{"id":2,"date":"2026-06-24T16:22:29","date_gmt":"2026-06-24T14:22:29","guid":{"rendered":"https:\/\/mozaika.sempre.org.pl\/?page_id=2"},"modified":"2026-06-25T03:33:01","modified_gmt":"2026-06-25T01:33:01","slug":"blackbox","status":"publish","type":"page","link":"https:\/\/mozaika.sempre.org.pl\/index.php\/blackbox\/","title":{"rendered":"Co wsp\u00f3lnego ma sztuczna inteligencja z czarnymi pude\u0142kami?"},"content":{"rendered":"
3\u20134 minut<\/div>\n\n\n
\n\n\n\n
\"\"<\/figure>\n\n\n\n

To pytanie, podejrzewam, wzbudza wasz\u0105 ciekawo\u015b\u0107. Jakie pude\u0142ko? O co tu w og\u00f3le chodzi?<\/p>\n\n\n\n

Czy zastanawiali\u015bcie si\u0119 kiedy\u015b, co takiego dzieje si\u0119 wewn\u0105trz maszyny, \u017ce odpowiada nam tak precyzyjnie i w tak szybkim tempie? Ot\u00f3\u017c to pytanie pojawia si\u0119 w g\u0142owach do\u015bwiadczonych badaczy danych i in\u017cynier\u00f3w stoj\u0105cych za rozwojem AI o wiele cz\u0119\u015bciej, ni\u017c my\u015blicie. Nikt tak naprawd\u0119 nie wie, jak dok\u0142adnie dzia\u0142aj\u0105 te narz\u0119dzia. W\u0142a\u015bnie dlatego r\u00f3wnie\u017c specjali\u015bci badaj\u0105c modele podchodz\u0105 do nich jak do czarnych skrzynek, czyli traktuj\u0105 sztuczn\u0105 inteligencj\u0119, jak nieznane narz\u0119dzie, daj\u0105ce statystycznie precyzyjne wyniki, ale bez wyja\u015bnienia, jak do nich dosz\u0142y.<\/p>\n\n\n\n

Wi\u0119kszo\u015b\u0107 modeli AI dost\u0119pnych na rynku (w tym ChatGPT, Gemini czy Claude) odpowiada przy u\u017cyciu sieci powi\u0105za\u0144 powsta\u0142ych na skutek proces\u00f3w uczenia maszynowego. Powi\u0105zania te s\u0105 trudne, a wr\u0119cz niemo\u017cliwe do prze\u015bledzenia, a co za tym idzie \u2013 nie mo\u017cna w pe\u0142ni pozna\u0107 procesu, kt\u00f3ry doprowadzi\u0142 do udzielenia konkretnej odpowiedzi. Takie modele nazywa si\u0119 \u201eblackboxami\u201d (czarnymi skrzynkami). Udzielaj\u0105 odpowiedzi wy\u0142\u0105cznie na podstawie wcze\u015bniej prze\u0107wiczonych danych, a gdy napotkaj\u0105 \u015bcian\u0119 \u2013 czyli brak potrzebnej wiedzy \u2013 wtedy, jak to potocznie si\u0119 m\u00f3wi \u201chalucynuj\u0105\u201d.<\/p>\n\n\n\n

Podstawowe wersje modeli AI nie surfuj\u0105 po sieci w poszukiwaniu odpowiedzi w czasie rzeczywistym. Owszem, informacje wykorzystane do uczenia maszynowego pochodz\u0105 z internetu, ale musz\u0105 one zosta\u0107 dostarczone do modelu w formie plik\u00f3w tekstowych. Dlatego, w celu przekazywania najaktualniejszych odpowiedzi, modele musz\u0105 mie\u0107 dost\u0119p do nowych informacji na bierz\u0105co. Rodzi si\u0119 wi\u0119c problem: co pocz\u0105\u0107, aby\u015bmy dostawali prawd\u0119, a nie wyssane z palca informacje? Znaleziono kilka rozwi\u0105za\u0144. Pozw\u00f3lcie, \u017ce opowiem wam o najlepszym z nich do tej pory.<\/p>\n\n\n\n

\n\n\n\n

Jak AI rozumie tekst?<\/h2>\n\n\n\n

Kochane przez nas AI nie rozumie naszych pyta\u0144 jako s\u0142\u00f3w, lecz jako wektory. Cho\u0107 poj\u0119cie wektor\u00f3w mo\u017ce wzbudza\u0107 zak\u0142opotanie i przywo\u0142ywa\u0107 nieprzyjemne wspomnienia zwi\u0105zane z fizyk\u0105 w szkole \u015bredniej, to uwierzcie mi \u2013 tutaj jest to bardzo proste.<\/p>\n\n\n\n

Powiedzmy, \u017ce jako Polacy b\u0119dziemy dzia\u0142ali na przyk\u0142adzie zdania: <\/p>\n\n\n\n

\n

\u201ePierogi s\u0105 smaczne\u201d<\/strong><\/em><\/p>\n<\/blockquote>\n\n\n\n

Czy komputer rozumie to zdanie? Ot\u00f3\u017c nie! Komputery nie rozumiej\u0105 naszych s\u0142\u00f3w, poniewa\u017c s\u0105 oparte na liczbach. Dlatego, aby poj\u0105\u0107, o co nam chodzi, maszyna bierze ka\u017cde s\u0142owo i przekszta\u0142ca je na wektor, aby osadzi\u0107 je we wcze\u015bniej stworzonej \u201cprzestrzeni s\u0142\u00f3w i ich znacze\u0144\u201d (tzw. Embedding\u00f3w). Zobaczmy to na przyk\u0142adzie!<\/p>\n\n\n\n

Token (S\u0142owo)<\/strong><\/td>Cecha: L. mnoga<\/strong><\/td>Cecha: Rodzaj<\/strong><\/td>Cecha: Emocje<\/strong><\/td><\/tr>
Pierogi<\/strong><\/td>0.98<\/td>0.85<\/td>0.05<\/td><\/tr>
S\u0105<\/strong><\/td>0.01<\/td>0.70<\/td>0.00<\/td><\/tr>
Smaczne<\/strong><\/td>0.40<\/td>0.80<\/td>0.92<\/td><\/tr><\/tbody><\/table><\/figure>\n\n\n\n

Magia, co nie?<\/p>\n\n\n\n

Obecno\u015b\u0107 s\u0142\u00f3w na tej mapie nie jest przypadkowa. Liczby zupe\u0142nie, jak koordynaty na tradycyjnej mapie umieszczaj\u0105 dane s\u0142owo w przestrzeni znacze\u0144. Im bli\u017csze znaczenie podanych s\u0142\u00f3w tym ich umiejscowienie jest bli\u017cej siebie. St\u0105d obok s\u0142owa \u201epierogi\u201d zobaczymy inne dania m\u0105czne (kluski \u015bl\u0105skie, uszka, kopytka), a s\u0142owo \u201cpiero\u017cki\u201d b\u0119dzie mia\u0142o praktycznie identyczne po\u0142o\u017cenie. Przyk\u0142adowa baza, dla prostszej wizualizacji oparta na j\u0119zyku angielskim, wygl\u0105da tak: projector.tensorflow.org<\/p>\n\n\n\n

\n\n\n\n

RAG \u2013 rozwi\u0105zanie czy omini\u0119cie problemu?<\/h2>\n\n\n\n

Najlepsz\u0105 jak dot\u0105d odpowiedzi\u0105 s\u0105 tzw. modele RAG (Retrieval-Augmented Generation). Jest to technika, kt\u00f3ra pozwala AI skonsultowa\u0107 swoj\u0105 wiedz\u0119 z zewn\u0119trzn\u0105 baz\u0105 danych, gdy tego potrzebuje. Ludzie robi\u0105 podobnie. Nie jeste\u015b pewien wyniku dzielenia? U\u017cywasz kalkulatora. Nie jeste\u015b pewien dok\u0142adnej daty bitwy pod Wiedniem? Nie ma problemu! Wystarczy zajrze\u0107 do internetu, albo co gorsza do ksi\u0105\u017cki wrr..<\/p>\n\n\n\n

A wi\u0119c na tej podstawie, gdy AI dostanie w podanym przez nas poleceniu zdanie \u201ePierogi s\u0105 smaczne\u201d, najpierw obliczy jego wektory, ustali pokrewne, s\u0105siaduj\u0105ce z nim s\u0142owa, a nast\u0119pnie oprze swoj\u0105 odpowied\u017a na bazie wiedzy o tradycyjnej kuchni polskiej.<\/p>\n\n\n\n

Technika RAG jest ogromnym krokiem do przodu, aby odpowiedzi, kt\u00f3re dostajemy od AI, by\u0142y jeszcze bardziej precyzyjne i mniej b\u0142\u0119dne. Czy jest to rozwi\u0105zanie idealne? Niestety nie. Podobnie jak ucze\u0144, kt\u00f3ry korzysta z internetu, dalej potrafi zrobi\u0107 b\u0142\u0119dy, co\u015b \u017ale zrozumie\u0107 lub pope\u0142ni\u0107 b\u0142\u0105d maj\u0105c poprawne dane wej\u015bciowe. Podobnie potrafi zrobi\u0107 AI. Informacje uzyskane dzi\u0119ki RAG przez bazowy model mog\u0105 zosta\u0107 b\u0142\u0119dnie zinterpretowane, albo wr\u0119cz czasem zignorowane w podanym przez nas wyniku, pomimo najszczerszych ch\u0119ci.<\/p>\n\n\n\n

Dlatego, ka\u017cd\u0105 odpowied\u017a, kt\u00f3r\u0105 poda nam AI, potraktujmy z przymru\u017ceniem oka i postawmy na prawdziw\u0105 inteligencj\u0119 zamiast sztucznej, czyli nasz\u0105 w\u0142asn\u0105.<\/p>\n\n\n\n

\n\n\n\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

To pytanie, podejrzewam, wzbudza wasz\u0105 ciekawo\u015b\u0107. Jakie pude\u0142ko? O co tu w og\u00f3le chodzi? Czy zastanawiali\u015bcie si\u0119 kiedy\u015b, co takiego dzieje si\u0119 wewn\u0105trz maszyny, \u017ce odpowiada nam tak precyzyjnie i w tak szybkim tempie? Ot\u00f3\u017c to pytanie pojawia si\u0119 w g\u0142owach do\u015bwiadczonych badaczy danych i in\u017cynier\u00f3w stoj\u0105cych za rozwojem AI o wiele cz\u0119\u015bciej, ni\u017c my\u015blicie. […]<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-2","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/mozaika.sempre.org.pl\/index.php\/wp-json\/wp\/v2\/pages\/2","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/mozaika.sempre.org.pl\/index.php\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/mozaika.sempre.org.pl\/index.php\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/mozaika.sempre.org.pl\/index.php\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/mozaika.sempre.org.pl\/index.php\/wp-json\/wp\/v2\/comments?post=2"}],"version-history":[{"count":10,"href":"https:\/\/mozaika.sempre.org.pl\/index.php\/wp-json\/wp\/v2\/pages\/2\/revisions"}],"predecessor-version":[{"id":102,"href":"https:\/\/mozaika.sempre.org.pl\/index.php\/wp-json\/wp\/v2\/pages\/2\/revisions\/102"}],"wp:attachment":[{"href":"https:\/\/mozaika.sempre.org.pl\/index.php\/wp-json\/wp\/v2\/media?parent=2"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}