Jak działa AI

Czego się tu nauczysz
Dział zatytułowany „Czego się tu nauczysz”Po sekcji Podstawy wiesz już, czym AI jest i potrafisz z nią rozmawiać. Teraz zaglądamy pod maskę. Inżynierem po tej sekcji nie zostaniesz, ale przestaniesz traktować sztuczną inteligencję jak czarną skrzynkę, która czasem daje dobre odpowiedzi, a czasem dziwne, i nie wiadomo dlaczego.
Zaczynamy od sieci neuronowych - piętra matrioszki, które w Podstawach tylko nazwaliśmy - i układamy całą matrioszkę na pięciu piętrach: AI, uczenie maszynowe, sieci neuronowe, uczenie głębokie i generatywna AI. 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 początek długiej rozmowy. 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. Ustawienia losowania (temperatura i top-p) to pokrętła, którymi da się sterować tym, jak bardzo przewidywalne są odpowiedzi 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
Dział zatytułowany „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
Dział zatytułowany „W jakiej kolejności czytać”Pierwszych pięć lekcji tworzy ciąg - warto trzymać kolejność. Drugi ciąg to tokeny → embedding → RAG: każda z tych lekcji korzysta z poprzedniej. Ustawienia losowania, rozumienie danych, boom AI i agenci dają się czytać osobno. “Mapa systemów AI” na końcu podsumowuje całość i dobrze działa też jako materiał do wracania.
Czego nie ma w tej sekcji
Dział zatytułowany „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.
Lekcje w tej sekcji
Dział zatytułowany „Lekcje w tej sekcji”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 korzystanie z modelu przez API (dostęp do modelu dla programistów, bez okna czatu). To też najczęstsza przyczyna, dla której AI gubi początek długiej rozmowy. Cennik otwierasz u dostawcy - zestawienie planów jest w Ile kosztuje AI.
made with ❤️ by aitomate.pl - Łukasz Podgórski