Is digital sovereignty possible? | WEC 2026

We invite you to listen to the discussions recorded during the Warsaw European Conversation, an annual conference by Polityka Insight and the European Council on Foreign Relations. In five episodes we discuss Europe's readiness for war, digital sovereignty, the competitiveness of the EU economies, European elections and energy policy. What does Europe's technological sovereignty mean in practice? What challenges does the regulation of the digital economy entail? In two discussions we will address the role of regulation in building European technological autonomy and the ways in which Europe should invest in the development of artificial intelligence, from energy and computing power to AI models, to remain competitive and innovative. Our guests are José Ignacio Torreblanca, Senior Advisor and Distinguished Policy Fellow at the ECFR and Murielle Popa-Fabre, Senior Advisor on Technology and Policy at the AI and Society Institute at the École Normale Supérieure in Paris.

Wielkie dzięki i do zobaczenia w kolejnym odcinku. Czy jest to zbyt niebezpieczne osiągnięcie, że, mimo że Europa jest w ogóle prawem regulacyjnym w obszarze digitalnych regulacji, mimo że ma te ogromne sprawy konstytucyjne, takie jak DSA, DMA, teoretyczny wsparcie za nimi, jest w zasadzie niemożliwe stworzyć ich, przynajmniej dla niektórych aktorów w ekonomii digitalnej. Polityka Insight, European Council on Foreign Relations, José Ignacio Torreblanca, Murielle Popa-Fabre, AI Society, École Normale Supérieure, Jan Jęcz, Warsaw.

Współpracujemy z regułami, które mogą służyć generalnemu celu. Nie mając wszystko od państwa, regułujemy je w sposób, w jaki obowiązują obowiązki publiczne, i w jaki sposób wskazują się wartości demokratyczne, w sposób, w jaki te publiczne serwisy są dostarczane do mieszkańców. Problemem, który mamy z infrastrukturą, jest to, że poziom koncentracji na rynku, który pozwalamy na to, w bardzo naiwny sposób, Polityka Insight, European Council on Foreign Relations, José Ignacio Torreblanca, Murielle Popa-Fabre, AI Society, Jan Jęcz, Warsaw

Wielkie dzięki i do zobaczenia! Wielkie dzięki i do zobaczenia! Polityka Insight, European Council on Foreign Relations, José Ignacio Torreblanca, Murielle Popa-Fabre, AI Society, Jan Jęcz, Warsaw.

Wszelkie prawa zastrzeżone. Wszelkie prawa zastrzeżone. Idea technologicznej stawki to rozmowa w Europie przez przynajmniej ostatnie 12 miesięcy, odkąd Donald Trump wrócił do Wielkiej Brytanii. Idea digitalnej sowerencji i w ogóle digitalnej opozycji stała się ważnym tematem. W tym kontekście technologicznej stawki zazwyczaj skupiamy się na... W tej rozmowie chciałbym skoncentrować się na specyficznym zakresie AI.

Oczywiście inteligencja artystyczna jest teraz też hot-topicą, więc by włączyć te dwie dyskusje na temat rozwoju artystycznej inteligencji w Europie Wydaje mi się, że technologie europejskie, akademia, infrastruktura, idea budowania staków technologicznych Europy, używając słowa pluralnego świata. Chciałbym zapytać Cię, jak wygląda typicznie używany stak AI w Europie? Jak go możemy wyjaśnić? Proszę, dajcie naszym słuchaczom krótką przejście tego konceptu, żeby mogli go zauważyć, ponieważ jestem pewien, że wielu z naszych słuchaczy używa wielu różnych części tych stoków AI, bez wiedzy, że to jest coś, z czym interakcjonują.

To, co jest bardzo interesujące w technologii, to to, że obecnie nie ma żadnej fizycznej rzeczywistości. Jesteśmy na naszych smartfonach, na naszych komputerach. Internet wygląda na coś, co jest bezmaterialne. Nawet słowo, które używamy w komputerze, cloud, jest znacznie bardziej bezmaterialne. W rzeczywistości to jest bardzo duża liczba infrastruktury fizycznej. Zaczyna się to z bardzo podstawowego poziomu, czyli materiałów. Równych materiałów, energii, wody, aby zimnować data center, na przykład. Następnie to kontynuuje się z całym aspektem, który w rzeczywistości związany z peculiarnością AI, która potrzebuje konkretnych typów chipów.

Produkcja Polityka Insight w Wrocławiu. Ale także wszystkie dane, które muszą być użyte, aby tworzyć aplikacje, aby tworzyć bezpośrednią interakcję wewnątrz AI rozmowy, na przykład. I wszystkie te części danych, które też muszą być utrzymane, aby nauczyć modeli, jak automatizować zadanie.

Artificial Intelligence Layer with models that are able to solve some particular tasks they've been trained for. This is just to give a full idea of this kind of pile of things that are one on the top of each other, but also highly interconnected in order to make everything work. Zanim przejdziemy dalej, chciałbym skoncentrować się na jednym z linii, o których wspomniałeś, linii inteligencji artystycznej, linii modeli AI. Podczas dyskusji w panelu na konferencji w Warszawie o Europie, wspomniałeś o tym, co może być oczywiste dla tych, którzy są bardzo zainteresowani tym tematem,

O rozwoju inteligencji artystycznej w zależności od technologii. Wiele osób mówi o tym, że mówimy o inteligencji artystycznej jak gdyby to było coś, co pojawiło się w chatach GPT, Podczas zapomnienia o dobrym wieku nauki maszynowych, systemach i innych algorytmach, które są typami inteligencji sztucznej. Dziś skupiamy się na modelach wieloletnich języków, ale podczas dyskusji w panelu wspomniałeś o innych typach modelów AI. Chciałbym porozmawiać trochę o tym, ponieważ ten poziom jest o wiele większy i może o wiele bardziej kompleksny niż ludzie, którzy skupiają się tylko na LLM i na aplikacjach rozmawiających, takich jak chatboty czy agenty kodingowe.

To, co jest bardzo interesujące w inteligencji artystycznej, to to, że ona się rozwojuje bardzo szybko. Fakt, że zakończyliśmy pracę z bardzo skutecznymi metodami, które pozwalają na nauczanie, to jedna z części. ...of machine learning that is teaching to a reward mechanism the machine to do the right task with examples and when the machine does it right it gets word just in very, very basic terms. This has started a whole new way of doing machine learning and of getting AI technology to be very adaptable. This is actually making huge changes inside domain that has been stable for long, that is, for example, robotics.

I to, co oni robią, to rozpocząć współpracę z firmą, która posiada dane kliniczne i medyczne. Widzimy więc, że powszechnie idea jest to, żeby mieć dużo więcej multimodalnych danych, ale także iść poza tą ideą, że chcielibyśmy mieć model, który to wszystko robi i po prostu ma dany werytet, na przykład. Kolejną niesamowitą wyzwanią, która mogła wyrazić 1 milion dofinansowania, jest ta z Heifei Li z Stanfordu, która ma laboratorium nazywane World Labs i ona rozwija AI fizyczne. Idea jest to, aby mieć AI, które jest specjalizowane w rozumieniu specjalnego.

Kolejnym sposobem, w którym możemy zobaczyć, że te małe modeli wygrywają rynek, jest to, że możemy zobaczyć taką platformę, którą wczoraj zakończyła Mistral, w której można trenować małe modeli na swoich danych jako firmy. Wtedy dostęp do tej platformy, dostęp do OCR, czyli można czytać swoje PDF przez AI, można mieć dostęp do głosu, dostęp do kodu. Wielkie dzięki i do zobaczenia w kolejnym odcinku.

Wszelkie prawa zastrzeżone. To przynosi mnie do mojego drugiego pytania dotyczące silności i słabości AI w Europie. Trochę w przeciwieństwie do popularnych narratyw o Europie, która jest tak daleko za Stanami Unijnymi.

Przypomnianie, które wspomniałeś, nowa inicjatywa Jan LeCun, znajdująca się w Parze. Niezrozumiałe nowe modeli i nowe rozwiązania. Fakt, że EU w swojej strategii aplikacyjnej skupia się na tych mniejszym modelu i aplikacjach specyficznych w branży inwestycyjnej. Te przykłady pokazują nam, że w stacjach AI, przynajmniej na poziomie modelów inteligencji artystycznej, I może na poziomie aplikacji, Europa ma pewne potencjały, albo przynajmniej potencjał, aby szybko przeciągnąć górę pomiędzy naszą inwestycją AI, naszą staką AI i stakami AI z różnych wojsk. Ale oczywiście mamy...

Współpracujemy z dużymi zagrożeniami. Mamy strategiczne zależności na wielu poziomach stoku. Gdzie widzimy potencjały stoku europejskiego AI? I jakie zależności, jakie poziomy są najbardziej krytyczne, żeby przynieść metaforę dżenga, na które bloki powinniśmy skupić się? Nie pozwólmy na to, że ta sprawa powstrzyma nas i przyprowadzi nas do katastrofy w przyszłości, kiedy może AI staje się jeszcze bardziej ważną częścią naszego codziennego życia. Jest to bardzo transversalny element na zakładzie, który jest strategicznym.

Jest to jeden, w którym mamy jakąś wyjątkowość, czyli wiedzę. Talenty AI są naprawdę obecne w Europie. Są tam również wielkie firmy i bardzo wartościowe laboratorium w Stanach Zjednoczonych. To jest jedna z pierwszych sił konkurencyjnych, które jest potrzebne na całym zakładzie. Another strength is industrial expertise and the quality of the data we have. The fact we had the GDPR, the fact that we ended up in organizing a whole data governance inside every single company in Europe. Przed nami niesamowita ekspertyza i niesamowita jakość danych. Wiemy, jakie danych mamy, wiemy, jak są strukturowane, jesteśmy trenowani i mamy strukturę gwarancji wewnątrz firmy, żeby poradzić się z aspektami danych.

I ta ekscelencja danych jest podstawowym elementem w rozwoju AI. Współpraca z Polityką Insight. Współpraca z Polityką Insight Wielkie dzięki i do zobaczenia w kolejnych odcinkach. Pierwsza to oznaczenie regulacyjnej pewności i liderstwa, ponieważ kiedy patrzymy na regulacje AI na świecie, pierwsza to jest China.

Od 2002 roku mogli mieć regulacje na generowaniu AI, jest to interim, ale jest to regulacja, która była już w 2003 roku efektywna i miała standardy industrialskie już w octobrze 2003 roku. Jeśli spojrzymy na innowacje, które odbyło się w DeepSeek, to jest oczywiste przykład, w którym skuteczna uzupełniania i regulacja nie są w kontradikcji z innowacjami. Warto też wyobrazić, że jeśli USA idą dalej bez regulacji, a China jest wysoko regulowana, to pozycja Europy, chcąca być innowacyjna i regulacyjna w międzyczasach, to w rzeczywistości bardzo dobry ruch. This is the first one.

And the other one I would like to stress is that we also have the advantages of our disadvantages. So we definitely have a scattered landscape in the development of AI and I hope that an initiative like the Cerner of AI will help. Wszelkie prawa zastrzeżone. Wszelkie informacje, które są dostępne na naszej stronie internetowej, są dostępne na naszej stronie internetowej.

I także fakt, że w Europie centra danych nie mogą być tak daleko od ludzi. To nie jest ta przestrzeń, która istnieje w Stanach Zjednoczonych. Mamy więc pewne ograniczenia, które są związane z naszej geografią. Ale nie bym powiedziała, że nie jesteśmy w stanie dotyczyć tego materiału. To, co wydaje mi się być wielkim błędem, to to, że na poziomie najwyższym staku, czy na końcu cyklu życia AI, mamy naprawdę problemy w sprzedawaniu produktów. Mamy naprawdę problemy w przetłumaczeniu ekscelencji naukowych i naszych ekscelencji R&D.

Widzisz, co jest trudne o tym, co nazywam zrozumieniem AI, to to, że te osłony są złączyte. Kiedy chcesz wyciągnąć góry niezależności, które są strategiczne i które chcesz wypełnić, ponieważ nie wszystkie z nich muszą być wypełnione i zaznaczone, musisz mieć zrozumienie niezależności wewnątrz. Dlatego nie możemy uciekać od zrozumienia, Współpraca z Polityką Insight w Wrocławiu. Powiedziałabym, że to jest jeden z największych elementów, które potrzebujemy, aby być w stanie udostępnić produkty przygotowane do rynku, które mogą kontynuować naszą kompetencję na rynku globalnym.

Aby to zrobić, potrzebujemy pieniędzy i rozmowy o finansowaniu, czy powinno to przychodzić z WC, czy z jakichś publicznych inwestycji, jest bardzo możliwe i nie mamy czasu, żeby tu wytłumaczyć o tym. Chciałbym więc zapytać Cię o ostatnią kwestię. Poza pieniędzmi, co jeszcze EU musi zrobić, by zwiększyć swoją digitalną odpowiedzialność w zakresie AI, aby zwiększyć odpowiedzialność swojego stoku AI? Jest bardzo cienki stok, prawie nie widoczny. Polityka Insight zaczyna się skupiać na ewaluacji AI. Jak testować, na przykład, AI w rozmowach i jego wpływy?

Konkretnie to oznacza, że naukowcy coraz więcej robią to z benczmarkami, tak to nazywa się, aby mieć standardowe testy, aby zareagować na to, jak wstrzymywana jest AI w rozmowach, aby wziąć punkt widzenia użytkownika, wziąć udział w tym i wzmocnić wszystkie stereotypy użytkownika i tego typu rzeczy, które nazywa się np. sykofancją. W tej chwili wiedza jest strategiczna, ponieważ jeśli zostaniemy kupicami, co się dzieje na wielu poziomach stoku, to musimy wiedzieć, co kupimy. Potrzebujemy tego typu sposobu testowania AI, aby wiedzieć, czy AI jest biało.

Potrzebujemy wiedzieć, jaki rodzaj kulturowych artefaktów, które są stworzone w AI rozmowy, mają implikacyjne wartości, które są nasze. Jak oni widzą bezpieczeństwo? Jak oni widzą racizm? Jak oni widzą elementy światowego? Jak oni widzą kobiet? Jak oni widzą niepełnosprawnych osób? Jest to naprawdę ogromna praca o mapowaniu również niepełnosprawności językowych, które istnieją. There was a recent study in January that was able to show that when you ask questions not in English inside a multilingual model, the quality of the answers is so inferior in non-English answers compared to English ones.