W dniu 18 listopada 2025 roku dr hab. Krzysztof Węcel, prof. UEP brał udział w konferencji CyberEXPERT organizowanej przez Eksperckie Centrum Szkolenia Cyberbezpieczeństwa (ECSC) na kampusie Wojskowej Akademii Technicznej (WAT) w Warszawie.
W ramach sesji inauguracyjnej prof. Węcel wziął udział w panelu dyskusyjnym pt. „Systemy osiągania przewagi informacyjnej” moderowanym przez prof. dr. hab. inż. Wojciecha Mazurczyka (Politechnika Warszawska). Pozostałymi uczestnikami byli: dr hab. inż. Mariusz Rawski, prof. ucz. (Politechnika Warszawska), Witold Witkowicz, Prezes Zarządu ICEYE (polskiej firmy będącej światowym liderem w dziedzinie obrazowania satelitarnego radarowego – SAR), dr inż. Aneta Hapka (Politechnika Koszalińska), płk Rafał Kasprzyk, Wydział Cybernetyki, WAT oraz Robert Pławiak, Chief Digital, Technology and Information Officer Polpharma. Tematem przewodnim panelu stała się suwerenność cyfrowa – paneliści zgodzili się, że koniecznej jest tworzenie własnych zasobów technologicznych oraz przede wszystkim rozwój kompetencji w Polsce.
W dalszej części konferencji prof. Węcel wygłosił również referat pt. „Grafy wiedzy jako narzędzie budowania przewagi informacyjnej”. Graf wiedzy to specyficzny sposób reprezentacji wiedzy w formie grafu, gdzie węzły oznaczają różne byty a krawędzie reprezentują relacje między nimi. Korzeni tego pojęcia można szukać w Internecie Semantycznym (Semantic Web), a wcześniej jeszcze w sieciach semantycznych (semantic networks). Wynika ono z potrzeby strukturyzacji wiedzy oraz z tego, że naturalnie dobrze rozumiemy informację skojarzeniową.
Grafy wiedzy nabierają obecnie krytycznego znaczenia w kontekście dużych modeli językowych. Technologie te mogą się wzajemnie wspierać. Z jednej strony model językowy może być wykorzystany do ekstrakcji z tekstu najważniejszych bytów i relacji między nimi. Z drugiej strony sam graf wiedzy zbudowany na podstawie innych strukturyzowanych źródeł (np. Wikidane) umożliwia weryfikację informacji, z którą pracuje model językowy. Obecne modele językowe umożliwiają jedynie wnioskowanie statystyczne, tzn. może być ono obarczone błędem. Na przykład mogą być wygenerowane stwierdzenia, które nie mają pokrycia w dokumentach (tzw. halucynacje).
Grafy wiedzy zapewniają wnioskowanie formalne, z dobrze określoną semantyką, opartą na logice. Nie tylko możemy zweryfikować istniejące fakty, ale również wykorzystać informację, która nie jest dostępna w modelu językowym, ale jest dostarczona w formie specyficznego dla dziedziny grafu wiedzy. Podczas prezentacji przeanalizujemy przykłady i zastosowania grafów wiedzy do budowania przewagi informacyjnej.
W podsumowaniu należy wskazać, że wiele miejsca poświęcono wyzwaniom związanym z rozwojem AI w sektorze obronnym. Eksperci omawiali zagrożenia płynące z halucynacji modeli, celowej manipulacji informacją i generowania fałszywych treści, czy ryzyka Shadow AI, czyli nieautoryzowanego korzystania z narzędzi AI w organizacjach.