Biuletyn AI – wrzesień 2026

Wirtualne komórki pomagające badać działanie leków, publikacje naukowe przekształcane w interaktywnych asystentów i roboty oceniane pod kątem rzeczywistych kosztów pracy – to wybrane tematy września 2026 r. W tym wydaniu pokazujemy konkretne zastosowania sztucznej inteligencji (AI), zbieramy najważniejsze premiery modeli oraz przedstawiamy nowe publikacje z udziałem badaczy Uniwersytetu Szczecińskiego. Przyglądamy się także temu, jak uczyć świadomego korzystania z AI i rozpoznawać związane z nią zagrożenia.

AI w nauce i medycynie

ProteinTalks: wirtualna komórka pomaga przewidywać działanie leków

09.09.2026 – publikacja naukowa

W czasopiśmie „Nature” opisano ProteinTalks, model AI przewidujący reakcje komórek na podstawie zmian ilości ich białek. Badacze wykorzystali ponad 38 mln pomiarów wykonanych w różnym czasie na komórkach raka piersi poddawanych kontrolowanym oddziaływaniom. Zamiast ograniczać się do pojedynczego obrazu komórki, model uczy się zmian zachodzących po takich zabiegach. W przedstawionych doświadczeniach przewidywał skuteczność leków i ich połączeń oraz pomagał wskazywać białka związane z opornością na leczenie. Autorzy sprawdzili także przenoszenie metody na materiał pochodzący od pacjentów, w tym organoidy (trójwymiarowe hodowle naśladujące wybrane cechy tkanki) i próbki z biopsji.

Praktyczna wartość takiego narzędzia polega na zawężaniu listy hipotez i połączeń leków wymagających kosztownych doświadczeń. Wyniki dotyczą modelowania i opisanych prób badawczych, a nie potwierdzonej poprawy wyników leczenia pacjentów. Wirtualna komórka pozostaje uproszczeniem rzeczywistej biologii. Źródło: publikacja o ProteinTalks w „Nature”.

Paper2Agent: z artykułu naukowego do asystenta wykonującego analizy

16.09.2026 – publikacja naukowa

Zespół badaczy przedstawił w „Nature” Paper2Agent, system przekształcający publikację wraz z kodem i danymi w agenta AI, czyli program wykonujący zadania za pomocą dostępnych narzędzi. Użytkownik może zadać pytanie zwykłym językiem, a agent uruchamia metody opisane w pracy. System analizuje materiały publikacji, przygotowuje połączenie z narzędziami obliczeniowymi i generuje testy sprawdzające jego działanie. W opisanych studiach przypadku agenci odtwarzali wyniki oryginalnych prac i odpowiadali na nowe pytania badawcze. Przykłady obejmowały interpretację zmian w genomie oraz analizę aktywności genów w pojedynczych komórkach i tkankach.

Rozwiązanie może ułatwić ponowne wykorzystanie dorobku naukowego osobom, które nie znają jeszcze szczegółów danego oprogramowania. Jego znaczenie wykracza więc poza streszczanie artykułów: chodzi o praktyczne zastosowanie udostępnionej metody. Badacz nadal musi ocenić poprawność danych, założenia analizy i sens biologiczny wyniku; odtworzenie obliczeń nie zastępuje tej oceny. Źródło: publikacja o Paper2Agent w „Nature”.

AI w gospodarce, finansach i robotyce

Roboty potrafią wykonać wiele czynności, ale opłacalność pozostaje barierą

30.09.2026 – analiza Anthropic Economic Research

Anthropic, firma tworząca systemy Claude, opublikowało analizę możliwości automatyzacji pracy fizycznej w Stanach Zjednoczonych. Autorzy zestawili opisy zadań zawodowych z udokumentowanymi umiejętnościami robotów, korzystając także z ocen wspomaganych przez Claude. Według przyjętej metody roboty mogą wykonywać około trzech czwartych analizowanych czynności fizycznych, odpowiadających 34% całego czasu pracy. Zwykle wymaga to jednak odpowiednio przygotowanego otoczenia. Większą podatność na automatyzację wskazano w transporcie i magazynach, a mniejszą w pielęgniarstwie i naprawach wymagających elastycznego działania.

Autorzy oszacowali zarazem, że przy obecnych kosztach roboty są konkurencyjne cenowo wobec człowieka jedynie w przypadku 0,3% zadań zawodowych. To wynik modelu analitycznego zależnego od przyjętych założeń, a nie pomiar liczby zlikwidowanych stanowisk. Dla gospodarki kluczowe są więc jednocześnie umiejętności maszyn, niezawodność, koszt i organizacja miejsca pracy. Możliwość wykonania czynności nie oznacza automatycznie zastąpienia całego zawodu. Źródło: Anthropic – „What work can robots do?”.

ChatGPT dla finansów: od danych źródłowych do sprawdzalnej analizy

10.09.2026 – prezentacja rozwiązania dla instytucji finansowych

OpenAI zaprezentowało ChatGPT for Financial Services, rozwiązanie do pracy z danymi i dokumentami finansowymi. Łączy ono środowisko ChatGPT Work z bazami dostawców takich jak Daloopa, PitchBook, LSEG News i Crunchbase. Obejmuje to między innymi sprawozdania finansowe, informacje o spółkach oraz zapisy rozmów dotyczących wyników przedsiębiorstw. Ważną funkcją jest wskazywanie konkretnych tabel i fragmentów dokumentów, z których pochodzą liczby i stwierdzenia w analizie. Analityk może dzięki temu przejść od wygenerowanego wniosku do materiału, który ma go uzasadniać.

Narzędzie ma wspierać przygotowanie analiz, modeli finansowych i materiałów dla klientów. Z perspektywy nauczania finansów ilustruje znaczenie pracy ze źródłem i sprawdzania drogi od danych do wniosku. Komunikat producenta opisuje możliwości produktu i współpracę z instytucjami, ale nie dowodzi sam w sobie wyższej trafności decyzji inwestycyjnych. Źródło: OpenAI – prezentacja ChatGPT for Financial Services.

Narzędzia i najważniejsze premiery modeli

Wrześniowe modele: dłuższe zadania, praca z narzędziami i dostępne wagi

01.09.2026-30.09.2026 – zbiorczy przegląd premier

We wrześniu pojawiły się kolejne duże modele językowe (LLM), czyli systemy służące między innymi do rozumienia i tworzenia tekstu. Najważniejszym kierunkiem ich rozwoju była praca wieloetapowa: korzystanie z programów, sprawdzanie rezultatów i podtrzymywanie kontekstu zadania. Poniżej zbieramy wybrane premiery modeli frontier (najbardziej zaawansowanych systemów ogólnego przeznaczenia) oraz ważną premierę open-weight (modelu z udostępnionymi wagami, czyli wyuczonymi parametrami).

  • OpenAI: GPT-6 Astra (03.09), GPT-6 Sol i Luna (22.09), GPT-6.1 Sol (29.09). Astra rozwija obsługę komputera, przeglądarki i złożonych zadań zawodowych. Sol i Luna trafiły do ChatGPT Work oraz Codex, a wersja 6.1 Sol poprawia pracę z narzędziami i zadania programistyczne. GPT-6 Astra; daty wdrożeń w oficjalnych informacjach OpenAI.
  • Anthropic: Claude Fable 5.1 i Mythos 5.1 (01.09), Opus 5.5 (22.09), Sonnet 5.5 (28.09). Aktualizacje obejmują długie zadania, programowanie i przygotowywanie dokumentów. Mythos pozostaje dostępny w programach kontrolowanego dostępu; Sonnet 5.5 jest pozycjonowany jako wariant do codziennej pracy. Fable i Mythos; Opus; Sonnet.
  • Google: Gemini 3.8 Flash i Flash Cyber (02.09) oraz Gemini 4 Argon (30.09). Flash rozwija wieloetapowe rozumowanie i programowanie. Wariant Cyber i pierwsze wdrożenie Argona służą także wykrywaniu i naprawianiu luk w oprogramowaniu; dostęp do tych możliwości uruchomiono dla wybranych obrońców systemów. Gemini 3.8; Gemini 4 Argon.
  • Meta: Muse Spark 1.3 (02.09). Model rozwija wykonywanie długich zadań, korzystanie z narzędzi i prowadzenie kilku wątków pracy. Udostępniono go w Muse Code oraz usłudze dla programistów Meta Model API. Komunikat zapowiadał przyszłe udostępnienie wag rodziny Muse Spark, więc samej tej premiery nie należy oznaczać jako open-weight. Źródło: Meta.
  • DeepSeek: V4.1-Flash (10.09). Model analizuje tekst i obrazy oraz obsługuje bardzo długie materiały. Zmiany w architekturze ograniczają pamięć potrzebną do przetwarzania kontekstu. Udostępniono wagi na licencji MIT, co pozwala organizacjom planować własne wdrożenia, choć wymagania sprzętowe pozostają znaczne. Premiera; oficjalne repozytorium wag i licencja.
  • Moonshot AI: Kimi K2.8 Preview (11.09). Wersja testowa została wdrożona w Kimi Code. Wprowadza regulację nakładu obliczeń na rozumowanie i obsługę długiego kontekstu, czyli materiału, na którym model pracuje w jednym zadaniu. Producent wskazuje także poprawę efektywności względem K2.7 Code. Źródło: oficjalny wykaz zmian Kimi Code.
  • Grok 4.7 (21.09). Nowa wersja rozwija długotrwałe zadania programistyczne, pracę z dokumentami i weryfikowanie własnych rezultatów. W dniu premiery była dostępna między innymi w Grok Build, Cursor i interfejsie dla programistów. Źródło: oficjalny komunikat o Grok 4.7.

Opisy usprawnień pochodzą z dokumentacji i komunikatów twórców, a dostępność zależy od produktu i planu. Samo udostępnienie wag nie oznacza, że duży model można wygodnie uruchomić na zwykłym laptopie. W zastosowaniach uczelnianych najwięcej powie porównanie narzędzi na własnych, sprawdzalnych zadaniach, z uwzględnieniem jakości, kosztu i zasad przetwarzania danych.

Transkrypcja na żywo rozróżniająca rozmówców i języki

01.09.2026 – prezentacja Muse Voice Transcribe

Meta przedstawiła Muse Voice Transcribe, system zamieniający mowę na tekst podczas trwania rozmowy. Rozwiązanie rozróżnia wypowiedzi ponad 20 rozmówców i wskazuje, kiedy dana osoba kończy mówić. Obsługuje także zmianę języka w obrębie wypowiedzi oraz podpowiedzi kontekstowe, na przykład specjalistyczne słownictwo. Według dokumentacji do uczenia wykorzystano ponad 70 języków, ale w pierwszym wydaniu szczegółowo sprawdzono 25. Te dwie liczby opisują różne zakresy i nie oznaczają jednakowej jakości dla każdego języka.

Dla uczelni jest to przykład technologii, która może usprawniać opracowanie nagrań seminariów, wywiadów badawczych i spotkań. Przypisanie fragmentów do rozmówców bywa równie ważne jak rozpoznanie samych słów. Przy zastosowaniu trzeba jednak sprawdzić poprawność zapisu nazw własnych i terminów oraz zapewnić odpowiednie zasady nagrywania i przetwarzania wypowiedzi. Źródło: Meta – opis Muse Voice Transcribe.

Edukacja i odpowiedzialne korzystanie z AI

Polska Agencja Rozwoju Przedsiębiorczości: korzystania z AI trzeba uczyć świadomie

09.09.2026 – publikacja edukacyjna PARP

Polska Agencja Rozwoju Przedsiębiorczości (PARP) opublikowała omówienie kompetencji potrzebnych uczniom w świecie powszechnego dostępu do AI. Materiał nawiązuje do badania studentów prowadzonego w ramach Bilansu Kapitału Ludzkiego oraz do wrześniowego szkolenia dyrektorów szkół w Krakowie. Podkreśla, że sprawne wpisywanie poleceń do programu jest tylko częścią potrzebnych umiejętności. Uczeń powinien rozpoznawać sytuacje, w których AI pomaga, oceniać jej ograniczenia i umieć sprawdzić wynik. Wśród kluczowych kompetencji wymieniono krytyczne myślenie, współpracę, kreatywność i odpowiedzialność.

To wskazówki edukacyjne, a nie nowe przepisy regulujące korzystanie z AI. Ich znaczenie dla uczelni polega na ciągłości kształcenia: studenci potrzebują okazji do samodzielnego rozumowania, oceny źródeł i uzasadniania decyzji. Sama nauka obsługi kolejnej aplikacji nie wystarczy do osiągnięcia tych celów. Źródło: PARP – kompetencje w czasach sztucznej inteligencji.

Raport o nadużyciach AI: większa skala działań i niższa bariera wejścia

10.09.2026 – publikacja raportu Anthropic

Anthropic opublikowało raport o wykrytych i przerwanych próbach wykorzystania Claude do szkodliwych działań. Wrześniowa publikacja opisuje przypadki z okresu od grudnia 2025 r. do sierpnia 2026 r.; nie są to wyłącznie incydenty z września. Obejmuje między innymi cyberataki, oszustwa, operacje wpływu i inwigilację. Według firmy AI pozwalała sprawcom wykonywać więcej etapów działań szybciej i przy mniejszych zasobach. W części opisanych operacji systemy samodzielnie realizowały kolejne czynności, podczas gdy ludzie wybierali cele i oceniali rezultaty.

Raport przedstawia wybrane, szczególnie istotne przypadki obserwowane przez jednego dostawcę, więc nie mierzy częstości nadużyć w całym internecie. Dla uczelni i firm pokazuje jednak, dlaczego ocena bezpieczeństwa powinna obejmować także uprawnienia narzędzi podłączonych do AI. Im więcej czynności system może wykonać, tym większe znaczenie mają kontrola dostępu i sprawdzanie jego działań. Źródło: Anthropic – raport o nadużyciach AI z września 2026 r..

AI na Uniwersytecie Szczecińskim

Jak studenci używają AI? Raport z udziałem badaczy US

21.09.2026 – informacja na portalu AI Uniwersytetu Szczecińskiego

Portal AI Uniwersytetu Szczecińskiego przedstawił raport „Generatywna sztuczna inteligencja w praktykach studiowania”, przygotowany miedzy innymi przez dr hab. Elżbietę Perzycką-Borowską prof. US. Opracowanie oparto na 457 kwestionariuszach zebranych w polskich uczelniach od 3 grudnia 2025 r. do 15 stycznia 2026 r., z najliczniejszą reprezentacją US. ChatGPT wskazało 86,4% respondentów, a 27,4% deklarowało obawę przed ujawnieniem prowadzącym zajęcia, że korzystają z AI. Ze względu na celowy dobór próby wyników nie należy traktować jako reprezentatywnych dla wszystkich studentów w Polsce. Badanie łączy analizę liczbową z interpretacją otwartych wypowiedzi.

Autorzy zalecają czytelne zasady informowania o użyciu AI oraz ocenianie sposobu rozumowania i sprawdzania źródeł. Wskazują też potrzebę szkoleń dostosowanych do dyscypliny i etapu studiów. Raport daje zatem podstawę do rozmowy o praktyce dydaktycznej, w której jawność korzystania z narzędzi idzie w parze z samodzielnością. Źródło: omówienie raportu na portalu AI US.

„Algorithmic Circle”: doświadczenia ludzi w świecie algorytmów

21.09.2026 – informacja o monografii na portalu AI US

Na portalu uczelnianym zaprezentowano anglojęzyczną monografię „Algorithmic Circle. Exploring Digital Safety and Competence Through Collective Autoethnography”, wydaną przez Oficynę Wydawniczą „Impuls”. Redakcję naukową przygotowali dr hab. Elżbieta Perzycka-Borowska, prof. Uniwersytetu Szczecińskiego, oraz prof. Jarek Janio z Santa Ana College. Autorzy wykorzystują autoetnografię zbiorową, czyli wspólną analizę własnych doświadczeń jako materiału badawczego. Przyglądają się wpływowi AI na dydaktykę, twórczość, uczenie się języków i relacje społeczne. Ważne miejsce zajmują zaufanie do technologii, samodzielność osądu i bezpieczeństwo dzieci.

W tomie znalazły się rozdziały Edyty Kowalczyk-Łuc i Oliwii Bator, doktorantek US, dotyczące udostępniania przez rodziców treści o dzieciach w internecie. Publikacja wyrosła z prac seminarium w projekcie GUARDIAN, a jej wydanie współfinansował Uniwersytet Szczeciński. To jakościowa refleksja nad doświadczeniami i odpowiedzialnością, która uzupełnia pomiary sprawności samych narzędzi AI. Źródło: omówienie monografii na portalu AI US.

Biuletyn przygotowany przez Komisję AI Uniwersytetu Szczecińskiego.

Kontakt: grzegorz.wojarnik@usz.edu.pl