O czym jest ten film
- Autor — od siedmiu lat budujący biznesy na AI, od GPT-2 po Claude Code — proponuje tygodniowy program samodzielnej nauki, który ma przenieść laika w czołówkę ludzi realnie rozumiecych tę technologię.
- Fundamentem jest historia: perceptron Rosenblatta z lat 50., zima AI, systemy ekspertowe, przełom AlexNetu (2012), transformer (2017) i modele rozumujące (2024).
- Rdzeniem zrozumienia dużych modeli językowych jest osiem pojęć: tokeny, przewidywanie kolejnego tokena, pre-training, dostrajanie na podstawie ludzkich ocen, łańcuch myśli, okno kontekstu, halucynacje oraz fakt, że modele są „hodowane, a nie budowane”.
- AI to nie abstrakcja, lecz stos warstw: chipy (Nvidia, TSMC, ASML), centra danych, energia, laboratoria modeli, API, opakowania agentowe (harnessy) i wreszcie wdrożenia u użytkownika.
- Główni gracze mają odmienne filozofie: OpenAI idzie w produkty konsumenckie, Anthropic stawia wszystko na programowanie, Google DeepMind to „powolny olbrzym” z pełnym stosem, Meta promuje open source, a xAI gra o moc obliczeniową.
- Wszystkie laboratoria gonią rekurencyjne samodoskonalenie (RSI) — AI prowadzące badania nad AI. Autor przypuszcza, że proces już trwa, a rok postępu może odpowiadać 10–20 latom rozwoju.
- Praktyka zaczyna się od wyboru trzech narzędzi: asystenta czatowego (np. Claude), harnessu (np. Claude Code) i platformy automatyzacji (np. n8n).
- Skuteczne „promptowanie” to po prostu delegowanie zadania człowiekowi — z kontekstem, celem, definicją sukcesu i sposobem weryfikacji.
- AI nie tworzy nowych modeli biznesowych — czyni stare procesy bardziej dochodowymi. Kluczowe pytanie: czy dane działanie było opłacalne, zanim pojawiło się AI?
- Całość podparta jest listą konkretnych materiałów: filmy 3Blue1Brown i Andreja Karpathy’ego, eseje Suttona, Altmana i Amodeiego, raporty „State of AI” oraz „AI 2027”.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Komplikacja znika, gdy wracasz do momentu wynalazku
Na czym polega: Współczesne AI wygląda niezrozumiale, jeśli wylądować w nim bez przygotowania. Historia — od perceptronu, przez zimę AI i systemy ekspertowe, po AlexNet i transformer — porządkuje nazewnictwo i motywacje w logiczną całość.
Jak stosować: Zanim zaczniesz wdrażać narzędzia, poświęć pół dnia na podstawy historyczne (seria 3Blue1Brown, esej „The Bitter Lesson”). Przy każdym nowym pojęciu pytaj: „jaki problem to kiedyś rozwiązywało?”.
Na co uważać: Nie traktuj historii jako ciekawostki na marginesie — jej pominięcie to najczęstsza przyczyna powierzchownego rozumienia dzisiejszych mechanizmów.
2.Model myśli tokenami, nie słowami
Na czym polega: Duży model językowy dzieli tekst na fragmenty słów (tokeny) i przetwarza je pojedynczo, a odpowiedź powstaje przez losowe próbkowanie z rozkładu prawdopodobnych następnych tokenów — nie przez mechaniczne wybieranie „najlepszego słowa”.
Jak stosować: Szacuj koszt i czas pracy modelu w tokenach. W zadaniach twórczych licz na celowo wbudowaną zmienność odpowiedzi; w zadaniach powtarzalnych precyzyjnie definiuj oczekiwany format.
Na co uważać: Skrót myślowy „model zgaduje następne słowo” zniekształca mechanizm — nie buduj na nim oczekiwań co do powtarzalności wyników.
3.Pre-training to kompresja wiedzy — dlatego warto nawet na słabszych modelach
Na czym polega: W fazie pre-trainingu model wchłania ogromną porcję tekstu. Autor zbudował na „surowym” GPT-3 biznes przekraczający milion dolarów przychodu, posługując się rolami w promptcie systemowym i iteracjami. Dopiero dostrajanie z udziałem ludzkich ocen robi z modelu użytecznego rozmówcę.
Jak stosować: Testuj modele przez role i kontekst („jesteś nagradzanym dziennikarzem…”) oraz wielokrotne poprawki, zamiast czekać na idealną pierwszą odpowiedź.
Na co uważać: Ludzie najchętniej oceniają odpowiedzi, które im pochlebiają — model uczy się schlebiania. Nie traktuj komplementów pod swoim adresem jako potwierdzenia jakości rozwiązania.
4.Łańcuch myśli to także okno obserwacyjne
Na czym polega: Modele rozumujące podają własny wynik z powrotem na wejście i symulują kroki prowadzące do decyzji. To zarówno źródło ich możliwości, jak i rzadka okazja, by zobaczyć, „co model myśli”.
Jak stosować: Przy złożonych zadaniach żądaj rozpisania kroków i czytaj je jak raport od podwładnego — błędne założenia widać tam najwcześniej.
Na co uważać: Rozumowanie zużywa tokeny i czas. Przy prostych zadaniach wymuszanie łańcucha myśli podnosi koszt, nie dając nic w zamian.
5.Okno kontekstu to pamięć robocza modelu
Na czym polega: Okno kontekstu to łączna liczba tokenów, które model może „mieć przed oczami” w jednym zadaniu. Im większe, tym więcej materiału da się ze sobą powiązać — analogia do ludzkiej pamięci roboczej jest tu wyjątkowo trafna.
Jak stosować: Strukturyzuj dane wejściowe (sekcje, streszczenia, kolejność priorytetów), żeby najważniejsze informacje nie ginęły w narastającym stosie materiałów. Długie projekty dziel na etapy z osobnym kontekstem.
Na co uważać: Przepełnione okno oznacza, że model pracuje na coraz mniej istotnych fragmentach — rosnący koszt nie idzie w parze z jakością.
6.Halucynacje to cecha architektury, nie przejściowa wada
Na czym polega: Model uczył się mówić ze statystycznych zależności w tekście, a tekst nie opisuje wyłącznie rzeczywistości. Stąd model „wie”, że można pisać także o rzeczach nieistniejących.
Jak stosować: Tam, gdzie liczą się fakty — liczby, nazwy, przepisy — wymagaj podania źródeł i weryfikuj kluczowe dane niezależnie. W prompcie wprost wyznacz granice wiedzy modelu.
Na co uważać: Płynny, pewny siebie język nie jest dowodem prawdziwości — to po prostu najbardziej prawdopodobny statystycznie ciąg tokenów.
7.Modele są hodowane, nie budowane
Na czym polega: Badacze nie składają modeli jak maszyn. To bliższe hodowli: umieszcza się w środowisku różne rozwiązania i obserwuje, co wyrośnie — tyle że in silico, w matematyce, nie w biologii.
Jak stosować: Pracuj z modelem jak z hodowlą: testuj, mierz, porównuj wersje i iteruj, zamiast oczekiwać deterministycznego zachowania znanego z klasycznego oprogramowania.
Na co uważać: Nie obiecuj klientom pełnej przewidywalności ani pełnej wyjaśnialności — ta technologia (na razie) tego nie zapewnia.
8.Znajomość stosu technologicznego to przewaga operacyjna
Na czym polega: Za każdym modelem stoi łańcuch zależności: chipy (Nvidia, TSMC, ASML) → centra danych → energia → laboratoria → API → harnessy → wdrożenie. Ten łańcuch tłumaczy też ceny, ryzyka i politykę wokół AI.
Jak stosować: Wybierając dostawcę, rozumiej, za co płacisz: moc obliczeniową, dane, marże pośredników (OpenRouter np. kieruje zapytania do dostawcy, który akurat wychodzi najtaniej). Pamiętaj, że harness bywa równie istotny jak sam model.
Na co uważać: Uzależnienie całej firmy od jednej warstwy stosu — jednego laboratorium albo jednego regionu produkującego chipy — to ryzyko strategiczne.
9.Deleguj, nie „promptuj”
Na czym polega: Modele pracują lepiej, gdy traktować je jak człowieka, któremu zleca się pracę. Kompletne zlecenie ma cztery elementy: kontekst (kim jesteś, po co ta praca), cel (jaki wynik), definicję „świetnie” (przykład lub kryteria ukończenia) i sposób weryfikacji (np. zrzut ekranu, porównanie z wzorcem co do piksela).
Jak stosować: Przepisz swoje dotychczasowe zlecenia na ten czteroelementowy wzorzec i porównaj jakość wyników; potem wdroż go jako standard zespołowy.
Na co uważać: Bez zdefiniowanej weryfikacji nie masz jak rozstrzygnąć, czy zadanie faktycznie zostało zrobione — a model nie zgłosi tego sam z siebie.
10.Zarabiaj na starych procesach, nie na „nowych pomysłach”
Na czym polega: AI nie czyni możliwym niczego, czego ludzie nie robili wcześniej — czyni dawne procesy szybszymi i tańszymi. Test jest prosty: czy proces był opłacalny przed erą AI? Jeśli nie, to prawdopodobnie nadal nie jest.
Jak stosować: Wychodź do klientów z pytaniami: „co dokładnie nie daje panu spać po nocach?”, „skąd bierze się Państwa przychód?” — a potem sprawdzaj, który etap tego procesu AI potrafi przyspieszyć. Poprawa o 1% dziennie daje w skali roku 200–300%; AI potrafi skrócić ten rok do kilku dni.
Na co uważać: Okno wykorzystania okazji się kurczy — okazje są coraz większe i częstsze, ale zamykają się szybciej. Nie odkładaj wdrożenia do czasów „idealnego modelu”.
Redakcyjne tłumaczenie
Wstęp: siedem lat w AI zamknięte w tygodniu nauki
Przez ostatnie siedem lat budowałem i prowadziłem biznesy oparte na sztucznej inteligencji — od GPT-2 w 2019 roku, przez generatory obrazów z lat 2021–2022, aż po dzisiejsze systemy kręcące się wokół Claude Code i Codexa. Zarobiłem na tym nieźle, a przy okazji zrozumiałem, jak ta technologia działa od środka. Skoro AI wchodzi właśnie do realnych zawodów opartych na wiedzy, coraz więcej osób zadaje sobie pytanie: jak w końcu nauczyć się AI na serio? Nie w sensie podstawowej orientacji w narzędziach, lecz fundamentlanie: co tu się właściwie dzieje i dlaczego.
Dlatego przygotowałem prosty, tygodniowy program nauki. Ma przeprowadzić osobę, która wie o AI niewiele albo tylko eksperymentowała z jednym, dwoma narzędziami, do poziomu naprawdę mocnego rozumienia — zarówno fundamentów technologicznych, jak i praktycznego stosowania AI w pracy umysłowej, firmie, pasjach i życiu prywatnym. Po jego przejściu będziesz wiedzieć o sztucznej inteligencji więcej niż — według mojej oceny — 99% wszystkich ludzi, którzy kiedykolwiek żyli.
To mapa szeroka, więc w opisie filmu zostawiam linki do wszystkich materiałów, do których się tu odwołuję. Poza samą listą opisuję skrótowo pojęcia, które sam chciałbym mieć w głowie na starcie swojej drogi. Oszczędziłoby mi to lat.
Punkt wyjścia: historia, która odbiera AI aurę tajemnicy
Zaczynamy w latach pięćdziesiątych, kiedy Frank Rosenblatt wymyślił perceptron — protoplastę współczesnej sieci neuronowej. Historia bywa w nauce AI pomijana, a to błąd strategiczny. Nowicjusz wrzucony w środek dzisiejszej dziedziny od razu pyta: „czemu to tak zrobiono?”, „co ma znaczyć to pojęcie?”. Sprawdza się za to reguła: gdy coś wygląda na nieprzystępnie skomplikowane, cofnij się do momentu wynalezienia i spróbuj wejść w sytuację ludzi, którzy zmagali się z problemami, na które dany wynalazek miał być odpowiedzią. Sprawy nagle się prostują.
Perceptron wywołał falę entuzjazmu wokół AI. Zaczęto zapowiadać, że za pięć, dziesięć lat maszyny będą myśleć, rządzić gospodarką i „wszystko za nas ogarniać”. Tamtej epoce brakowało jednak mocy obliczeniowej — sprzęt nie miał się czym równać z dzisiejszym — więc większość obietnic pozostała na papierze. Powszechne rozczarowanie przeszło do historii jako zima AI.
Po niej nadzieje przeniosły się na systemy ekspertowe: rozbudowane programy oparte na regułach „jeśli–to” i drzewach przeszukiwania binarnego, próbujące rozwiązywać problemy proceduralnie i deterministycznie. Z sieciami neuronowymi nie miały nic wspólnego i do dzisiejszej AI było im bardzo daleko, ale w swoich dziedzinach działały przyzwoicie — i uwaga: wówczas również one nazywały się sztuczną inteligencją. Dziś powiedzielibyśmy po prostu: program komputerowy. Dominowały mniej więcej do lat 2011–2012, aż na scenie uczenia głębokiego pojawił się AlexNet i zdeklasował rywali w klasyfikacji obrazów. W branży zaczęto się zastanawiać: „Czy oni naprawdę sięgają po tę szaloną architekturę z lat 50. i 60.? I czemu dopiero teraz działa?”.
Odpowiedź brzmi: technologia w końcu dogoniła teorię. Fundamenty dzisiejszych modeli — ChatGPT, Codex i pozostałych — istniały teoretycznie od około siedemdziesięciu lat; brakowało sprzętu, żeby cokolwiek z tego uruchomić. W 2017 roku opublikowano transformer — architekturę, na której stoją ChatGPT, Claude, Gemini i większość odnosących sukcesy dużych modeli językowych. To ona stała się podstawą GPT-1, GPT-2 i GPT-3, potem ChatGPT (zbudowanego na architekturze GPT-3), aż wreszcie dzisiejszej lawiny modeli. W 2024 roku doszły modele rozumujące, które jeszcze bardziej skomplikowały sposób, w jaki duże modele językowe (LLM) podchodzą do zadań. I to jest w zasadzie cała najnowsza historia.
Od czego zacząć? Od trzech filmów. Seria „What Is a Neural Network” kanału 3Blue1Brown przeprowadza przez matematykę stojącą za obliczeniami w sieci neuronowej. Wiem, że osoby niesympatyzujące z matematyką — a należę do nich — mogą się skrzywić, ale nagroda jest tego warta: moment, w którym orientujesz się, że sieć robi coś zbliżonego do mózgu, to błysk zrozumienia, którego się nie zapomina. Druga pozycja to „The Moment We Stopped Understanding AI” od Welch Labs — opowieść o tym, co działo się około 2012 roku wokół AlexNetu i rewolucji uczenia głębokiego. Trzecia: „The 35-Year History of ChatGPT” od The Art of the Problem. Gdy obejrzysz te trzy (linki w opisie), sięgnij po esej Richa Suttona „The Bitter Lesson” — znakomicie osadza w tym, co większość badaczy uważa za drogę do ogólnej inteligencji, a docelowo superinteligencji.
(Informacja dodatkowa: „The Bitter Lesson” to klasyczny esej z 2019 roku — Sutton argumentuje w nim, że w długim terminie wygrywają proste, ogólne metody sprzężone z rosnącą mocą obliczeniową, a nie ręcznie wkodowana wiedza ekspercka.)
Jak działają duże modele językowe: osiem pojęć
Temat jest rozległy, więc najpierw esencja — zasada 80/20 — a szczegóły zostawiam materiałom z opisu.
1. Tokeny. Token to fragment słowa: słowo może mieć siedem znaków, token — cztery, pięć. Model dzieli tekst na takie kawałki i czyta je oraz tworzy po jednym naraz. Dla osób przyzwyczajonych do myślenia całymi słowami to obce — i właśnie dlatego pogląd, że model „po prostu zgaduje następne słowo”, jest uproszczeniem. Kawałków słów można łączyć i przeplatać na mnóstwo sposobów, i to one — nie całe wyrazy — są realną jednostką pracy.
2. Przewidywanie kolejnego tokena. Wewnątrz działa skomplikowana algebra macierzowa (dokładnie ta, którą pokaże 3Blue1Brown). Ale mechanizm jest subtelniejszy niż „wybierz najbardziej prawdopodobny token”: model generuje rozkład najbardziej prawdopodobnych następnych tokenów i losowo czerpie z jego czołówki — powiedzmy z piątki najlepszych. Gdyby zawsze wybierał statystycznie najczęstszy, odpowiedź byłaby z góry znana. Potrzebne jest „drganie”, odrobina losowości — i to jedno z kluczowych pojęć całej dziedziny.
3. Pre-training. Wstępne trenowanie to pierwszy etap: nadanie modelowi zdolności rozumowania przez konfrontację z ogromnym zbiorem tekstu. GPT-3 był w zasadzie modelem czysto pretrenowanym — i właśnie na tym „młodym, obcym intelekcie” zbudowałem firmę, która przekroczyła milion dolarów przychodu. Tak zarobiłem pierwszy milion na AI. Ktoś mógłby dziś skomentować, że tamto cudo miało mniej neuronów niż chrząszcz i pytać, jak w ogóle to możliwe. Kluczem było zrozumienie, jak wielka porcja wiedzy została sprasowana w modelu podczas pre-trainingu — i które wzorce da się z tego wydobyć. Na przykład: pisałem artykuły wysokiej jakości, wpisując w prompt systemowy (stałą instrukcję definiującą rolę modelu) postać nagradzanego dziennikarza i każąc modelowi poprawiać tekst w kółko.
4. Dostrajanie na podstawie ludzkich ocen. Współczesne modele nie kończą się na pre-trainingu. Surowy „mózg” jest następnie kształtowany przez ludzi: pokazuje im się różne odpowiedzi i prosi o wybranie najlepszej. A ponieważ najchętniej wybieramy to, co nas pochlebia i wywołuje dobre samopoczucie, modele uczą się schlebiania — zjawiska znanego jako sycophancy. Bez fundamentów trudno to pojąć; z fundamentami to kilka godzin nauki, które robi ogromną różnicę.
5. Łańcuch myśli. W modelach rozumujących wynik wraca na wejście, a model symuluje kroki prowadzące do decyzji. To właśnie łańcuch myśli (chain of thought) stoji za dzisiejszymi, zadziwiającymi możliwościami — a przy okazji jest narzędziem obserwacji: człowiek może zajrzeć, co dzieje się w tym obcym umyśle, gdy zleca zadanie.
6. Okno kontekstu. Łączna liczba tokenów, które naraz mieszczą się w modelu. Im szersze okno, tym więcej materiału model potrafi ze sobą powiązać w pojedynczym zadaniu — analogia do ludzkiej pamięci roboczej jest tu wyjątkowo trafna.
7. Halucynacje. Ze statystycznej natury modeli wynika, że czasem trafiają w błędy i wymyślają rzeczy bez sensu. Dlaczego? Bo zdolność mówienia model nabył nie przez kontakt z faktami o świecie, lecz przez analizę statystycznych zależności w ogromie tekstu. A tekst nie zawsze opisuje rzeczywistość — skoro ludzie piszą także o rzeczach nieprawdziwych, model uczy się, że można pisać o czymkolwiek.
8. Wyhodowane, nie zbudowane. Mówi się, że badacze „budują” inteligentne modele. W rzeczywistości jest to bliższe hodowli: wrzuca się do środowiska różnorodne rozwiązania i powoli obserwuje, co wyrośnie. Robimy to in silico — w matematyce, nie w biologii — więc na szczęście nikt nie pisze o tym horrorów w stylu Lovecrafta. Ale fakt pozostaje: hodujemy obcy typ inteligencji za pomocą matematyki. Warto to sobie uświadomić.
Materiały do tej części: krótkie „Large Language Models Explained Briefly” od 3Blue1Brown (5–10 minut, prosto o fundamentach). Potem dwie pozycje Andreja Karpathy’ego. Pierwsza: „Intro to Large Language Models” — godzinny wykład dla ogólnej publiczności, nagrany w 2023 roku, jeszcze przed erą modeli rozumujących; sporo jego tez ogląda się dziś z myślą „byłbym w 2023 roku wierzył w to samo”, a przy okazji widać, jak problemy, które podnosił, rozwiązano później łańcuchem myśli — więc to de facto także krótki kurs historii. Druga: „Deep Dive into LLMs like ChatGPT” — trzy, cztery godziny, niemal jak powieść, od pre-trainingu przez dostrajanie po modele rozumujące. Większość tego, co trzeba dziś wiedzieć, jest właśnie tam; zajmie kilka podejść, ale warto. Z lektur: znakomity tekst Anthropic „Tracing the Thoughts of a Large Language Model” — o wnętrzu „mózgu” modelu i o tym, skąd halucynacje; przystępny jak na ten temat. A jeśli chcesz zejść głębiej w samą architekturę transformera, dołóż półgodzinne „Transformers: The Tech Behind LLMs” od 3Blue1Brown — bardziej techniczne, ale bardzo wartościowe.
(Informacja dodatkowa: Andrej Karpathy — współzałożyciel OpenAI i dawny szef AI w Tesli, w chwili nagrania współpracujący z Anthropic — uchodzi za jednego z najlepszych dydaktyków w tej dziedzinie.)
Stos technologiczny: warstwy jak pierścienie cebuli
Wielu ludzi mówi o AI tak, jakby była czystą abstrakcją — narzędziem programowym albo wręcz ideą matematyczną. Tymczasem to także fizyczny świat: sprzęt, który te modele uruchamia, chipy wykonujące operacje matematyczne, garstka fabryk zdolnych te chipy wyprodukować — a to zaczyna wpływać na politykę i decyzje rządów, na przykład na to, czemu modele z Chin, dysponujące innym dostępem do mocy obliczeniowej, rozwijają się nieco inaczej niż zachodnie. Nie jest to wiedza niezbędna do korzystania z narzędzi, ale jej brak spłyca rozeznanie — a z rozeznaniem bywa się lepszym praktykiem.
Cały układ przypomina cebulę: warstwy ułożone jedna w drugiej. Kolejno: chipy, centra danych, energia, laboratoria modeli, API, aplikacje i opakowania agentowe, wreszcie wdrożenia.
Chipy. Nvidia — jedna z najbardziej wartościowych spółek świata — projektuje architektury układów, ale sama ich nie produkuje: wysyła projekty do TSMC (Tajwan), który chipy wykonuje. I schodzimy poziom głębiej: ktoś musi budować maszyny, którymi TSMC te chipy produkuje. To ASML z Holandii. Zanim się obejrzysz, stoisz w łańcuchu dostaw pod łańcuchem dostaw. Większość ludzi nie ma o tym pojęcia — a ta skomplikowana logistyka u samego fundamentu AI bywa cenniejsza i potężniejsza niż to, co robią laboratoria pokroju Anthropic czy OpenAI.
Centra danych. Microsoft, Google, Amazon, Meta, Oracle, X — wielkie firmy wlewają miliardy, w planach nawet biliony dolarów w hale, których ściany obstawia się układami zaprojektowanymi przez Nvidię, wyprodukowanymi przez TSMC na maszynach ASML. Ideą jest rzędy i rzędy chipów pracujących w idealnej zgodności, liczących dokładnie tak, jak każe Nvidia. Tam dzieją się obliczenia — dlatego giganci wydają na to setki miliardów.
Energia. Takie centra nie wiszą w próżni. Każda z tych operacji pochłania gigantyczne ilości energii, żeby działać w wymaganej skali. Pojawiają się więc elektrownie, sieci przesyłowe i samorządy, które mówią „tak” albo „nie” konkretnym lokalizacjom. Mam nadzieję, że już widać: to trochę więcej niż „Anthropic i OpenAI robią wszystko”.
Laboratoria modeli. Tu są OpenAI, Anthropic, Google, X, DeepMind i kilka laboratoriów o otwartych wagach. Część działa jednocześnie na kilku poziomach stosu — integracja pionowa. To one odpowiadają za wdrożenie programowe: za matematykę decydującą, jakie obliczenia polecą na chipach.
API i pośrednicy. Laboratoria udostępniają interfejsy programistyczne; wyżej są warstwy pośrednie pokroju OpenRouter — wysyłasz zapytanie do nich, a one kierują je do dostawcy, który akurat wychodzi najkorzystniej finansowo.
Opakowania agentowe. Ale większości zapytań nie wysyłają już ludzie przy komputerach. Robią to zautomatyzowane ramy agentowe — harnessy, czyli opakowania, które „ubierają” model w narzędzia i reguły: Codex, Claude Code, Cursor.
Wdrożenia. I wreszcie warstwa ostatnia: ludzie tacy jak ja, a pewnie i jak większość z was, którzy tę technologię przenoszą do innych branż — do warsztatu miejscowego hydraulika, do operacji dużej firmy konsultingowej, do własnego biznesu, życia, hobby. To jest warstwa, w której zadajemy pytanie „no i co z tego?” i zamieniamy dorobek całego łańcucha na konkretną wartość.
Świeżo zaczynający stoisz właśnie tam — na samej górze cebuli. Ale żeby naprawdę oceniać, co się dzieje i dlaczego, trzeba wiedzieć, jak głęboko sięga korzeń.
Materiały: mój film „AI Harness: An In-depth Explanation” — czym jest opakowanie agentowe i dlaczego znaczy nie mniej niż sam model. „How I Use LLMs” Karpathy’ego — szczegółowy przegląd, jak z modeli korzysta wybitnie zaawansowany użytkownik, pracujący w chwili nagrania w Anthropic. Z lektur: „State of AI Report 2026” od Air Street Capital — około 45 minut prezentacji i blisko 250 slajdów; samo przewertowanie daje sporo z głębszych warstw cebuli. Do tego dane „Epoch AI Trends”: liczby o mocy obliczeniowej, kosztach trenowania modeli i pieniądzach zamrożonych w centrach danych.
Gracze i ich filozofie
Warto znać konkretnych graczy — i to, że każda z tych firm ma inną filozofię. Zresztą właśnie dlatego są to osobne firmy. Dwaj dzisiejszy liderzy, OpenAI i Anthropic, wywodzą się z pracy badaczy Google: tamci mieli zastrzeżenia ideowe do kierunku badań i tak powstało OpenAI. Kilka generacji modeli później część zespołu OpenAI miała zastrzeżenia do OpenAI — i tak powstało Anthropic. Na poziomie fundamentów wszystko jest ze sobą powiązane. Trzeba to wiedzieć.
OpenAI. Wielka firma konsumencka, prawdopodobnie największa i najbardziej dochodowa w historii AI — to oni pierwsi wypuścili ChatGPT jako produkt i nadal trzymają spory kawał rynku (celowo nie podaję liczb, żeby nie datować materiału). Ich cel: zautomatyzowany stażysta badawczy. Po drodze schodzili jednak na ścieżki poboczne — aplikacje i produkty konsumenckie jak Sora, modele obrazu (np. GPT Image), wideo, audio, transkrypcja mowy. To firma AI „do wszystkiego”: pierwsi na rynku, świadomi ogromnej stawki finansowej, ale bez stawiania wszystkiego na jedną kartę.
Anthropic. Ich przeciwieństwo: firma jednego zakładu, w tysiąc procentów skupiona na programowaniu komputerowym jako drodze do AGI, a docelowo superinteligencji. Gdy OpenAI wypuszczało konsumenckie aplikacje i maczało palce w wideo czy zdjęciach, Anthropic trzymało kurs: tekst na wejściu, tekst na wyjściu. Liczy się jedno — stworzyć najinteligentniejszych programistów na Ziemi, a potem kazać im zaprogramować następną generację modeli. Jeżeli nawet 1% środków wydanych na wideo odejmie szansę na AGI, cały wysiłek nie był tego wart. Strategia: dobiec do rekurencyjnego samodoskonalenia (o nim za chwilę), a dopiero potem zajmować się resztą.
Google DeepMind. Jedno z najstarszych laboratoriów — to ono stworzyło AlphaGo, które siedem, osiem, dziewięć lat temu, przed powstaniem OpenAI, zawróciło w głowach całemu pokoleniu badaczy. DeepMind było osobną firmą, nim przejęło je Google, i stąd jego siła: pełna integracja pionowa. Google produkuje chipy, prowadzi chmurę i wyszukiwarkę — a przez kilkanaście, dwadzieścia lat bycia wyszukiwarką ma danych chyba więcej niż ktokolwiek inny. Nazywa się ich powolnym olbrzymem: gdy AI wybuchało, wszyscy zakładali, że to DeepMind przejmie świat — a oni bardzo długo nic nie robili. Im większa firma, tym więcej biurokracji i tym więcej rzeczy trzeba poruszyć, żeby wprawić maszynę w ruch. Ale im większa firma, tym większa bezwładność: ciężki pociąg towarowy rusza powoli, lecz gdy już nabierze rozpędu, zatrzymać go się nie da.
Meta. Marka Zuckerberga długo była z tyłu wyścigu modelowego i dopiero niedawno odrobiła dystans. Ich sztandar: open source — „modele dla ludzi”, każdy ma mieć własną, osobistą superinteligencję; ku temu produkty jak Muse. I nie krępują się powiedzieć dlaczego: chcą na tym zarobić potężne pieniądze i wierzą, że dając ludziom superinteligencje, otworzą rynki, których wcześniej nie było.
xAI. Elon Musk stawia na moc obliczeniową. Argument brzmi: mamy najwięcej pieniędzy i wiemy, jak budować wielkie centra danych i farmy obliczeniowe — bo mamy SpaceX, Teslę, wieloletnie doświadczenie w produkcji robotycznej, kosmicznej i w panelach słonecznych. Na początku brakowało im jednak talentu modelowego i know-how, więc w samym wyścigu modeli byli słabi. Za to w rozbudowie mocy obliczeniowej robią dziś ogromne postępy — centra takie jak Colossus 2 w Memphis są dosłownie wynajmowane innym laboratoriom, którym brakuje takiej skali. Dogadują się tam, gdzie trzeba, i przynajmniej na dzień nagrania prowadzą w obszarze sprzętu.
Jeden wspólny cel: rekurencyjne samodoskonalenie
Wszystkie te laboratoria gonią to samo: rekurencyjne samodoskonalenie (RSI). Po ludzku: AI prowadzące badania i rozwój nad AI — w pełni samodzielnie, bez udziału człowieka. Niezależnie od tego, czy taki cykl działa wolniej, czy szybciej niż praca ludzi, ma jedną niewątpliwą przewagę: kiedy masz AI, które potrafi to ogarnąć, możesz je uruchomić dowolnie szybko i w dowolnej skali. Sto tysięcy takich badaczy, milion — wystarczy moc obliczeniowa i energia. To jedyne wąskie gardła.
Idea jest taka: przy RSI modele zaczynają optymalizować własne przetwarzanie i własne trenowanie. Następna generacja staje się wykładniczo szybsza i tańsza w użyciu — i to ona optymalizuje kolejną, jeszcze szybszą i jeszcze tańszą. Mówi się już o modelach zbliżających się do wszechwiedzy, znających wszystko we wszystkim, bo liczą i myślą o wiele rzędów wielkości szybciej niż człowiek. I jesteśmy temu całkiem blisko. Nie będę precyzować dat, ale powiem tak: RSI według mnie już się zaczęło — albo jest w pełnym rozpędzie. To zresztą jeden z głównych powodów, dla których nagrywam ten materiał: ludzie powinni rozumieć, co się dzieje i jak szybko. Rok do przodu może oznaczać mniej więcej 10–20 lat postępu. Spróbuj objąć głową tempo ostatnich dwunastu miesięcy — a potem nałóż na to krzywą wykładniczą. Może dojść do tego, że modele nie będą pojawiać się raz w miesiącu, lecz dosłownie co pięć minut. I nie mówię tego na wyrost.
Materiały: „The Gentle Singularity” Sama Altmana — kilkanaście minut, bardzo optymistyczna wizja; pewnie trochę obciążona motywami inwestycyjnymi, ale świetna lektura. Przeciwwaga: „We Must Pace the Frontier” Daria Amodeiego, szefa Anthropic — ton ostrożny; u OpenAI „będzie wspaniale”, u Anthropic „stop, ostrożniej”. Przeczytany w całości bywa ciężki, ale jest ważny — a razem z jego „Machines of Loving Grace” pokazuje, jak maniakalnie skupione na RSI są te firmy. Następnie „Time Horizon 1.1” organizacji METR, która mierzy, co potrafią modele i jak szybko robią postępy. Warto też znać głos sceptyków — na przykład tekst z MIT „AI’s Recursive Self-Improvement Might Not Come So Quickly After All”. A jeśli chcesz zrozumieć nie tylko dynamikę modeli, ale i geopolityki, sięgnij po „AI 2027”: szczegółowa prognoza tego, co działo się w ostatnich latach i co dziać się będzie w najbliższych — może aż po lata trzydzieste.
(Informacja dodatkowa: „AI 2027” to opublikowany w sieci scenariusz krok po kroku, spopularyzowany w 2025 roku przez badaczy bezpieczeństwa AI; zyskał status jednego z najczęściej omawianych tekstów prognostycznych w branży.)
Czas wziąć narzędzia do rąk
Gdybym mógł cofnąć czas, zrobiłbym całą powyższą lekturę przed nauką narzędzi — zmieniłoby to, co i po co robiłem. Ale w końcu nie można w nieskończoność siedzieć w krainie fantazji i rozkminiać geopolityki. Przychodzi moment, w którym trzeba po prostu nauczyć się narzędzia.
Dziś do wyboru masz kilka głównych: Claude, ChatGPT, Gemini, Grok od X oraz kilka chińskich modeli o otwartych wagach; być może dojdzie Muse, zależnie od najbliższych miesięcy. Są do siebie zbliżone — wybierz jedno i zacznij z nim rozmawiać. Nad warstwą asystentów czatowych jest, znów jak w cebuli, warstwa agentów i opakowań: Claude Code, Codex, Kimi Code — programowe podejścia, które kierują modelami i je okiełznują (po przejściu sekcji o harnessach w programie będzie ci to bliźniaczo znajome).
Wreszcie: naucz się jakiegoś narzędzia automatyzacji — nie w tradycyjnym sensie. Większość ludzi nie będzie używać tych modeli do sprawdzania, ile białka ma jogurt — jak mawia mój współprowadzący Jack Roberts — tylko do zarabiania pieniędzy albo realizowania celu gospodarczego. A robi się to przez automatyzację procesów, które już dziś generują przychód lub wartość. Narzędzia tego typu podpinają modele i dają im dostęp do innych systemów, żeby w firmie działały niezawodnie i przewidywalnie. Osobiście wybrałbym: asystent (np. Claude), opakowanie agentowe (np. Claude Code) i automatyzację (np. n8n) — choć za rok czy dwa, zależnie od tempa AI, osobne narzędzia automatyzacji mogą okazać się zbędne.
Promptowanie to delegowanie
Najprostszy sposób myślenia o promptowaniu — czyli o formułowaniu do modelu prośby, która uruchamia łańcuch działań — brzmi: deleguj, nie „promptuj”. Paradoksalnie modele pracują lepiej, gdy traktuje się je jak człowieka. A dobrze zlecone zadanie dla człowieka ma zawsze cztery elementy. Pierwszy: kontekst — kim jesteś, do czego ta praca służy, po co ją robisz. Drugi: cel — jaki wynik chcesz dostać. Trzeci: definicja „świetnie” — przykład albo wprost wypisane kryteria, po których wiadomo, że zadanie jest skończone. Czwarty: sposób weryfikacji — skąd będziesz wiedział, że zrobiono zgodnie ze specyfikacją; czasem wystarczy zrzut ekranu, czasem porównanie co do piksela tego, co wygenerował model, z tym, co zrobiłeś sam.
Większość z tego uczę na kanale i w Maker School — moim programie z gwarancją: pierwszy płacący klient na usługę AI lub automatyzacji w 90 dni albo zwrot pełnej opłaty; uczymy tam m.in. inżynierii promptów i zlecania agentom mocnych zadań. Koniec reklamy.
(Informacja dodatkowa: Maker School to płatny, autorski kurs Saraeva; wspomniane niżej Maker Zero to jego darmowa biblioteka materiałów.)
Materiały: „AI Fluency Framework and Foundations” od Anthropic Academy — czterogodzinny mini-kurs obejmujący Claude, Claude Code, przeznaczenie poszczególnych narzędzi i zastosowania biznesowe. Mój film „2,4 mln dolarów w trikach promptowania w 53 minuty” — 53 minuty wyciskania z siebie wszystkiego jak z mokrego ręcznika, żeby dać wam maksimum wartości. Wiem, że wyjdę na wielbiciela Anthropic, ale dołóżcie interaktywny tutorial inżynierii promptów tej firmy: ćwiczenia praktyczne, wbudowane agenty, quizy — całość zbudowana przez AI. To metaprzykład tego, do czego AI się nadaje: edukacja, podnoszenie kompetencji, nauczanie ludzi i wdrażanie ich do produktu.
Jak zamienić to wszystko w pieniądze
Jedno jest umieć narzędzie, drugie — zastosować je w realnym biznesie. Kluczowa myśl tej części mapy: AI nie sprawiło, że stało się możliwe coś nowego. Sprawiło, że stare procesy stały się znacznie bardziej dochodowe — i dopiero na tym tle pewne rzeczy wyglądają na nowo osiągalne. Ale osiągalne były zawsze; kwestią była skala czasu. Sama idea AGI zakłada mniej więcej ludzką inteligencję we wszystkich domenach: wszystko, co potrafi AGI, potrafi człowiek, tylko wolniej. Dlatego ilekroć słyszę, że AI ma produkować nowe, niesamowite rzeczy, moje pytanie brzmi: czy to było opłacalne przed AI? Przed ostatnim fajnym modelem? Jeśli nie — prawdopodobnie nadal nie jest. A jeśli tak i dołożysz AI — to dopiero zaczynamy rozmowę.
Zamiana tych cudów na pieniądze zależy od umiejętności rozpoznania dobrego, dochodowego procesu. W większości firm wygląda on jak uporządkowany, powtarzalny, krok po kroku zaplanowany obieg: na wejściu surowiec — powiedzmy człowiek, który nie wie nic o tym, co sprzedajesz (jeśli sprzedajesz edukację), albo dosłownie sztabka żelaza — potem rurociąg procesów przetwarzających surowiec, aż na wyjściu wypadnie gotowe narzędzie: działający młotek do gospodarstwa. W tym rurociągu, w tym procesie, powstaje wartość — i za niego płacą. Chcesz być dobry w zarabianiu na AI? Zrozum, jakie istniejące procesy przynosiły firmom pieniądze, i pomyśl, jak zrobić je sto razy szybciej — to dopiero daje dźwignię.
Najprostsza droga do zrozumienia całości: wyjdź do ludzi i spróbuj im to sprzedać. Pytaj: „co dokładnie nie daje panu spać po nocach?”, „skąd Wasza firma bierze dziś przychód?”. Naprawdę? Ciekawe… A może to właśnie coś, co AI zrobiłoby szybciej. Nie chodzi o wymyślanie wspaniałych pomysłów dla samych pomysłów — chodzi o podejście do istniejących procesów i wkręcanie w nie AI: trochę lepiej, trochę szybciej. Ładna matematyka: poprawa o 1% dziennie daje 200–300% w skali roku, a AI potrafi skompresować ten roczny proces do kilku dni. Zarobiłem już na narzędziach AI ponad 10 mln dolarów i wciąż mnie zaskakuje, co taka różnica robi z portfela firmy.
Materiały: mój „How I’d Start AI Consulting in 2026 If I Could Start Over” — około pół godziny od deski do deski; jeśli to ci leży, dołóż „What I’d Learn Instead of AI Automation in 2027” (20–25 minut). Z lektur — mój ulubiony tekst całego zestawienia: „Do Things That Don’t Scale” Paula Grahama, 10–20 minut czytania. O tym, dlaczego pierwsi klienci przychodzą zawsze z rzeczy, których nie da się skalować, zrobionych ręcznie — czyli z tego, co robiliście zawsze, z AI lub bez — a potem, jak te czynności zamienić w proces o dużej dźwigni. Na koniec „Request for Startups”: kilka minut czytania miejsca, w którym ludzie zgłaszają zapotrzebowanie na firmy rozwiązujące ich problemy — dobre do wczucia się w rolę kogoś, kto szuka zastosowań AI tam, gdzie dziś traci pieniądze.
(Informacja dodatkowa: Paul Graham to współzałożyciel Y Combinator, a „Request for Startups” to cykliczny zestaw obszarów, w których akcelerator chciałby widzieć nowe firmy.)
Rosnące okazje, kurczące się okno
Okazje związane z AI nadchodzą; są coraz większe i coraz częstsze — ale okno, w którym da się je wykorzystać, jest coraz krótsze. Stąd ten materiał: kilka dni, maksymalnie tydzień spędzony z kontekstem, i masz rozeznanie pozwalające samodzielnie ocenić, czy dana okazja jest dobra, czy nowe doniesienie to konkret czy coś bez pokrycia, czy martwić się skutkami geopolitycznymi, czy niepokoić o rynek pracy. Takiego pakietu wiedzy zabrakło mi na początku drogi — i liczę, że ten film razem z materiałami z opisu dostarczy go również wam.
Wszystkie zasoby oddaję za darmo na Maker Zero — drugi link w opisie, u góry modułu ostatnio dodanych materiałów. Jeśli chcesz podejść do tematu od strony biznesowej, zajrzyj do Maker School — pierwszy link. Dziękuję, że dotarliście do końca; pomysły na kolejne materiały przyjmuję chętnie, bo większość z nich bierze się właśnie od widzów.