy, sylwetek, pojazdów oraz numerów rejestracyjnych[17]. Technologia ta umożliwia identyfikację osób w tłumie, śledzenie ich ruchu na podstawie cech ciała oraz wykrywanie pojazdów i ich numerów rejestracyjnych. Rozwiązania NtechLab znajdują zastosowanie w sektorach takich jak bezpieczeństwo publiczne, transport, handel detaliczny oraz finanse. Dzięki integracji z istniejącymi infrastrukturami klientów, systemy te pomagają w tworzeniu bezpieczniejszego i bardziej komfortowego środowiska miejskiego oraz zwiększają konkurencyjność przedsiębiorstw.
Po wybuchu pełnoskalowej wojny na Ukrainie w 2022 roku, NtechLab stanęło przed wyzwaniami związanymi z działalnością na rynkach międzynarodowych. Założyciele firmy, Artiom Kucharienko i Aleksandr Kabakow, opuścili Rosję odpowiednio w grudniu 2021 i marcu 2022 roku[18], krótko po rozpoczęciu konfliktu. W marcu 2023 roku ogłosili rezygnację z powodu nieporozumień z zarządem i inwestorami dotyczących projektów realizowanych w Rosji. Głównym punktem spornym była kontynuacja działalności firmy w kraju, podczas gdy założyciele opowiadali się za jej zakończeniem i relokacją pracowników. Po opuszczeniu kraju przez założycieli firmy, zarząd zdecydował się na współpracę z rządem. Na oficjalnej stronie internetowej przedsiębiorstwa nie sposób jednak znaleźć informację o tym, kto obecnie nią zarządza.
Technologie rozwijane przez NtechLab opierają się na zaawansowanych algorytmach uczenia maszynowego i głębokiego uczenia. Uczenie maszynowe to gałąź sztucznej inteligencji, w której systemy uczą się na podstawie danych, identyfikując wzorce i podejmując decyzje z minimalną interwencją człowieka. Uczenie głębokie, będące podzbiorem uczenia maszynowego, wykorzystuje wielowarstwowe sieci neuronowe do analizy dużych i złożonych zbiorów danych, takich jak obrazy czy dźwięki. Dzięki temu systemy NtechLab potrafią analizować i interpretować złożone wzorce w danych wizualnych, co przekłada się na wysoką precyzję i szybkość identyfikacji.
W kontekście projektów NtechLab, uczenie głębokie odgrywa kluczową rolę w rozwoju algorytmów rozpoznawania twarzy i obiektów. Dzięki zastosowaniu głębokich sieci neuronowych, systemy te potrafią analizować i interpretować złożone wzorce w danych wizualnych, co przekłada się na wysoką precyzję i szybkość identyfikacji. Takie podejście umożliwia skuteczne działanie nawet w trudnych warunkach, takich jak słabe oświetlenie czy zmienne kąty widzenia. Ponadto, technologia ta pozwala na rozpoznawanie dodatkowych cech, takich jak płeć, wiek, emocje, okulary, broda czy maseczka na twarzy, co zwiększa zakres zastosowań systemów NtechLab.
NtechLab korzysta z różnych technologii wspierających rozwój i wdrażanie swoich rozwiązań. Oprócz własnych algorytmów, firma integruje swoje systemy z istniejącymi infrastrukturami klientów, dostosowując je do specyficznych potrzeb i wymagań. Dzięki modułowej budowie, rozwiązania NtechLab są elastyczne i mogą być skalowane w zależności od wielkości i charakteru projektu. Ponadto warto wspomnieć, że firma współpracuje z ponad 300 partnerami i klientami na całym świecie[19].
W ciągu ostatnich lat NtechLab zdobyło liczne nagrody i wyróżnienia za swoje osiągnięcia w dziedzinie analityki wideo i rozpoznawania twarzy. Ich technologie zostały docenione przez takie organizacje jak National Institute of Standards and Technology (NIST) oraz Intelligence Advanced Research Projects Activity (IARPA)[20]. Regularne testy i udział w międzynarodowych konkursach potwierdzają wysoką jakość i skuteczność rozwiązań oferowanych przez firmę. W 2021 roku technologia NtechLab została uznana za najbardziej precyzyjną sieć neuronową do rozpoznawania twarzy na świecie według testów NIST.
Podsumowanie
Rozwój technologii Big Data i sztucznej inteligencji (AI) w Rosji od 2022 roku napotyka liczne wyzwania wynikające z sankcji gospodarczych nałożonych przez państwa zachodnie. Ograniczenia te obejmują zarówno dostęp do kluczowych komponentów sprzętowych, takich jak procesory od Intela i NVIDII, jak i licencje na oprogramowanie oraz usługi chmurowe. Firmy technologiczne, jak Yandex czy Sberbank, musiały przestawić się na rozwój własnych rozwiązań i otwartoźródłowego oprogramowania. Jednym z głównych celów rosyjskiej strategii technologicznej stała się suwerenność cyfrowa, co zaowocowało inicjatywami w zakresie rozwoju krajowych modeli AI i alternatywnych platform przetwarzania danych. Rosyjskie władze wsparły te działania poprzez ulgi podatkowe i dotacje dla firm technologicznych, a także inwestycje w półprzewodniki i komputery wysokiej wydajności. Dodatkowo Rosja zaczęła szukać partnerstw technologicznych w krajach spoza Zachodu, zwłaszcza w Chinach i Indiach.
Jednym z przykładów rosyjskiej strategii uniezależniania się od zachodnich technologii jest rozwój modelu GigaChat, stworzonego przez Sberbank jako odpowiedź na ChatGPT. Jego powstanie jest częścią globalnej rywalizacji w dziedzinie sztucznej inteligencji, gdzie dominują firmy amerykańskie, takie jak OpenAI, Google DeepMind i Meta. Podobnie jak Chiny rozwijają swoje własne rozwiązania AI, tak Rosja próbuje nadrobić zaległości, tworząc modele dostosowane do lokalnych potrzeb. GigaChat, choć nie stanowi alternatywy dla frameworków takich jak TensorFlow czy PyTorch, jest ważnym elementem budowania rosyjskiego ekosystemu AI, skoncentrowanego na suwerenności technologicznej. Jednakże ograniczony dostęp do nowoczesnych układów GPU i zamknięta architektura systemu mogą wpływać na jego wydajność i skalowalność. Mimo to Rosja dąży do dalszej integracji GigaChat z krajowymi usługami, takimi jak VKontakte czy Telegram, oraz z systemami administracji publicznej.
Oprócz rozwoju własnych modeli AI, Rosja mierzy się z odpływem talentów, który nasilił się po 2022 roku w wyniku konfliktu politycznego i gospodarczego. Wielu wykwalifikowanych specjalistów IT zdecydowało się na emigrację, co stworzyło luki kadrowe w kluczowych sektorach, takich jak analiza Big Data i inżynieria AI. Rząd stara się przeciwdziałać temu trendowi, oferując zachęty finansowe, takie jak preferencyjne kredyty hipoteczne dla programistów czy uproszczone procedury rekrutacyjne do instytutów badawczych. Pomimo tych działań niedobór ekspertów nadal stanowi poważne zagrożenie dla długoterminowego rozwoju sektora technologicznego. Rosyjskie firmy starają się również zwiększać konkurencyjność poprzez rozwój narodowych repozytoriów danych oraz krajowych platform przetwarzania AI, które mogłyby zastąpić rozwiązania takie jak Google AI czy OpenAI.
Kolejnym istotnym graczem na rosyjskim rynku technologii AI jest firma NtechLab, znana z zaawansowanych systemów rozpoznawania twarzy. Jej flagowy produkt, FindFace Multi, oferuje identyfikację twarzy, pojazdów i sylwetek osób, co znalazło zastosowanie w bezpieczeństwie publicznym, transporcie czy handlu detalicznym. Pomimo sukcesów, firma napotkała trudności po 2022 roku, gdy założyciele opuścili Rosję z powodu różnic zdań dotyczących kierunku rozwoju przedsiębiorstwa. NtechLab korzysta z zaawansowanych algorytmów uczenia maszynowego i głębokiego, które pozwalają na precyzyjną analizę wizualną nawet w trudnych warunkach. Dzięki integracji z rosyjskimi infrastrukturami firma kontynuuje działalność, rozwijając technologie AI mimo ograniczeń wynikających z sankcji i wyzwań kadrowych.
Podsumowując, sankcje gospodarcze nałożone na Rosję po 2022 roku zmusiły to państwo do intensyfikacji prac nad własnymi rozwiązaniami AI i Big Data, przy jednoczesnym zmniejszeniu zależności od zachodnich technologii. Władze oraz firmy prywatne stawiają na rozwój alternatywnych modeli sztucznej inteligencji, takich jak GigaChat, a także na budowę narodowych ekosystemów obliczeniowych i repozytoriów danych. Pomimo problemów związanych z odpływem specjalistów oraz ograniczeniami technologicznymi, Rosja podejmuje działania mające na celu długoterminową stabilizację i rozwój sektora AI. Przykłady takie jak NtechLab pokazują, że pomimo trudności rosyjskie firmy nadal utrzymują się na globalnym rynku technologii rozpoznawania obrazu i analizy danych. Przyszłość rosyjskiego sektora AI pozostaje jednak niepewna, a dalsze jego losy będą zależeć od skuteczności wdrażanych strategii oraz możliwości nawiązania nowych partnerstw międzynarodowych.
Źródła:
[1] S. Moss, Nvidia suspends all sales to Russia, joining AMD and Intel, DCD, 08.03.2022, https://www.datacenterdynamics.com/en/news/nvidia-suspends-all-sales-to-russia-joining-amd-and-intel/ (dostęp: 24.02.2025).
[2] Jakie są najważniejsze start-upy technologiczne w Rosji?, rosyjskiwkrakowie.pl, 18.02.2025, https://www.rosyjskiwkrakowie.pl/jakie-sa-najwazniejsze-start-upy-technologiczne-w-rosji/ (dostęp: 24.02.2025).
[3] V. Kurama, PyTorch vs. TensorFlow: Key Differences to Know for Deep Learning, builtin.com, https://builtin.com/data-science/pytorch-vs-tensorflow (dostęp: 24.02.2025).
[4] Czym jest wysokowydajne przetwarzanie (ang. high-performance computing, HPC)?, oracle.com, https://www.oracle.com/pl/cloud/hpc/what-is-hpc/ (dostęp: 24.02.2025).
[5] A. Anagnostopulu, Rosyjscy specjaliści IT uciekają z kraju. Kto ich przyjmuje i ile im płaci?, Business Insider, 22.05.2022, https://businessinsider.com.pl/technologie/nowe-technologie/specjalisci-it-uciekaja-z-rosji-dokad-jada-i-na-jakie-pensje-moga-liczyc/l67jl9g(dostęp: 24.02.2025).
[6] D. Walewska, Obietnice i pogróżki. Rosjanie zachęcają swoich informatyków do powrotu, Rzeczpospolita, 07.04.2024, https://www.rp.pl/rynek-pracy/art40122511-obietnice-i-pogrozki-rosjanie-zachecaja-swoich-informatykow-do-powrotu (dostęp: 24.02.2025).
[7] Jak Rosja inwestuje w rozwój cyfrowej gospodarki?, rosyjskiwkrakowie.pl, 16.01.2025, https://www.rosyjskiwkrakowie.pl/jak-rosja-inwestuje-w-rozwoj-cyfrowej-gospodarki/?utm_source=chatgpt.com (dostęp: 24.02.2025).
[8] A. Marrow, Russia’s Sberbank releases ChatGPT rival GigaChat, Reuters, 24.04.2023, https://www.reuters.com/technology/russias-sberbank-releases-chatgpt-rival-gigachat-2023-04-24/?utm_source=chatgpt.com (dostęp: 24.02.2025).
[9] L. Mo, China’s Baidu to launch upgraded AI Ernie model in mid-March, source says, Reuters, 27.02.2025, https://www.reuters.com/technology/artificial-intelligence/chinas-baidu-launch-upgraded-ai-ernie-model-mid-march-source-says-2025-02-27/(dostęp: 27.02.2025).
[10] J. Ye, Chinese AI firm SenseTime unveils chatbot “SenseChat”, Reuters, 10.04.2023, https://www.reuters.com/technology/chinese-ai-firm-sensetime-unveils-chatbot-sensechat-2023-04-10/ (dostęp: 24.02.2025).
[11] J. Sherman, Russia’s digital tech isolationism: Domestic innovation, digital fragmentation, and the Kremlin’s push to replace Western digital technology, Atlantic Council, 29.07.2024, https://www.atlanticcouncil.org/in-depth-research-reports/issue-brief/russias-digital-tech-isolationism/?utm_source=chatgpt.com (dostęp: 24.02.2025).
[12] Głębokie sieci neuronowe — czym są i jakie mają zastosowanie?, mindboxgroup.com, 15.12.2022, https://mindboxgroup.com/pl/glebokie-sieci-neuronowe-czym-sa-i-jakie-maja-zastosowanie/ (dostęp: 24.02.2025).
[13] Architektura Transformer NLP pod mikroskopem | Transformer Architecture Explained, radekbialowas.pl, 19.04.2022, https://radekbialowas.pl/architektura-transformer-nlp-pod-mikroskopem-transformer-architecture-explaine/ (dostęp: 24.02.2025).
[14] Yandex DataSphere, yandex.cloud, https://yandex.cloud/en/services/datasphere?utm_referrer=https%3A%2F%2Fwww.google.pl%2F(dostęp: 24.02.2025).
[15] CUDA, Uczelniane Centrum Informatyczne, Politechnika Łódzka, https://www.uci.p.lodz.pl/strony/cuda (dostęp: 24.02.2025).
[16] About NtechLab, NtechLab, https://ntechlab.com/about/?utm_source=chatgpt.com (dostęp: 24.02.2025).
[17] Face, Body, Vehicle, and License Plate Number Recognition, NtechLab, https://ntechlab.com/?utm_source=chatgpt.com (dostęp: 24.02.2025).
[18] L. Masri, Founders of AI company NtechLab say they resigned over projects in Russia, Reuters, 30.03.2023, https://www.reuters.com/technology/founders-ai-company-ntechlab-say-they-resigned-over-projects-russia-2023-03-30/?utm_source=chatgpt.com(dostęp: 24.02.2025).
[19] NtechLab Partner Program, NtechLab, https://ntechlab.com/partners/?utm_source=chatgpt.com (dostęp: 24.02.2025).
[20] https://digt.com/intelligentvideosurveillance/tpost/1y3yk5mtt1-the-best-facial-recognition-algorithm?utm_source=chatgpt.com
