IA des de zero
Un curs complet d'intel·ligència artificial, des de les matemàtiques fins als LLM, els agents i MCP. Trenta capítols, cadascun amb prou valor per llegir-lo per separat.
El perceptró des de zero: què calcula una neurona
Una neurona és una suma ponderada i un llindar. Aquesta és tota la idea — i els seus límits van forçar tot el que va venir després.
D’on surt una funció de pèrdua: versemblança, no convenció
L’error quadràtic no és una convenció. És una afirmació sobre el soroll, i pots veure com s’equivoca.
Pendent avall: gradient descent i els dos passos que tothom se salta
Tothom escriu el signe menys. Gairebé ningú explica per què hi és, ni quina mida de pas pot suportar.
Classificació, entropia creuada i com no enganyar-te
L’exactitud és el nombre més fàcil d’informar i també el més fàcil perquè t’enganyi.
Backpropagation des de zero: primer el motor, després la xarxa
Backpropagation no és un algoritme de xarxes neuronals. És la regla de la cadena, aplicada a un graf, en la direcció eficient.
Fer que entreni i que generalitzi
El gradient és correcte i la xarxa, tot i així, no aprèn. Aquest capítol tracta d’aquesta diferència.
Construeix un tokenitzador BPE: per què el teu model no pot comptar les erres
El model no veu mai lletres. Tot el que sembla estrany quan escriu, compta o indenta ve d’aquí.
Predicció del següent token: embeddings i què vol dir la perplexitat
Un objectiu, cap etiqueta i una taula de vectors que ningú no va dissenyar.
Attention i el bloc transformer, derivats d’una mitjana
Attention no és una fórmula que cal acceptar. És el que obtens quan deixes de mitjanar el passat uniformement i permets al model triar els pesos.
Preentrenar un LLM: dades, còmput, lleis d’escala i cost
Les decisions que queden no són de programació. Són compres.
Del model base a l’assistent: SFT, RLHF, DPO i GRPO
Un model preentrenat no respon preguntes. Continua text, i la diferència és una segona fase d’entrenament que ningú no veu.
Chain of Thought, RLVR i Test-Time Compute, mesurats
Un model no pensa. Gasta més tokens abans de respondre, i això es pot mesurar i facturar.
Abaratir la inferència: KV cache, batching i quantization
La generació no és un sol problema: un primer token limitat pel càlcul seguit de milers limitats per memòria.
La teva primera crida LLM en producció: streaming, reintents i timeouts
El model ara és darrere d’un port. Gairebé res del que falla a partir d’aquí és matemàtica.
Prompt engineering, mesurat: què canvia la sortida
Un prompt es mesura, no es debat. Quatre variants sobre vint casos no distingeixen absolutament res.
El context window, els tokens i la factura, mesurats
La window no és memòria. Es torna a omplir des de zero a cada call, i pagues per reomplir-la.
Temperature, top-p i el determinisme que no tens
Temperature no fa un model més creatiu: apuja la probabilitat dels tokens que el mateix model havia puntuat pitjor.
Tool Calling i sortides estructurades: el contracte que aguanta
El model no executa mai res. Demana, amb una forma que has definit, i la forma és l’única part que controles.
RAG en producció: chunking, recuperació i cites honestes
Un mal chunking destrueix la resposta abans que comenci la cerca, i cap reranker la recupera.
Fine-tuning, retrieval o prompt? La decisió és econòmica
Ningú no fa aquesta pregunta sobre el model. La fa sobre un pressupost.
Preus multimodals: què facturen realment imatges, àudio i vídeo
Una fotografia no costa una fotografia. Costa tokens, segons una fórmula que no has triat.
Què és un AI agent: cinc tipus clàssics, dues definicions rivals
Una sola eina al catàleg va convertir una crida en dues i 39 input tokens en 420. Que això fos un agent depèn de quina definició obris.
Construeix un agent harness: el bucle i les cinc maneres de sortir-ne
El bucle té quinze línies. Tot el que el fa apte per a producció és una manera de sortir-ne.
Context Engineering: per què el teu agent es torna més ximple al torn 40
La finestra no s’ha desbordat. El fet només s’ha mogut, i l’agent ha deixat de trobar-lo.
Orquestració multi-agent: cinc patrons i quan en guanya un
Quatre disposicions, una tasca, una factura. La més barata s’equivocava i la més cara no podia verificar els seus propis treballadors.
MCP explicat des de l’especificació: què és realment un servidor
No és màgia. És un transport, un format de missatge i tres primitives, i ho pots escriure a mà.
Publica un servidor MCP: TypeScript i Python, mesurats
Dos SDKs, un sol cable. Les diferències interessants són les que el protocol no pot veure.
Agent Skills i SKILL.md: divulgació progressiva, mesurada
Un skill és una carpeta amb un fitxer Markdown a dins. Tot el que és interessant depèn de quina part d’aquest fitxer es llegeix, i quan.
Avaluació d’LLM: dels benchmarks públics al teu golden set
Un número sense interval és una anècdota amb decimals.
Injecció de prompt i la tríada letal: protegir un agent real
El model no pot distingir la teva instrucció de la d’un desconegut. Tot el que funciona parteix d’acceptar-ho.