# Jak znaleźć studia doktoranckie z zielonej AI?

> Jak znaleźć i wybrać doktorat z zielonej lub wydajnej AI: gdzie ogłasza się projekty, w jakich dziedzinach powstają i o co pytać przyszłych promotorów.

Source: https://greenai.guide/pl/jak/jak-znalezc-studia-doktoranckie-z-zielonej-ai/  
Updated: 2026-11-19

## W skrócie

Warto szukać szerzej niż wśród projektów oznaczonych jako „green AI” (zielona AI): badania nad wydajną AI prowadzi się w informatyce, matematyce, elektrotechnice i naukach dziedzinowych, często pod nazwami takimi jak wydajne uczenie maszynowe, zrównoważone obliczenia czy sprzęt o niskim poborze mocy. Należy przeszukiwać programy szkół doktorskich i listy projektów, czytać najnowsze publikacje, by znaleźć aktywnych promotorów, i pytać, jak w pracy będzie mierzona energia.

## Steps

1. Przeglądać oferty doktoratów i programy szkół doktorskich, używając kilku haseł, nie tylko „green AI”.
2. Czytać najnowsze publikacje o wydajnej AI, aby znaleźć zespoły i promotorów aktywnych w tej dziedzinie.
3. Skontaktować się z potencjalnymi promotorami, wysyłając krótką wiadomość o swoich zainteresowaniach i doświadczeniu.
4. Zapytać, jak w projekcie będą mierzone i raportowane energia oraz moc obliczeniowa.
5. Sprawdzić finansowanie, warunki udziału i terminy, które różnią się w zależności od kraju i programu.

**Należy szukać szeroko, bo większość badań nad zieloną AI nie jest oznaczona jako „green AI”.** Wydajne metody
rozwija się na wielu wydziałach i pod wieloma nazwami.

Podstawy dziedziny podpowiadają hasła do wyszukiwania. Artykuł „Green AI” autorstwa Schwartza, Dodge’a, Smitha
i Etzioniego z 2020 roku postulował traktowanie wydajności jako kryterium oceny obok dokładności, a artykuł Strubell,
Ganesha i McCalluma z 2019 roku oszacował koszt trenowania modeli językowych. Publikacje, które je cytują, dobrze
pokazują, kto pracuje w tej dziedzinie.

## W jakich dziedzinach powstają doktoraty z zielonej AI? {#which-fields-host-green-ai-phds}

- **Informatyka:** wydajne trenowanie i wnioskowanie, kompresja modeli, systemy i harmonogramowanie.
- **Matematyka i statystyka:** numeryczna algebra liniowa, optymalizacja, rzadkość (sparsity), kwantyfikacja
  niepewności.
- **Elektrotechnika:** sprzęt o niskim poborze mocy i sprzęt wyspecjalizowany, AI na urządzeniach brzegowych (edge AI).
- **Nauki dziedzinowe:** projekty z zakresu klimatu, zdrowia czy inżynierii, które zastępują kosztowne symulacje
  mniejszymi, wiarygodnymi modelami.

Przydatne hasła: efficient machine learning (wydajne uczenie maszynowe), sustainable lub low-carbon computing
(zrównoważone lub niskoemisyjne obliczenia), model compression (kompresja modeli), energy-aware computing (obliczenia
uwzględniające zużycie energii), edge AI, surrogate models (modele zastępcze).

## Gdzie są ogłaszane? {#where-are-they-advertised}

Nasz [katalog doktoratów](/pl/doktoraty/) zawiera oferty studiów doktoranckich, a [katalog badań](/pl/badania/) wymienia zespoły.
Krajowe serwisy z ofertami doktoratów i programy szkół doktorskich ogłaszają ich znacznie więcej; zasady finansowania
i terminy różnią się w zależności od kraju.

## O co zapytać promotora? {#what-should-i-ask-a-supervisor}

- Jak będą mierzone i raportowane energia oraz moc obliczeniowa?
- Jaki sprzęt i jaki budżet obliczeniowy będą dostępne?
- Czy są partnerzy z przemysłu lub partnerzy wdrożeniowi?
- Gdzie trafili niedawni doktoranci?

## Częste błędy {#common-mistakes}

- Szukanie wyłącznie hasła „green AI”.
- Wybór wyłącznie na podstawie tematu, bez pytań o opiekę promotorską i moc obliczeniową.
- Kontaktowanie się z promotorami za pomocą ogólnikowej wiadomości.

Główne kierunki badań opisuje [przewodnik dla badaczy](/pl/poradniki/zielona-ai-dla-naukowcow/).

## Źródła

- [Green AI](https://doi.org/10.1145/3381831), Schwartz, Dodge, Smith and Etzioni, Communications of the ACM (2020)
- [Energy and policy considerations for deep learning in NLP](https://arxiv.org/abs/1906.02243), Strubell, Ganesh and McCallum, ACL (2019)
