AI από το μηδέν
Ένα πλήρες μάθημα για την τεχνητή νοημοσύνη, από τα μαθηματικά έως τα LLM, τους agents και το MCP. Τριάντα κεφάλαια, το καθένα αξίζει να διαβαστεί αυτόνομα.
Το Perceptron από το μηδέν: τι υπολογίζει ένας νευρώνας
Ένας νευρώνας είναι ένα σταθμισμένο άθροισμα και ένα κατώφλι. Αυτή είναι όλη η ιδέα — και τα όριά της ανάγκασαν όσα ήρθαν μετά.
Από πού προέρχεται μια συνάρτηση απώλειας: πιθανότητα, όχι σύμβαση
Το squared error δεν είναι σύμβαση. Είναι ισχυρισμός για τον θόρυβο — και μπορείτε να το δείτε να κάνει λάθος.
Κατηφόρα: Gradient Descent και τα δύο βήματα που όλοι παραλείπουν
Όλοι γράφουν το μείον. Σχεδόν κανείς δεν λέει γιατί υπάρχει εκεί ή πόσο μεγάλο βήμα αντέχει.
Ταξινόμηση, cross-entropy και πώς να μην κοροϊδεύετε τον εαυτό σας
Η ακρίβεια είναι ο πιο εύκολος αριθμός για αναφορά — και ο πιο εύκολος για να σας ξεγελάσει.
Backpropagation από το μηδέν: πρώτα η μηχανή, μετά το δίκτυο
Το backpropagation δεν είναι αλγόριθμος νευρωνικών δικτύων. Είναι ο κανόνας της αλυσίδας, εφαρμοσμένος σε γράφο, προς την αποδοτική κατεύθυνση.
Πώς το κάνετε να εκπαιδευτεί — και να γενικεύσει
Το gradient είναι σωστό και το δίκτυο πάλι δεν μαθαίνει. Αυτό το κεφάλαιο εξηγεί τη διαφορά.
Φτιάξτε έναν BPE tokenizer: γιατί το μοντέλο σας δεν μπορεί να μετρήσει τα R
Το μοντέλο δεν βλέπει ποτέ γράμματα. Όλα τα παράξενα στον τρόπο που γράφει, μετρά και κάνει εσοχές ξεκινούν από αυτό.
Πρόβλεψη επόμενου token: embeddings και τι σημαίνει το perplexity
Ένας στόχος, χωρίς labels, και ένας πίνακας διανυσμάτων που κανείς δεν σχεδίασε.
Attention και το transformer block, παραγμένα από έναν μέσο όρο
Το attention δεν είναι ένας τύπος που απλώς αποδέχεστε. Είναι αυτό που προκύπτει όταν σταματάτε να μετράτε το παρελθόν ομοιόμορφα και αφήνετε το μοντέλο να διαλέγει βάρη.
Pretraining ενός LLM: δεδομένα, compute, scaling laws και κόστος
Οι αποφάσεις που απομένουν δεν είναι προγραμματιστικές. Είναι αγορές.
Από base model σε βοηθό: SFT, RLHF, DPO και GRPO
Ένα pretrained μοντέλο δεν απαντά σε ερωτήσεις. Συνεχίζει κείμενο — και η διαφορά είναι ένα δεύτερο στάδιο εκπαίδευσης που δεν φαίνεται.
Chain of Thought, RLVR και test-time compute, μετρημένα
Ένα μοντέλο δεν σκέφτεται. Ξοδεύει περισσότερα token πριν απαντήσει — και αυτό μετριέται και χρεώνεται.
Φθηνότερο inference: KV cache, batching και quantization
Η παραγωγή δεν είναι ένα πρόβλημα: είναι ένα compute-bound πρώτο token και χιλιάδες memory-bound επόμενα.
Η πρώτη σας παραγωγική κλήση LLM: streaming, retries, timeouts
Το μοντέλο είναι πλέον πίσω από ένα port. Σχεδόν τίποτα από όσα πάνε στραβά από εδώ και πέρα δεν είναι μαθηματικά.
Prompt engineering, μετρημένο: τι αλλάζει την έξοδο
Ένα prompt μετριέται, δεν συζητιέται. Τέσσερις παραλλαγές σε είκοσι περιπτώσεις δεν ξεχωρίζουν τίποτα.
Το context window, τα tokens και ο λογαριασμός, μετρημένα
Το window δεν είναι μνήμη. Ξαναγεμίζει από την αρχή σε κάθε call, και πληρώνετε για το ξαναγέμισμα.
Temperature, Top-p και ο ντετερμινισμός που δεν έχετε
Το temperature δεν κάνει ένα μοντέλο πιο δημιουργικό. Αυξάνει την πιθανότητα των tokens που το ίδιο βαθμολόγησε χαμηλά.
Tool Calling και Structured Outputs: η σύμβαση που κρατάει
Το μοντέλο δεν εκτελεί ποτέ τίποτα. Ζητά, σε σχήμα που ορίσατε, και το σχήμα είναι το μόνο μέρος που ελέγχετε.
RAG στην παραγωγή: chunking, retrieval και ειλικρινείς παραπομπές
Κακό chunking καταστρέφει την απάντηση πριν αρχίσει η αναζήτηση, και κανένα reranking δεν τη σώζει.
Fine-Tune, Retrieve ή Prompt; Η απόφαση είναι οικονομική
Κανείς δεν κάνει αυτή την ερώτηση για το model. Τη κάνει για έναν προϋπολογισμό.
Multimodal pricing: τι χρεώνουν πραγματικά εικόνες, ήχος και βίντεο
Μια φωτογραφία δεν κοστίζει μία φωτογραφία. Κοστίζει tokens, με έναν τύπο που δεν επιλέξατε.
Τι είναι ένας AI agent: πέντε κλασικοί τύποι, δύο αντίπαλοι ορισμοί
Ένα εργαλείο στον κατάλογο έκανε μία κλήση δύο και 39 input tokens 420. Αν αυτό το έκανε agent εξαρτάται από τον ορισμό που ανοίγετε.
Φτιάξτε ένα agent harness: το loop και οι πέντε έξοδοί του
Το loop είναι δεκαπέντε γραμμές. Ό,τι το κάνει έτοιμο για παραγωγή είναι ένας τρόπος να φύγετε από αυτό.
Context Engineering: Γιατί ο agent σας γίνεται πιο χαζός στο turn 40
Το παράθυρο δεν γέμισε. Η πληροφορία απλώς μετακινήθηκε και ο agent σταμάτησε να τη βρίσκει.
Multi-Agent Orchestration: πέντε μοτίβα και πότε κερδίζει το ένα
Τέσσερις διατάξεις, μία εργασία, ένας λογαριασμός. Η φθηνότερη ήταν λάθος και η ακριβότερη δεν μπορούσε να ελέγξει τους workers της.
Το MCP με βάση την προδιαγραφή: τι είναι πραγματικά ένας server
Δεν είναι μαγεία. Είναι transport, μορφή μηνυμάτων και τρία primitives — και μπορείτε να το γράψετε με το χέρι.
Κυκλοφορήστε ένα MCP Server: TypeScript και Python, με μετρήσεις
Δύο SDKs, ένα wire. Οι ενδιαφέρουσες διαφορές είναι όσες το πρωτόκολλο δεν μπορεί να δει.
Agent Skills και SKILL.md: προοδευτική αποκάλυψη, μετρημένη
Ένα skill είναι ένας φάκελος με ένα αρχείο Markdown μέσα του. Όλα τα ενδιαφέροντα εξαρτώνται από το ποιο μέρος διαβάζεται και πότε.
Αξιολόγηση LLM: από τα δημόσια benchmarks στο δικό σας golden set
Ένας αριθμός χωρίς διάστημα είναι ανέκδοτο με δεκαδικά.
Prompt Injection και η θανάσιμη τριάδα: ασφάλεια για έναν πραγματικό agent
Το μοντέλο δεν ξεχωρίζει τη δική σας οδηγία από ενός αγνώστου. Ό,τι λειτουργεί χτίζεται πάνω σε αυτή την αποδοχή.