Razem z Mateuszem tworzymy jeden zespół. Łączy nas chęć usprawniania i automatyzowania powtarzających się czynności. W kwietniu 2025 roku, będąc na trzecim roku studiów, otrzymaliśmy zadanie przepisania trzech lat danych z roczników hydrologicznych dla jednej stacji wodowskazowej. Jakby nie liczyć, to 1095 wartości przepływów średnich dobowych, które należało ręcznie przenieść z papierowej książki do arkusza Excel.
Początkowo próbowaliśmy użyć sztucznej inteligencji, aby na podstawie zdjęcia lub skanu książki automatycznie przenosiła dane do arkusza. Niestety (a może stety), modele robiły wtedy zbyt wiele błędów. Zamiast poświęcić 2-3 godziny na ręczne przepisanie wartości, postanowiliśmy zrobić to inaczej.
Narodził się pomysł, aby pobrać pliki bezpośrednio z zasobów IMGW i stworzyć jednolitą bazę danych. Wykorzystując darmowe wersje LLM, przez wiele dni tworzyliśmy odpowiedni algorytm. W końcu się udało - wygodna filtracja danych (np. z użyciem SQLite) okazała się o niebo lepsza niż przepisywanie wartości z książek.
Vibe coding
Z czasem zdobyliśmy studencki dostęp do pakietu GitHub Copilot. Dało nam to możliwość wykorzystania nowszych modeli AI przy generowaniu kodu i tworzeniu aplikacji. Okazało się, że sposób, w jaki tworzymy aplikacje, ma nawet swoją nazwę: Vibe Coding.
Czy używanie AI do tworzenia projektu naukowego ma w ogóle sens?
Z perspektywy czasu widzimy pewne wyzwania. Jesteśmy inżynierami gospodarki wodnej i jednocześnie pionierami, jeśli chodzi o taki sposób wykorzystania modeli AI w naszej dziedzinie na tym poziomie doświadczenia i wiedzy. W naszym zespole brakuje klasycznego eksperta od backendu. Sami nie mieliśmy doświadczenia w programowaniu i wszystko było dla nas nowe. Doszliśmy do wniosku, że na tym etapie perfekcyjny kod interfejsu ma drugorzędne znaczenie. Najważniejsze są dwa elementy:
- Przepływ informacji
- Część obliczeniowa
Podzieliliśmy nasz projekt na dziesiątki małych modułów i wyizolowaliśmy te szczególnie ważne. Sposób tworzenia jest całkiem prosty: tworzymy prompt, czekamy na wygenerowany kod, testujemy. Jeśli coś nie działa, lokalizujemy fragment kodu i go poprawiamy. Dynamiczny rozwój modeli AI sprawia, że zanim trafimy na barierę nie do przejścia, na rynku pojawia się nowy, potężniejszy model (np. kolejne generacje z rodziny Claude), który rozwiązuje nasz problem.
Uważamy, że boom na AI dał nam olbrzymią szansę. Do zrealizowania naszego pomysłu potrzebowalibyśmy gigantycznego budżetu lub studenta informatyki, który po godzinach wykonywałby najcięższą pracę.
Przyszłość projektu
Po roku zbierania doświadczeń w hydrologii i rozwijania aplikacji Hydrolith patrzymy w przyszłość, a ta wymaga pilnych działań. Nie napiszemy nic odkrywczego - w Polsce susza trwa od kilkunastu lat. Zmiany klimatyczne oraz wieloletnie osuszanie kraju sprawiły, że z państwa, które jeszcze 60 lat temu zmagało się z nadwyżką wody w krajobrazie, dziś zmagamy się z jej dramatycznym brakiem. Czarne kolory na portalach Hydro-IMGW biją na alarm.
Uważamy, że potrzebne jest stałe monitorowanie poboru wód, jak i kontrola jakości wód odprowadzanych do sieci hydrograficznej.
Musimy całkowicie ukrócić sytuacje, w których dochodzi do poboru 100% przepływu z rzeki (np. na rzecz zapełnienia gospodarstw stawowych).
Choć zdajemy sobie sprawę, że rok doświadczeń to dopiero początek drogi, wyciągamy jasny wniosek. W Polsce powinna powstać jednolita, cyfrowa platforma dla urzędników, hydrologów, inżynierów, projektantów, a także obywateli. Miejsce, gdzie wyznaczanie i kontrolowanie zasobów wodnych będzie przejrzyste i oparte na twardych danych.
Hydrolith daje nam niesamowitą szansę odkrywania czegoś nowego. Wyciągamy wnioski, testujemy i wdrażamy, bo woda to zasób, o który musimy dbać wspólnie.