Jak działa AI

Ta sekcja jest w przebudowie

Przechodzę przez te teksty artykuł po artykule i poprawiam to, co się nie broni. Lekcje wracają tutaj pojedynczo, w miarę jak kończę przegląd - pod tymi samymi adresami co wcześniej. Poniżej lista tego, co się w tej sekcji pojawi.

Czego się tu nauczysz

Po sekcji Podstawy wiesz już, czym AI jest i potrafisz z nią rozmawiać. Teraz zaglądamy pod maskę. Nie po to, żeby zrobić z Ciebie inżyniera - po to, żeby przestać traktować sztuczną inteligencję jak czarną skrzynkę, która czasem daje dobre odpowiedzi, a czasem dziwne, i nie wiadomo dlaczego.

Zaczynamy od uporządkowania trzech pojęć, które w rozmowach potocznych używane są zamiennie, a znaczą co innego: sztuczna inteligencja, uczenie maszynowe i sieci neuronowe. Potem przechodzimy do tego, jak model w ogóle się uczy - skąd bierze wiedzę i co to znaczy, że “został wytrenowany”. Zaraz potem porządkujemy typy AI - wąską, ogólną i superinteligencję - i pokazujemy, że dziś istnieje tylko ta pierwsza. Następnie zajmujemy się modelami językowymi, czyli tą rodziną AI, z którą masz do czynienia, gdy piszesz do chatbota.

Dalej robi się konkretniej. Modele rozumujące tłumaczą, co naprawdę robi przycisk “myślenia” w chatbocie. Tokeny i okno kontekstowe wyjaśniają, dlaczego model gubi wątek w długiej rozmowie. Embeddingi pokazują, w jaki sposób maszyna reprezentuje znaczenie słów, a RAG - jak dzięki temu chatbot potrafi odpowiadać na podstawie Twoich dokumentów, a nie tylko z pamięci. Parametry - temperature, top-p i reszta - to pokrętła, którymi da się sterować zachowaniem modelu. Rozumienie danych uczy zadawać zbiorowi danych proste pytania, zanim uwierzysz wykresowi czy statystyce. Na koniec cofamy się o krok: dlaczego ten boom nastąpił akurat teraz, czym są agenci AI i jak wygląda mapa systemów AI.

Dla kogo to jest

Dla osoby, która korzysta z AI i zaczyna zadawać pytania “dlaczego”. Nadal nie potrzebujesz wykształcenia technicznego, ale ta sekcja jest gęstsza od poprzedniej i lepiej czyta się ją, mając za sobą pierwsze rozmowy z chatbotem.

W jakiej kolejności czytać

Pierwszych pięć artykułów tworzy ciąg - warto trzymać kolejność. Dalsze są w dużej mierze niezależne, więc jeśli interesują Cię akurat koszty i limity, możesz przeskoczyć wprost do tokenów. “Mapa systemów AI” na końcu podsumowuje całość i dobrze działa też jako materiał do wracania.

Czego nie ma w tej sekcji

Nie ma tu instrukcji obsługi konkretnych narzędzi ani technik pisania promptów. Tłumaczymy mechanikę; zastosowania czekają w Prompt Engineering i Narzędziach AI.

Artykuły w tej sekcji

AI, ML, sieci neuronowe

Poznasz różnicę między AI, uczeniem maszynowym, sieciami neuronowymi i deep learningiem na pięciu przykładach z życia. Ćwiczenie: 5 minut. (w przygotowaniu)

Jak uczą się modele AI

Przypiszesz trzy przykłady z życia do uczenia nadzorowanego, nienadzorowanego i przez wzmacnianie. Ćwiczenie: 5 minut. (w przygotowaniu)

Typy AI

Dowiesz się, że cała dzisiejsza AI to wąska AI, a AGI (ogólna) i ASI (superinteligencja) na razie nie istnieją. Ćwiczenie: 5 minut. (w przygotowaniu)

Modele językowe LLM

Rozpoznasz, że czat tylko przewiduje kolejne słowo, i dobierzesz narzędzie według zadania, nie rankingu z internetu. Ćwiczenie: 5 minut. (w przygotowaniu)

Modele rozumujące

Kiedy włączyć tryb myślenia, a kiedy nie. Ćwiczenie: 5 minut. (w przygotowaniu)

Tokeny i okno kontekstowe

Policzysz tokeny (kawałki tekstu) na własnym zdaniu i zrozumiesz, dlaczego długa rozmowa z AI zaczyna gubić początek. Ćwiczenie: 5 minut. (w przygotowaniu)

Embedding

Zobaczysz, że AI łączy zdania o tym samym problemie, nawet bez wspólnych słów, i nie daje się zwieść zdaniu, które tylko brzmi podobnie. Ćwiczenie: 5 minut. (w przygotowaniu)

RAG - AI na Twoich dokumentach

Najpierw cytat z Twojego tekstu, potem odpowiedź. Ćwiczenie: 5 minut. (w przygotowaniu)

Parametry modeli AI

Na trzech próbach zobaczysz, jak szeroko model losuje kolejne słowa, i nauczysz się zawężać ten wybór, gdy zależy Ci na jednej, przewidywalnej odpowiedzi. Ćwiczenie: 5 minut. (w przygotowaniu)

Rozumienie danych dla nieprogramistów

Trzy pytania do zbioru danych, zanim uwierzysz wykresowi. Ćwiczenie: 5 minut. (w przygotowaniu)

Dlaczego AI teraz?

Przypiszesz nagłówek o AI do jednego z trzech filarów boomu: mocy obliczeniowej, danych albo algorytmu. Ćwiczenie: 5 minut. (w przygotowaniu)

Agenci AI

Odróżnisz agenta, który sam wykonuje zadanie, od chatbota, który tylko podpowiada, i wskażesz, które działanie zostawiasz do własnej zgody. Ćwiczenie: 5 minut. (w przygotowaniu)

Mapa systemów AI

Ułożysz trzy systemy, których używasz na co dzień, na czterech warstwach mapy AI: model, autonomia, protokoły i nadzór. Ćwiczenie: 5 minut. (w przygotowaniu)

Następny krok

Zacznij tutaj: AI, ML, sieci neuronowe - uporządkujesz trzy pojęcia, które w rozmowach o AI mylone są najczęściej.

Częste pytania

Czy muszę rozumieć, jak AI działa, żeby z niej korzystać?

Nie musisz, tak jak nie musisz rozumieć silnika, żeby prowadzić samochód. Ale kierowca, który wie, co się dzieje pod maską, szybciej rozpoznaje, że coś jest nie tak. Tutaj chodzi dokładnie o to - zrozumienie mechaniki pozwala przewidzieć, kiedy AI się pomyli i dlaczego.

Czy w tej sekcji jest matematyka?

Nie ma wzorów. Pojęcia takie jak embedding czy funkcja straty tłumaczę przez analogie i przykłady, nie przez notację. Jeśli chcesz wejść głębiej w matematykę, w sekcji Zasoby znajdziesz odesłania do materiałów, które to robią.

Po co mi wiedza o tokenach i oknie kontekstowym?

Bo od tokenów zależy, ile tekstu model bierze pod uwagę naraz i ile kosztuje wywołanie API. To też najczęstsza przyczyna, dla której AI gubi początek długiej rozmowy. Cennik otwierasz u dostawcy - drabina planów jest w Ile kosztuje AI.