Biuletyn AI – październik 2026

Analiza danych z milionów komórek, sprawniejsze opracowanie dokumentacji onkologicznej i roboty uczące się precyzyjnej pracy dłonią – październik przyniósł kolejne praktyczne zastosowania sztucznej inteligencji (AI). Przedstawiamy także zmiany w organizacji pracy, ważne premiery modeli oraz polskie inicjatywy dotyczące wdrożeń i edukacji. Szczególne miejsce zajmują nowe materiały i szkolenia Uniwersytetu Szczecińskiego, które pomagają korzystać z AI świadomie i sprawdzać jej wyniki.

Wiadomości

AI w nauce i medycynie

Tysiące agentów analizują dane biologiczne i wskazują kolejne eksperymenty

21.10.2026 – publikacja wyników współpracy badawczej

OpenAI, PerturbAI i Scripps Research przedstawiły analizę istniejących danych z milionów komórek mózgu myszy. Tysiące agentów AI, czyli programów wykonujących zadania z użyciem narzędzi, pracowały równolegle nad skutkami zaburzenia działania poszczególnych genów. Systemy korzystały z modelu GPT-Rosalind, łączyły wyniki eksperymentów z literaturą i przygotowywały wyjaśnienia możliwych mechanizmów biologicznych. Według zespołu analizę wykonano w 32 minuty; porównanie z miesiącami pracy człowieka jest szacunkiem autorów, a nie wynikiem losowego eksperymentu. W ocenie ekspertów, którzy nie znali sposobu powstania porównywanych raportów, opracowania wielu agentów były preferowane w 75% porównań z raportami pojedynczego agenta.

Jedna z uzyskanych hipotez dotyczyła związku między zaburzeniem genu DCTN1, gospodarką cholesterolem i chorobami układu nerwowego. Takie powiązania pomagają wybrać pytania warte sprawdzenia w laboratorium. Nie oznaczają jednak potwierdzenia mechanizmu choroby u ludzi ani opracowania terapii. Źródło: OpenAI – opis badania, publikacja i atlas wyników.

AI pomaga wykrywać działania niepożądane immunoterapii w dokumentacji

29.10.2026 – publikacja w „Nature Cancer”

W czasopiśmie „Nature Cancer” opublikowano badanie systemu, który wyszukuje w notatkach klinicznych informacje o sześciu rodzajach działań niepożądanych immunoterapii, czyli leczenia wykorzystującego układ odpornościowy. System określa między innymi czas wystąpienia objawów, ich nasilenie i opisany związek z leczeniem. W kontrolowanym badaniu z udziałem 17 pracowników badań klinicznych pomoc AI skróciła czas opracowania notatki średnio o 2,71 minuty oraz poprawiła poprawność i zgodność ocen. Osobny etap obejmował analizę 884 notatek w rzeczywistym obiegu dokumentacji, w trybie obserwacyjnym, bez wpływania na leczenie. Ten etap przeprowadzono od maja do lipca 2025 r.; październikowa data dotyczy publikacji czasopismowej.

W warunkach rzeczywistych wyniki były słabsze niż przy sprawdzaniu systemu na wcześniej przygotowanym zbiorze. Wszystkie etapy przeprowadzono w jednym systemie opieki zdrowotnej, a badanie nie mierzyło poprawy zdrowia pacjentów. Najważniejszy rezultat dotyczy zatem sprawniejszej pracy nad dokumentacją przy zachowaniu weryfikacji przez człowieka. Źródło: publikacja i opis ograniczeń badania.

AI w gospodarce i finansach

Więcej pracy agentów zmienia zadania ludzi i strukturę rekrutacji

16.10.2026 – analiza zatrudnienia i organizacji pracy w Anthropic

Anthropic, twórca systemów Claude, opublikowało analizę własnego zatrudnienia, korzystania z AI i wyników pracy. Udział początkujących pracowników w nowych rekrutacjach technicznych spadł w analizowanym okresie z 27% do 9%, choć firma nadal zwiększała zatrudnienie. Jednocześnie po upowszechnieniu agentów wzrosły mierzone wyniki pracy programistów, sprzedawców i osób opracowujących umowy. W sierpniu czas działania interaktywnych agentów był sześciokrotnie większy od oszacowanego czasu pracy ich ludzkich użytkowników. Ta relacja opisuje czas działania programów, a nie sześciokrotną przewagę jakości lub wartości wytworzonej pracy.

Autorzy wskazali, że ograniczeniem staje się uwaga człowieka potrzebna do sprawdzania i koordynowania wyników. Menedżerowie częściej oczekiwali samodzielności i umiejętności oceny sytuacji. To badanie jednej firmy silnie związanej z AI, a korzystanie z narzędzi nie było przydzielane losowo, więc wyników nie można przenosić wprost na cały rynek pracy. Dla uczelni jest to argument za rozwijaniem u studentów zarówno wiedzy specjalistycznej, jak i umiejętności nadzorowania pracy AI. Źródło: Anthropic – dane, metoda i ograniczenia analizy.

Anthropic rozpoczyna formalne przygotowania do wejścia na giełdę

26.10.2026 – złożenie dokumentu rejestracyjnego w USA

Anthropic poinformowało o złożeniu w amerykańskiej Komisji Papierów Wartościowych i Giełd (SEC) dokumentu S-1 dotyczącego planowanej pierwszej oferty publicznej akcji, określanej skrótem IPO. Firma zamierza ubiegać się o notowanie akcji klasy A na rynku Nasdaq pod symbolem ANT. W komunikacie nie ustalono liczby oferowanych akcji ani przedziału cenowego. Złożenie dokumentu rozpoczyna formalny proces i nie jest równoznaczne z giełdowym debiutem. W dniu ogłoszenia rejestracja nie była jeszcze skuteczna.

Dla gospodarki AI to kolejny przykład przechodzenia od finansowania prywatnego do przygotowań do pozyskiwania kapitału na rynku publicznym. Dalsze dokumenty mogą dostarczyć ekonomistom i badaczom rynku informacji o kosztach, przychodach oraz ryzykach prowadzenia takiej działalności. Sam październikowy komunikat nie pozwala jednak przesądzić terminu debiutu ani warunków oferty. Źródło: oficjalny komunikat Anthropic.

Roboty, narzędzia i najważniejsze premiery modeli

Nowa dłoń Atlasa: precyzyjniejsze używanie narzędzi i nauka w symulacji

01.10.2026 – prezentacja Boston Dynamics

Boston Dynamics przedstawiło nową dłoń robota Atlas, zaprojektowaną do manipulowania przedmiotami, a nie tylko ich chwytania. Cztery palce zapewniają 13 stopni swobody, czyli niezależnych możliwości ruchu, wobec siedmiu w poprzedniej konstrukcji. Dłoń może między innymi zmieniać położenie przedmiotu w uchwycie i trzymać narzędzie, jednocześnie naciskając jego spust. Czujniki nacisku na opuszkach i wewnętrznej stronie dłoni dostarczają informacji o kontakcie. Konstrukcję opracowano tak, aby możliwie wiernie odwzorować ją w komputerowej symulacji.

Ma to znaczenie dla uczenia przez wzmacnianie, w którym robot doskonali zachowanie dzięki ocenie kolejnych prób. Umiejętności wypracowane w symulacji trzeba następnie przenieść do rzeczywistego urządzenia. Pokaz dokumentuje nowe możliwości konstrukcji i metodę rozwoju, ale nie jest pomiarem niezawodności robota w dowolnym zakładzie. Źródło: Boston Dynamics – konstrukcja dłoni i sposób uczenia.

ChatGPT odpowiada interaktywnym narzędziem, wykresem lub diagramem

07.10.2026 – rozpoczęcie udostępniania Intelligent UI

OpenAI wprowadziło w ChatGPT Intelligent UI, czyli możliwość tworzenia odpowiedzi łączących tekst, grafikę i elementy, z których można korzystać bezpośrednio w rozmowie. Zamiast samego opisu użytkownik może otrzymać między innymi kalkulator, porównanie wariantów lub interaktywny diagram. Model dobiera formę do pytania i może nadal udzielić zwykłej odpowiedzi tekstowej. Wdrażanie rozpoczęto 7 października w planach płatnych, a od 8 października rozszerzano je na plany Free i Go. Aktualizacja dotyczyła głównej rozmowy w ChatGPT, a nie zmiany modeli w środowiskach Work i Codex.

Dla dydaktyki otwiera to możliwość sprawdzania, jak zmiana założeń wpływa na wynik, na przykład w prostym modelu ekonomicznym. Przydatność takiej odpowiedzi zależy jednak od poprawności obliczeń, przyjętych założeń i objaśnień. Atrakcyjna forma sama w sobie nie jest dowodem prawdziwości wyniku. Źródło: OpenAI – opis funkcji i zakres udostępniania.

Październikowe modele: zadania wieloetapowe, niższe koszty i dostępne wagi

06.10.2026-29.10.2026 – zbiorczy przegląd premier i istotnych aktualizacji

W jednym przeglądzie zbieramy najważniejsze zmiany dotyczące dużych modeli językowych (LLM), które rozumieją i tworzą tekst, a często także analizują inne rodzaje danych. Obejmują one modele frontier, czyli należące do najbardziej zaawansowanych systemów, oraz open-weight, których wagi, czyli wyuczone parametry, można pobrać. Najważniejsze różnice praktyczne dotyczą korzystania z narzędzi, długich zadań i możliwości własnego wdrożenia.

  • OpenAI: GPT-6.1 Terra – 26.10.2026. Model łączy analizę obrazów, obsługę programów na komputerze i pisanie. Jest przeznaczony między innymi do odczytywania dokumentów, formularzy i rysunków technicznych. Udostępniono go w ChatGPT Work, Codex oraz usłudze API (interfejsie pozwalającym innym programom korzystać z modelu). Źródło: premiera GPT-6.1 Terra.
  • Anthropic: Claude Haiku 5.5 – 07.10.2026. Mniejszy model służy do częstych, krótkich zadań: streszczeń, porządkowania informacji i obsługi przeglądarki. Może także wykonywać zadania pomocnicze dla większych modeli. Wprowadzono regulację nakładu obliczeń na rozumowanie, co pozwala dobierać koszt i czas do trudności pracy. Źródło: premiera Haiku 5.5.
  • Google: Gemini 4 Argon – szerszy dostęp od 13.10; Gemini 4 Carbon – 28.10.2026. Argon trafił do szerszego grona programistów i użytkowników po wcześniejszym ograniczonym dostępie. Carbon rozwija wieloetapowe programowanie oraz wykrywanie i naprawianie luk w zabezpieczeniach. W październiku dostęp do Carbona rozpoczynano od wybranych specjalistów ochrony systemów w programie Fairwind; nie była to powszechna dostępność. Źródła: udostępnienie Argona, ogłoszenie Carbona.
  • Meta: Muse Wonder i Wonder Full – 12.10; Muse Spark Open – 15.10.2026. Wonder rozwija pracę agentów nad długimi zadaniami osobistymi i zawodowymi. Osobno udostępniono wagi Muse Spark Open do programowania oraz pracy z różnymi rodzajami danych. Licencja zawiera warunki komercyjne, a pokaz lokalnego działania wykorzystywał dwa odpowiednio wyposażone komputery Mac Studio, więc nie oznacza to pracy na dowolnym laptopie. Źródła: Muse Wonder, Muse Spark Open i licencja.
  • Mistral: Large 4, także pod nazwą Le Chonk – wersja testowa 06.10, publikacja wag 29.10.2026. Model wspiera tworzenie oprogramowania, pracę z dokumentami i zadania obrony cyberbezpieczeństwa. Udostępnienie wag pozwala organizacji uruchamiać go we własnym środowisku. Licencja przewiduje osobne warunki dla firm oferujących modele jako usługę. Źródła: wersja testowa, publikacja wag i zasady licencji.
  • DeepSeek: V4.1-Flash-1017 – 17.10.2026. Aktualizacja rozwija tworzenie całych projektów, w tym aplikacji i scen trójwymiarowych, z korzystaniem z narzędzi i sprawdzaniem rezultatów. Udostępniono również wagi modelu. Zmiany wdrożono w serwisie, aplikacji i API DeepSeek. Źródło: oficjalne ogłoszenie i odnośniki do wag.
  • Moonshot AI: Kimi K3.1 Pro i Pro Highspeed – 23.10.2026. Nowa rodzina trafiła do Kimi Code, rozwijając programowanie, tworzenie obiektów trójwymiarowych i badania finansowe. Producent podaje kontekst do miliona tokenów, czyli fragmentów tekstu przetwarzanych przez model, przy czym dostęp zależy od planu. To potwierdzenie wdrożenia usługi, a nie samo w sobie dowód udostępnienia wag tej wersji. Źródło: oficjalny wykaz zmian Kimi Code.
  • Grok: Voice 3.0 – 14.10.2026. Październikowa aktualizacja dotyczy modelu prowadzącego rozmowy głosowe w czasie rzeczywistym. Zastąpił Voice 2.0 pod dotychczasową nazwą automatycznie wybierającą bieżącą wersję, przy zachowaniu interfejsu i ceny usługi. Nie należy utożsamiać tego z premierą nowej tekstowej wersji Groka 4. Źródło: oficjalna historia zmian.

Opisy możliwości pochodzą z dokumentacji i komunikatów twórców. Dla uczelni praktycznym sprawdzianem pozostają własne zadania, kontrola rezultatów, warunki licencji oraz zasady przetwarzania danych. Same nazwy modeli i wyniki testów producentów nie wystarczają do wyboru narzędzia.

Polska: wdrożenia i kontrola nad technologią

Asystent AI w sądownictwie administracyjnym zaczyna od pilotażu

20.10.2026 – podpisanie listu intencyjnego

Naczelny Sąd Administracyjny (NSA) i Ministerstwo Cyfryzacji podpisały list intencyjny dotyczący współpracy nad wykorzystaniem AI. W pierwszym etapie 30 pracowników NSA ma sprawdzić pilotażową wersję Asystenta Urzędniczego AI, wspieranego przez polski model PLLuM. Testy obejmą streszczanie i porównywanie dokumentów, przygotowanie projektów pism, wyszukiwanie przepisów oraz anonimizację, czyli usuwanie danych pozwalających rozpoznać osobę. Na podstawie doświadczeń ma powstać narzędzie uwzględniające specyfikę pracy sędziów i ich asystentów. Komunikat przewiduje sprawdzenie i zatwierdzenie przez sędziego każdego dokumentu utworzonego przez AI.

NSA zapowiedział również udostępnienie Naukowej i Akademickiej Sieci Komputerowej (NASK) orzeczeń z Centralnej Bazy Orzeczeń Sądów Administracyjnych wyłącznie na potrzeby doskonalenia narzędzi. Październikowe wydarzenie dotyczy porozumienia i planu testów, a nie potwierdzonego, pełnego wdrożenia. Z punktu widzenia instytucji publicznych ważne są tu ograniczony zakres pierwszej próby, kontrola danych i odpowiedzialność człowieka za dokument. Źródło: Naczelny Sąd Administracyjny – zakres współpracy i pilotażu.

Instytut Łączności: skuteczne wdrożenie wymaga danych, energii i kompetencji

15.10.2026 – publikacja raportu i analizy sektorowej

Instytut Łączności – Państwowy Instytut Badawczy opublikował omówienie raportu o trendach technologicznych oraz potencjale AI w Polsce. Choć dokument analizuje wydarzenia września, jego październikową nowością jest publikacja opracowania z dodatkiem obejmującym 11 sektorów i obszarów gospodarki. Autorzy uwzględniają między innymi finanse, energetykę, przemysł, transport i technologie biomedyczne. Wskazują, że przejście od prób do trwałego wdrożenia zależy od dostępu do danych, infrastruktury, bezpieczeństwa i umiejętności ludzi. Kontrolę nad technologią rozumieją szerzej niż samo posiadanie krajowego modelu językowego.

Według raportu instytucja powinna móc sprawdzać działanie systemu, modyfikować go i w razie potrzeby zastąpić jego model. Autorzy zalecają ocenianie rzeczywistej wartości wdrożeń oraz zależności od dostawców. To analiza i propozycje kierunków działania, a nie pomiar oszczędności osiągniętych przez wszystkie wymienione branże. Dla uczelni wniosek jest praktyczny: zakup dostępu do AI powinien być częścią planu obejmującego dane, ludzi i sposób oceny wyników. Źródło: Instytut Łączności – omówienie i pełny raport.

AI na Uniwersytecie Szczecińskim

Jesienny cykl szkoleń: od sposobu myślenia po badania i agentów AI

12.10.2026 – ogłoszenie programu szkoleń dla pracowników US

Uniwersytet Szczeciński ogłosił cykl szkoleń online dotyczących korzystania z AI w pracy zawodowej. Program obejmuje zarówno osoby początkujące, jak i bardziej doświadczonych użytkowników. W październikowym harmonogramie znalazły się zajęcia o rozwiązywaniu problemów z AI, tworzeniu materiałów dydaktycznych oraz projektowaniu oceniania w czasach powszechnego dostępu do tych narzędzi. Prowadzenie tych spotkań przypisano odpowiednio dr. Grzegorzowi Wojarnikowi, dr hab. Elżbiecie Perzyckiej-Borowskiej, prof. US, i prof. Jarkowi Janio z Santa Ana College. Ogłoszenie przedstawia także dalsze zajęcia o badaniach naukowych, tworzeniu stron internetowych, agentach AI i analizie danych.

Cykl pokazuje podejście, w którym obsługa programu łączy się z oceną jego przydatności dla konkretnego zadania. W informacji uczelnianej podano harmonogram i sposób dołączenia do spotkań w Microsoft Teams. Ze względu na rozbieżność godzin pierwszego szkolenia między opisem a tabelą nie powtarzamy tu tej godziny; bieżące terminy należy sprawdzać w komunikatach organizatorów. Źródło: program szkoleń na portalu AI US.

„Podróż Impulsu”: sieć neuronową można poznawać przez własne eksperymenty

26.10.2026 – udostępnienie interaktywnej lekcji do testów

Na portalu AI Uniwersytetu Szczecińskiego udostępniono „Podróż Impulsu”, lekcję pokazującą działanie i uczenie sztucznej sieci neuronowej, czyli modelu złożonego z połączonych elementów przetwarzających dane. Materiał działa w przeglądarce, a organizatorzy zalecają korzystanie z komputera ze względu na czytelność sceny trójwymiarowej. Przykład dotyczy oceny pogody na podstawie zachmurzenia i prognozy opadów. Użytkownik może zmieniać dane i parametry modelu oraz obserwować, jak zmieniają się jego decyzje. Może też prześledzić proces uczenia i sprawdzić skutki zbyt szybkiego lub zbyt wolnego wprowadzania poprawek.

Lekcji towarzyszy film z lektorem i napisami, trwający około 25 minut. Materiał udostępniono do testów z prośbą o zgłaszanie błędów i niejasności. Jest to przykład pomocy dydaktycznej opartej na samodzielnym sprawdzaniu zależności, a nie wyłącznie oglądaniu gotowych slajdów. Źródło: opis, odnośnik do lekcji i informacje o testowaniu.

Biuletyn przygotowany przez Komisję AI Uniwersytetu Szczecińskiego.

Kontakt: grzegorz.wojarnik@usz.edu.pl