Modele językowe (LLM)

Jak właściwie działa model językowy w czacie?
Dział zatytułowany „Jak właściwie działa model językowy w czacie?”Zgaduje, jaki kawałek tekstu powinien być następny, i dokłada go do tego, co już jest. Esej, kod i plan to skutek tego zgadywania. Najpierw podpiszesz jedno zdanie z czatu słowami “to kolejny token, nie wiedza”, a potem dobierzesz narzędzie do własnego zadania według czterech kryteriów, bez patrzenia na nazwę wersji z reklamy.
Zgaduje następne słowo. Reszta jest skutkiem
Dział zatytułowany „Zgaduje następne słowo. Reszta jest skutkiem”“Pada deszcz, więc biorę…” - w głowie ląduje “parasol” albo “kurtka”. Duży model językowy (LLM, Large Language Model) robi to samo: liczy, który następny token (kawałek tekstu, często mniejszy niż słowo) najlepiej pasuje do tego, co już jest. Ze skali i danych wychodzi złudzenie rozmowy.
W środku nie ma biblioteki sprawdzonych faktów. Jest sieć wag, która nauczyła się dokańczać wzorce. Dlatego pewny ton nic nie gwarantuje - to ściana rozumienia, nie wada jednej marki.
Chatbot to okno na taki model. Generatywna AI w tekście prawie zawsze znaczy właśnie LLM.
Dwa kroki, które zrobiły z modelu czat
Dział zatytułowany „Dwa kroki, które zrobiły z modelu czat”Transformer (2017). Praca Vaswani i in., “Attention Is All You Need” dała architekturę, na której stoją dzisiejsze czaty: model przy każdym słowie bierze pod uwagę wszystkie pozostałe słowa tekstu, a trening da się rozłożyć na wiele procesorów jednocześnie. Rok 2017 to data narodzin mechanizmu. Nic nie mówi o tym, który model jest najlepszy w 2026.
Od uzupełniania do asystenta. Sam trening na internecie uczy dokańczać tekst, także toksyczny albo bez sensu. Potem ludzie (albo inne modele) oceniają odpowiedzi, a model dostraja się tak, żeby raczej pomagać, niż tylko zgadywać słowo - to RLHF (Reinforcement Learning from Human Feedback). Dlatego czat brzmi jak ktoś z działu obsługi, a nie jak generator losowych stron wiki.
Nazw wersji, liczby parametrów i “okna na dziś” nie wpisuję. Producenci je zmieniają i często i tak nie publikują pełnych liczb. Słowo “duży” znaczy tu: dużo wag i dużo tekstu w treningu, a nie “mądrzejszy od Ciebie”.
Kryteria, które przeżywają kolejną premierę
Dział zatytułowany „Kryteria, które przeżywają kolejną premierę”Nie zaczynaj od nazwy na pudełku. Zacznij od czterech pytań:
- Zadanie - redakcja maila, długi PDF, obraz, kod, liczenie z haczykiem. Do haczyka jest tryb myślenia.
- Prywatność - chmura dostawcy kontra model, którego wagi odpalasz u siebie.
- Długość - czy wklejasz akapit, czy książkę. Limit, ile tekstu model widzi naraz, to okno kontekstowe, mierzone w tokenach. Szczegóły: Tokeny i kontekst.
- Budżet - czas czekania i, przy API, pieniądze. Tryb “myślenia” też zużywa tokeny.
Otwarte wagi znaczą: da się pobrać parametry. Nie zawsze znaczą wolną licencję jak MIT. Etykieta “otwarty” bywa marketingiem. Polskie modele (Bielik, PLLuM) opisuję w lekcji Bielik i polskie modele AI.
Model nie zna wydarzeń po swoim treningu - to druga ściana z Ograniczeń. Świeże informacje dostanie tylko wtedy, gdy czat przeszuka internet albo gdy dasz mu własne dokumenty (RAG). Bez tego nie traktuj odpowiedzi jako stanu na dziś.
Ćwiczenie: 5 minut, zgadywanie i cztery kryteria
Dział zatytułowany „Ćwiczenie: 5 minut, zgadywanie i cztery kryteria”Najpierw bez czatu. Dokończ jednym słowem: “Herbata jest za gorąca, więc dmucham na…”. To jest LLM w Twojej głowie.
Potem otwórz chatbota i wklej:
Dokończ dokładnie jednym słowem, bez kropki i bez wyjaśnienia: "Herbata jest za gorąca, więc dmucham na"Zapisz, czy padło coś w stylu “spodek” / “nią” / inny token. Potem jedno zdanie na kartce: “to zgadywanie kolejnego kawałka, nie wiedza o herbacie”.
Na koniec Twoje prawdziwe zadanie z pracy albo domu. Nie wpisuj nazwy modelu. Wypisz cztery kryteria z listy powyżej (zadanie, prywatność, długość i budżet).
Zaliczenie: w 5 minut masz (1) słowo-dokończenie, (2) zdanie o tokenie, (3) cztery kryteria bez marki. Ranking z internetu nie zalicza.
Gdzie łatwo się pomylić: przy kryteriach kusi, żeby wpisać nazwę modelu, choć nazwa nie jest kryterium.
Jeśli nic nie zgrzyta i zostaje czas: wklej poniższy prompt do czatu, w miejsce “[jedno zdanie]” wpisując swoje zadanie. Porównaj odpowiedź z kartką.
Mam zadanie: [jedno zdanie]. Nie podawaj nazwy modelu ani wersji. Wypisz cztery kryteria wyboru narzędzia z listy: zadanie, prywatność, długość tekstu, budżet. Na końcu jedna etykieta: "wystarczy zwykły czat" albo "chcę wyszukiwanie / tryb myślenia / własne wagi".Teraz wiesz
Dział zatytułowany „Teraz wiesz”- LLM przewiduje kolejny token. Reszta umiejętności jest skutkiem ubocznym.
- Transformer (2017) i dostrajanie na ocenach ludzi tłumaczą skąd czat, nie która naklejka jest dziś na szczycie.
- Wybierasz kryteriami: zadanie, prywatność, długość, budżet. Nie tabelą z wtorku.
Następny krok: Modele rozumujące - co robi przycisk “myślenia” i kiedy tylko spowalnia.
Częste pytania
Który model językowy jest najlepszy?
Żaden "w ogóle". Najpierw zadanie, prywatność, długość tekstu i budżet. Ranking nazw z tygodnia nic nie mówi o Twoim pliku. Rodziny (ChatGPT, Claude, Gemini i inne) różnią się ekosystemem i zasadami, nie magią.
Czy "otwarte wagi" znaczy, że wolno wszystko?
Nie. Znaczy, że da się pobrać parametry i odpalić u siebie - w granicach licencji. Apache i MIT są szerokie. Część "otwartych" wag ma licencję społecznościową, której OSI nie uznaje za open source - tak jest z licencją Llamy (OSI, 2025). Czytaj licencję, zanim zbudujesz na tym produkt.
Czy większe okno kontekstowe znaczy, że model równo "widzi" cały plik?
Nie. Górny limit to nie równa uwaga. Środek długiego tekstu bywa gorzej wykorzystany niż początek i koniec. Szczegóły w Tokenach i kontekście.
made with ❤️ by aitomate.pl - Łukasz Podgórski