AI od podstaw
Pełny kurs sztucznej inteligencji: od matematyki po modele LLM, agentów i MCP. Trzydzieści rozdziałów, z których każdy warto przeczytać osobno.
Perceptron od zera: co oblicza neuron
Neuron to ważona suma i próg. To cała idea — a jej ograniczenia wymusiły wszystko, co przyszło później.
Skąd bierze się funkcja straty: z likelihood, nie z konwencji
Błąd kwadratowy nie jest konwencją. To założenie o szumie — i możesz zobaczyć, kiedy jest fałszywe.
W dół: Gradient Descent i dwa kroki, które wszyscy pomijają
Wszyscy zapisują znak minus. Prawie nikt nie mówi, dlaczego tam jest ani jak duży krok wytrzyma.
Klasyfikacja, entropia krzyżowa i jak nie oszukiwać samego siebie
Trafność to najłatwiejsza liczba do raportowania — i najłatwiejsza, by dać się jej zwieść.
Backpropagation od podstaw: najpierw silnik, potem sieć
Backpropagation nie jest algorytmem sieci neuronowej. To reguła łańcuchowa zastosowana do grafu, w efektywnym kierunku.
Jak sprawić, żeby sieć uczyła się i generalizowała
Gradient jest poprawny, a sieć nadal się nie uczy. Ten rozdział jest o tej różnicy.
Zbuduj BPE Tokenizer: dlaczego model nie umie policzyć liter R
Model nigdy nie widzi liter. Wszystko, co dziwne w jego pisowni, liczeniu i wcięciach, wynika właśnie z tego.
Predykcja następnego token: embeddingi i znaczenie perplexity
Jeden cel, zero etykiet i tabela wektorów, której nikt nie zaprojektował.
Attention i blok transformer wyprowadzone ze średniej
Attention nie jest wzorem do przyjęcia na wiarę. Pojawia się wtedy, gdy przestajesz uśredniać przeszłość równo i pozwalasz modelowi wybrać wagi.
Pretraining LLM-a: dane, obliczenia, prawa skalowania i koszt
Pozostałe decyzje nie są decyzjami programistycznymi. To zakupy.
Od modelu bazowego do asystenta: SFT, RLHF, DPO i GRPO
Model po pretraining nie odpowiada na pytania. Kontynuuje tekst — a różnicę robi drugi etap treningu, którego nikt nie widzi.
Chain of Thought, RLVR i Test-Time Compute w pomiarach
Model nie myśli. Wydaje więcej tokenów przed odpowiedzią — a to da się zmierzyć i rozliczyć.
Tanie inference: KV cache, batching i quantization
Generation to nie jeden problem: compute-bound pierwszy token, potem tysiące memory-bound token, a niemal każdy trik w serving wynika z tego podziału.
Pierwsze produkcyjne wywołanie LLM: streaming, ponowienia i timeouty
Model jest teraz za portem. Od tego momentu prawie nic, co może pójść źle, nie jest matematyką.
Prompt engineering zmierzony: co naprawdę zmienia wynik
Prompt się mierzy, a nie o nim dyskutuje. Cztery warianty na dwudziestu przypadkach nie rozróżniają niczego.
Context window, tokeny i rachunek — zmierzone
Okno nie jest pamięcią. Przy każdym wywołaniu jest wypełniane od zera — i płacisz za to wypełnienie.
Temperature, top-p i determinizm, którego nie masz
Temperature nie czyni modelu bardziej kreatywnym. Zwiększa prawdopodobieństwo tokens, które model sam ocenił najniżej — i możesz to zobaczyć.
Tool Calling i ustrukturyzowane wyjścia: kontrakt, który się trzyma
Model nigdy niczego nie wykonuje. Prosi, w kształcie zdefiniowanym przez ciebie, a ten kształt to jedyna część, którą kontrolujesz.
RAG w produkcji: chunking, wyszukiwanie i uczciwe cytowania
Zły chunking niszczy odpowiedź, zanim zacznie się wyszukiwanie — i żaden reranker jej nie odzyska.
Fine-tune, retrieval czy prompt? Decyzja jest ekonomiczna
Nikt nie pyta o to model. Pyta o budżet.
Cennik multimodalny: za co naprawdę płacisz przy obrazach, audio i wideo
Fotografia nie kosztuje jednej fotografii. Kosztuje tokens, według wzoru, którego nie wybrałeś.
Czym jest AI agent: pięć klasycznych typów i dwie rywalizujące definicje
Jedno narzędzie w katalogu zmieniło jedno wywołanie w dwa, a 39 input tokens w 420. Czy to był agent, zależy od definicji.
Zbuduj agent harness: pętla i pięć dróg wyjścia
Pętla ma piętnaście linijek. Wszystko, co pozwala ją wysłać na produkcję, jest sposobem, by ją opuścić.
Context engineering: dlaczego Twój agent głupieje przy 40. turze
Okno się nie przepełniło. Fakt tylko się przesunął, a agent przestał go znajdować.
Orkiestracja multi-agent: pięć wzorców i kiedy wygrywa jeden
Cztery układy, jedno zadanie, jeden rachunek. Najtańszy się mylił, a najdroższy nie potrafił sprawdzić własnych workerów.
MCP wyjaśnione według specyfikacji: czym naprawdę jest serwer
To nie magia. To transport, format wiadomości i trzy prymitywy — możesz wpisać je ręcznie.
Wydaj MCP server: TypeScript i Python w liczbach
Dwa SDK, jeden wire. Najciekawsze różnice to te, których protocol nie widzi.
Agent Skills i SKILL.md: zmierzona progresywna prezentacja
Skill to folder z plikiem Markdown. Wszystko ciekawe wynika z tego, która część tego pliku jest czytana — i kiedy.
Ewaluacja LLM: od publicznych benchmarków do własnego złotego zestawu
Liczba bez przedziału to anegdota z miejscami po przecinku.
Prompt injection i śmiertelna triada: jak zabezpieczyć prawdziwego agent
Model nie odróżni Twojej instrukcji od instrukcji obcej osoby. Wszystko, co działa, zaczyna się od zaakceptowania tego faktu.