Państwowy LLM za ułamek budżetu OpenAI
10 sierpnia 2026 roku norweska Biblioteka Narodowa (Nasjonalbiblioteket) oficjalnie udostępniła rodzinę modeli językowych o nazwie Borealis. To pierwszy na świecie przypadek, w którym państwo publikuje bezpłatnie duże modele językowe (LLM, czyli Large Language Model — system sztucznej inteligencji przetwarzający i generujący tekst) wytrenowane na materiałach chronionych prawem autorskim, za które twórcy otrzymują wynagrodzenie. Projekt łączy dwa cele, które w branży AI zwykle stoją w sprzeczności: dostęp do wysokiej jakości danych treningowych i poszanowanie praw autorów.
Architektura i zakres językowy
Borealis działa w dwóch wersjach odpowiadających oficjalnym odmianom języka norweskiego — bokmaal (forma pisana zbliżona do duńskiego, używana przez ok. 85% populacji) i nynorsk (forma oparta na dialektach, stosowana głównie w zachodniej Norwegii). To istotne z technicznego punktu widzenia: komercyjne modele jak GPT-4 czy Claude traktują norweski jako jeden język, co prowadzi do mieszania form i błędów stylistycznych. Dedykowany model eliminuje ten problem na poziomie danych treningowych (training data, czyli zbiór tekstów, na którym model się uczy).
Biblioteka zapowiedziała, że kolejne wersje Borealis obejmą również języki saamskie — grupę języków rdzennych ludów północnej Skandynawii, które są szczególnie zagrożone cyfrową marginalizacją. Dla języków z tak małą liczbą użytkowników żaden komercyjny dostawca nie zbuduje dedykowanego modelu, bo nie ma w tym zysku.
Skąd dane treningowe
Jakość modelu językowego zależy przede wszystkim od jakości danych, na których się uczy. Borealis korzysta z kilku unikalnych źródeł:
- Zdigitalizowane zbiory Biblioteki Narodowej — proces cyfryzacji trwa od 2005 roku i obejmuje książki, czasopisma, mapy i dokumenty historyczne.
- Protokoły posiedzeń Stortingu (norweskiego parlamentu) — szczególnie cenne, bo posłowie przemawiają w swoich regionalnych dialektach, co daje modelowi ogromne bogactwo językowe.
- Teksty norweskich gazet i wydawnictw — tu właśnie pojawia się przełomowy element: wykorzystanie materiałów objętych prawem autorskim za wynagrodzeniem.
To podejście jest fundamentalnie inne niż metoda stosowana przez gigantów technologicznych. OpenAI, Google i Meta trenowały swoje modele na danych z otwartego internetu, zescrapowanych bez pytania autorów o zgodę. Archiwum Common Crawl — zbiór ponad 300 mld stron internetowych, z którego korzystają niemal wszystkie komercyjne LLM-y — jest dostępne bezpłatnie, ale teksty w nim zawarte powstały bez wiedzy autorów o tym, że posłużą do trenowania AI.
Model licencjonowania — 45 mln koron rocznie dla autorów
Norweski rząd w 2024 roku zlecił Bibliotece zbadanie, czy włączenie tekstów objętych prawem autorskim poprawia jakość modeli. Wynik był jednoznaczny — dobrze napisane, profesjonalnie zredagowane teksty z gazet i wydawnictw znacząco podniosły jakość generowanego tekstu w porównaniu z samymi danymi publicznymi.
Politycy zdecydowali, że autorzy muszą otrzymywać wynagrodzenie. Organizacja reprezentująca właścicieli praw autorskich (odpowiednik polskiego ZAiKS-u) otrzymuje 45 mln koron norweskich rocznie, co odpowiada około 16 mln złotych. To kwota przeznaczona wyłącznie na rekompensaty dla twórców, niezależna od budżetu operacyjnego projektu.
Dla porównania: w Stanach Zjednoczonych i Unii Europejskiej trwają wieloletnie spory sądowe między wydawcami a firmami AI. The New York Times pozywa OpenAI, a europejskie organizacje wydawców domagają się regulacji. Norwegia zamiast czekać na wyroki wprowadziła system, w którym państwo po prostu płaci — i obie strony są zadowolone.
Budżet: 7 mln złotych vs firmowe przyjęcie OpenAI
Biblioteka Narodowa otrzymuje na rozwój i udostępnianie modeli 20 mln koron rocznie (nieco ponad 7 mln złotych). Dyrektorka Aase Wetaas skomentowała to wprost: „To chyba tyle, ile OpenAI wydaje na firmowe przyjęcie wakacyjne. Pokazujemy światu, że za stosunkowo niewielką sumę można zrobić bardzo dużo.”
Skala budżetów jest nieporównywalna. OpenAI wydaje na obliczenia (compute) miliardy dolarów rocznie, Google DeepMind operuje z podobnym budżetem, a nawet Mistral zebrał ponad 1 mld euro. Norwegia inwestuje ułamek procenta tych kwot, ale ma inny cel.
Open weights, nie open source — ważna różnica
Borealis jest udostępniany bezpłatnie, ale warto wyjaśnić, czym ten model technicznie jest. W branży AI funkcjonują dwa często mylone pojęcia:
- Open source — pełna otwartość: kod źródłowy, dane treningowe, proces trenowania, wagi modelu (model weights, czyli wyuczone parametry numeryczne, które definiują zachowanie modelu). Każdy może odtworzyć cały proces od zera.
- Open weights — udostępnione są gotowe wagi modelu, które pozwalają uruchomić go i dostosować (fine-tuning), ale dane treningowe i szczegóły procesu uczenia pozostają niedostępne. Tak działają np. Llama od Mety czy Mistral.
Borealis najprawdopodobniej wpisuje się w model open weights — Biblioteka udostępnia gotowe modele do pobrania i dalszego uczenia, ale dane treningowe (zwłaszcza objęte prawem autorskim) z oczywistych powodów nie mogą być redystrybuowane. Dyrektorka Wetaas podkreśla: „Nie tworzymy aplikacji, którą można porównać z ChatGPT. Udostępniamy modele, które norweski sektor publiczny i firmy mogą dalej uczyć na materiałach z konkretnych dziedzin.”
Sovereign AI — cyfrowa suwerenność jako polityka państwa
Projekt Borealis wpisuje się w rosnący globalny trend zwany sovereign AI (suwerenna sztuczna inteligencja) — podejście, w którym państwo buduje własną infrastrukturę AI zamiast polegać wyłącznie na komercyjnych dostawcach z USA czy Chin. Francja ma Mistrala wspieranego przez rząd, Japonia rozwija własne modele językowe, a Indie uruchomiły program BharatGPT.
Norwegia podchodzi do tego inaczej niż większość krajów. Nie próbuje budować modelu ogólnego przeznaczenia konkurującego z GPT-4 czy Claude. Zamiast tego tworzy bazę, na której instytucje publiczne, firmy i uczelnie mogą budować specjalistyczne narzędzia. To podejście infrastrukturalne — model jako dobro publiczne, jak droga czy sieć energetyczna.
Uzasadnienie ma też wymiar bezpieczeństwa. Wetaas podkreśla: „To sposób na zwiększenie cyfrowej samowystarczalności Norwegii i bezpieczeństwa naszego kraju.” Gdy cała administracja państwa korzysta z API komercyjnego dostawcy, dane obywateli przepływają przez zagraniczne serwery. Własny model pozwala przetwarzać wrażliwe dane lokalnie.
Kontekst prawny — ustawa językowa z 2021 roku
Za projektem stoi norweska ustawa językowa z 2021 roku, która nakłada na państwo obowiązek wspierania języka norweskiego we wszystkich dziedzinach życia — w tym w technologii. Wetaas, z wykształcenia językoznawczyni, ujmuje to wprost: „Język jest najważniejszą infrastrukturą społeczeństwa. Jest najważniejszym narzędziem i nośnikiem wolności słowa.”
To nie jest abstrakcyjne zagrożenie. Według Pew Research Center ok. 35% nowych anglojęzycznych stron powstałych po debiucie ChatGPT nosi ślady autorstwa AI. Jeśli sztuczna inteligencja produkuje treści głównie po angielsku, języki z mniejszą bazą użytkowników mogą zostać zepchnięte na margines cyfrowego świata.
Partnerstwa akademickie i plan rozwoju
Biblioteka współpracuje z Uniwersytetem w Oslo i Norweskim Uniwersytetem Nauki i Technologii (NTNU) w Trondheim — jedną z czołowych europejskich uczelni technicznych. Współpraca akademicka pozwala korzystać z infrastruktury obliczeniowej uczelni i wiedzy badaczy specjalizujących się w przetwarzaniu języka naturalnego (NLP, czyli Natural Language Processing — dziedzina AI zajmująca się rozumieniem i generowaniem ludzkiego języka).
Następne kroki to wsparcie dla języków saamskich oraz udostępnienie dokumentacji pozwalającej innym krajom replikować norweski model. Wetaas zadeklarowała gotowość do dzielenia się wiedzą: „Chętnie podzielimy się naszą wiedzą z innymi.”
Co z tego wynika dla branży
Norweski eksperyment jest interesujący nie dlatego, że Borealis pokona GPT-4 w benchmarkach. Nie pokona — budżet 7 mln złotych nie pozwala na trenowanie modelu z setkami miliardów parametrów na tysiącach GPU. Jest interesujący, bo pokazuje alternatywną ścieżkę rozwoju AI:
- Legalne dane treningowe z wynagrodzeniem dla autorów zamiast masowego scrapingu.
- Cel publiczny (ochrona języka i cyfrowa suwerenność) zamiast maksymalizacji zysku.
- Model jako infrastruktura — baza do specjalizacji, nie gotowy produkt konsumencki.
- Przystępny budżet — dowód, że nie trzeba miliardów, żeby zrobić coś użytecznego.
Czy inne kraje pójdą tą drogą — zobaczymy. Norwegia pokazuje, że budowanie własnych modeli i regulacja AI to nie są wykluczające się strategie.