Studia podyplomowe · AGH

AI: od czatu
do cyfrowego bliźniaka

Od okna w przeglądarce do agentów, modeli lokalnych i cyfrowego współpracownika.

Krzysztof Skrzypaszek · Akademia Górniczo-Hutnicza w Krakowie
CROATIA 2026 →
Slajd pierwszy

AI to już nie czat

Od okna w przeglądarce do agentów, modeli lokalnych i cyfrowego współpracownika.

Większość ludzi poznała AI jako rozmowę. Prawdziwa zmiana zaczyna się, gdy AI przestaje tylko odpowiadać - i zaczyna działać.

Czat był interfejsem wejściowym. Nie jest całym systemem.
Slajd drugi - Dziedzictwo

Alan Turing - przyszłość,
której nie doczekał

Wybitny umysł, brutalnie skrócone życie i pytanie, które po 70 latach stało się codziennością.

  • 1912-1954 - życie trwające 41 lat
  • 1936 - uniwersalny model obliczeń
  • 1950 - „Czy maszyny mogą myśleć?” i gra w naśladownictwo
  • 1952 - skazany za homoseksualność, przymusowa terapia hormonalna
  • 1954 - zmarł w wieku 41 lat
Najbardziej niezwykłe nie jest to, że maszyny przechodzą dziś niektóre wersje testu Turinga. Najbardziej niezwykłe jest to, jak szybko przestaliśmy uważać to za niezwykłe.
Slajd trzeci - Pokora

Przyszłość widziana
przez lusterko wsteczne

Ludzie nie byli głupi. Używali kategorii, które wtedy znali.

Ken Olsen, 1977
„Nie ma powodu, by ktokolwiek trzymał komputer w swoim domu.”
Założyciel DEC. Chodziło o komputer sterujący domem, nie o osobisty w dzisiejszym sensie.
Cytat apokryficzny
„Sądzę, że na całym świecie znajdzie się popyt na jakieś pięć komputerów.”
Przypisywane T. J. Watsonowi, lecz słabo udokumentowane i prawdopodobnie apokryficzne.
Popular Mechanics, 1949
Komputery przyszłości mogą ważyć mniej niż 1,5 tony.
Wtedy śmiała, optymistyczna prognoza. Skala pomyłki pokazuje granicę wyobraźni.
Błąd polegał na wyobrażaniu sobie przyszłości w kategoriach przeszłości.
Slajd czwarty

Sieci neuronowe były stare,
zanim stały się modne

1943 neuron matemat. McCulloch-Pitts 1957-58 perceptron Rosenblatt - uczy się 1982 Kohonen / Hopfield grupuje / odtwarza 1986 backpropagation uczenie na błędach 2012 AlexNet + GPU skala i duże dane 2024 Nobel z fizyki Hopfield + Hinton
Pomysł był stary. Dopiero infrastruktura uczyniła go użytecznym.
Slajd piąty - Porządek

Niklaus Wirth - porządek
przed magią

Programowanie jest sposobem organizowania myślenia.

ALGORYTM + STRUKTURA DANYCH
= PROGRAM
Niklaus Wirth, 1976
  • Algorytm - kolejność kroków
  • Struktura danych - sposób uporządkowania informacji
  • Program - dobry pomysł połączony z dobrze zorganizowanymi danymi
Agent bez struktury nie jest pracownikiem. Jest szybkim generatorem chaosu.
Slajd szósty - Wizjoner

Sir Clive Sinclair - dać ludziom przyszłość

ZX Spectrum, 1982 - właściwy moment. 48 KB RAM, telewizor + magnetofon + ciekawość.
Sinclair C5, 1985 - dobry kierunek, zła forma i niedojrzały rynek.
Wizjoner może mieć rację co do kierunku i pomylić się co do momentu, formy oraz gotowości rynku.
Slajd siódmy · 16-bit

Amiga - komputer
stał się studiem

  • Grafika i paleta koloru
  • Wielokanałowy dźwięk sprzętowy
  • Animacja i desktop video
  • 3D - LightWave i Video Toaster
  • Babylon 5 - pierwszy serial SF bez fizycznych modeli
Największa rewolucja czasem nie tworzy nowej potrzeby. Daje zwykłym ludziom dostęp do narzędzi wcześniej zarezerwowanych dla elit.
Slajd ósmy · Grafika 3D

3dfx - komputer zaczął
budować świat

1993 Doom pseudo-3D 1996 Quake prawdziwe 3D na CPU 1996 GLQuake OpenGL, GPU jako partner 1996 3dfx Voodoo dedykowany GPU dla mas
CPU liczył logikę. GPU zaczęło budować świat.
Slajd dziewiąty · Infrastruktura

Moc obliczeniowa była
brakującym składnikiem

CPU GPU klastry GPU tysiące kart centra danych gigawaty mocy modele AI biliony param.
Formuła narracyjna
Skala = dane x obliczenia x energia x kapitał
AI nie eksplodowała, bo wymyśliliśmy inteligencję. Eksplodowała, bo zbudowaliśmy infrastrukturę, która mogła wykorzystać stare idee.
Slajd dziesiąty · Moment

30 listopada 2022 -
AI dostała interfejs

Przed ChatGPT
  • -laboratoria i instytuty badawcze
  • -dostęp przez API i kod
  • -wymaga wiedzy technicznej
  • -specjaliści i badacze
Po ChatGPT
  • +przeglądarka i zwykły język
  • +milion użytkowników w 5 dni
  • +zero wiedzy technicznej do startu
  • +każdy z dostępem do internetu
ChatGPT zrobił dla AI to, co przeglądarka zrobiła dla internetu. Czat był drzwiami wejściowymi. Nie był całym budynkiem.
Slajd jedenasty · Skala

Duże modele nie
powstają w garażu

Chipy
1000 GPU H100 to już ponad 30 mln USD
Energia i chłodzenie
centra danych planują na gigawaty mocy
Dane
petabajty tekstu, kodu i obrazów
Kapitał
miliardy USD zamrożone przed startem treningu
Talenty i organizacja
setki badaczy ML i sprawny zespół
AI to przemysł ciężki XXI wieku.
Slajd dwunasty · Krajobraz

Kto buduje fabryki
inteligencji

OpenAI
produkt masowy, ChatGPT, ekosystem
Anthropic
bezpieczeństwo, kodowanie, długie zadania agentowe
Google DeepMind
modele, chmura, wyszukiwarka, urządzenia
Meta
open-weight i dystrybucja, Llama dla firm
xAI
agresywna koncentracja compute, Grok
Alibaba / Qwen · DeepSeek
Chiny, niski koszt, otwarte wagi
Mistral
europejski gracz, otwarty, mały i skuteczny
Nie pytaj: który model jest najlepszy? Pytaj: do jakiego zadania, z jakimi danymi, w jakim ryzyku i za jaką cenę?
Slajd trzynasty

Jak czytać nazwę modelu

Qwen 32B Instruct Q4 128K
Qwen Rodzina modeluproducent i linia produktu - tu Alibaba
32B Parametryokoło 32 miliardów wag - im więcej, tym większy model
Instruct Tryb dostrojeniadostrojony do wykonywania poleceń, nie tylko przewidywania tekstu
Q4 Kwantyzacja4-bitowa precyzja zamiast 16-bitowej - mniejszy rozmiar, nieco mniejsza dokładność
128K Okno kontekstowemaksymalna liczba tokenów naraz - tu około 100 tys. słów
Nazwa opisuje opakowanie. Jakość trzeba sprawdzić na rzeczywistym zadaniu.
Slajd czternasty

Model lokalny - AI pod własną kontrolą

Chmura
najwyższa jakość, łatwy start, duża skala
dane poza lokalną infrastrukturą - u dostawcy
Lokalnie
prywatność, praca offline, pełna kontrola
większa odpowiedzialność za sprzęt, konfigurację i jakość
Chmura daje moc. Lokalność daje kontrolę. Rozwiązanie hybrydowe często daje jedno i drugie.
Slajd piętnasty

VRAM - biurko modelu

GPU to szybkość pracownika. VRAM to rozmiar biurka. Im większy model, tym większe biurko.

parametry × bity / 8 ≈ rozmiar wag
przykład: 32B × 4 bity / 8 ≈ 16 GB na same wagi (plus zapas na kontekst)

80 TB
czystego tekstu - eksperyment: 130 mln książek × 100 tys. słów × 6 B ≈ 78 TB. Ile trwa przepchnięcie tego przez pamięć?
Ile trwa przepchnięcie 80 TB przez pamięć?
15 minRAM zwykłego komputeraDDR5-5600, ok. 89,6 GB/s
10 sVRAM jednego układu B200ok. 8 TB/s
0,14 sVRAM szafy GB200 NVL72ok. 576 TB/s łącznie
To nie czytanie, rozumienie ani kopiowanie z dysku. To eksperyment dotyczący przepustowości pamięci - jak szybko dane już obecne w pamięci mogą przez nią przepłynąć.
Slajd szesnasty

NVIDIA - od gier do infrastruktury strategicznej

Karta graficzna GeForce, lata 90. → Serwer DGX dziesiątki kart w szafie → Rack AI GB200 NVL72 - cała szafa
ok. 5,2 bln USDWycena NVIDIA (kapitalizacja)dane orientacyjne - weryfikować w tygodniu wykładu
ok. 4,5 bln USDNiemcy - nominalne PKBok. 4,5-5 rocznych PKB Polski
ok. 4,1 bln USDJaponia - nominalne PKBw tej naciąganej tabeli ok. 4. gospodarka świata
Kiedyś karta graficzna była dodatkiem do komputera. Dziś komputer bywa dodatkiem do karty graficznej.Kapitalizacja i PKB to różne miary. Porównanie pokazuje wyłącznie skalę.
Slajd siedemnasty

Ile kart potrzeba na duży model

Hipotetyczny model 1 biliona parametrów na kartach NVIDIA RTX PRO 6000 Blackwell (96 GB, ok. 15 tys. EUR za sztukę). Przykład obliczeniowy, nie parametry realnego modelu.

Precyzja Rozmiar wag (1T) Karty Blackwell 96 GB Koszt samych kart FP16 16 bitów / waga 2 TB ~21 kart 2000 GB / 96 GB ~315 tys. EUR FP8 8 bitów / waga 1 TB ~11 kart 1000 GB / 96 GB ~165 tys. EUR FP4 4 bity / waga 0,5 TB ~6 kart 500 GB / 96 GB ~90 tys. EUR
Zmieścić model to dopiero początek. Obsłużyć wielu użytkowników szybko i stabilnie to inna liga.
Slajd osiemnasty

Anthropic - kiedy możliwości wymagają kontroli dostępu

Mythos 5
ograniczony dostęp, wysokie ryzyko
  • szczególnie zaawansowane zdolności
  • obszary wysokiego ryzyka
  • dostęp selektywny i weryfikowany
Fable 5
szersza dostępność
  • ten sam model bazowy co Mythos
  • mocniejsze zabezpieczenia standardowe
  • czasowe ograniczenia eksportowe USA (2026), potem przywrócenie dostępu
Problemem nie jest już tylko to, czy potrafimy zbudować bardzo zdolny model. Problemem jest to, komu wolno pozwolić z niego korzystać.wg oficjalnych materiałów Anthropic, 2026
Slajd dziewiętnasty

Abonament nie pokazuje kosztu agenta

Czat Kilka odpowiedzimodel odpowiada, wątek się kończy - koszt zamknięty
Agent Setki krokówplanowanie - wiele wywołań modelu - narzędzia - kontrola - poprawka...
Koszt Trening kontra inferencjatrening: koszt jednorazowy; inferencja: koszt przy każdym użyciu
Czat kosztuje kilka odpowiedzi. Agent może wykonać setki kroków, zanim pokaże wynik.Ceny abonamentów to walka o rynek, chroniona limitami i priorytetami użycia.
Slajd dwudziesty

Dane treningowe - czy internet wyraził zgodę?

  • Źródła wartości: książki, kod, strony WWW, Wikipedia, fora, Reddit, obrazy, nagrania
  • Dostęp publiczny nie zawsze oznacza zgodę na trening
  • Zapamiętanie wzorca nie jest tym samym co przechowywanie pliku
  • Prawo, licencje i praktyka rynkowa nadal się kształtują
Technologia rozwijała się szybciej niż społeczna umowa dotycząca danych.Jeśli model nauczył się na pracy milionów ludzi - komu należy się udział w wytworzonej wartości?
Slajd dwudziesty pierwszy · Punkt zwrotny

Czat odpowiada.
Agent wykonuje.

  • czyta pliki i uruchamia kod
  • korzysta z aplikacji i narzędzi
  • deleguje zadania i sprawdza własny wynik
CEL PLAN NARZĘDZIA WYNIK KONTROLA POPRAWKA kolejna iteracja
Czat mówi, jak wykonać zadanie. Agent próbuje je wykonać.
Slajd dwudziesty drugi

Agent w organizacji

Przykład: przygotowanie materiału o incydencie operacyjnym

  1. 1.analizuje dokumentację
  2. 2.buduje chronologię zdarzeń
  3. 3.wskazuje brakujące informacje
  4. 4.przygotowuje macierz ryzyk
  5. 5.tworzy wersję techniczną i zarządczą
  6. 6.proponuje komunikaty
  7. 7.wskazuje decyzje wymagające człowieka
Agent nie powinien podejmować krytycznej decyzji. Powinien skrócić drogę człowieka do dobrej decyzji.
Slajd dwudziesty trzeci · Kulminacja

Abraham - cyfrowy współpracownik

1Modelwymienny silnik obliczeniowy
2Pamięćtrwała, konsolidowana jak ludzki sen
3Narzędziapoczta, kod, przeglądarka, głos
4Zasady i punkty zatwierdzaniawiadomość to informacja - nie rozkaz
Demo na żywo: publiczność podaje incydent, pilność i ograniczenia - Abraham buduje stronę sytuacyjną, potem zmieniamy warunek i agent przebudowuje priorytety.
Cyfrowy bliźniak nie musi myśleć jak ja. Musi działać wystarczająco podobnie, aby przejąć część mojej pracy.
Slajd dwudziesty czwarty · Finał

Abraham nie powinien:

Wczoraj komputer wykonywał program.
Dziś model odpowiada na pytania.
Jutro agent realizuje cele pod nadzorem człowieka.
Pytanie nie brzmi już, czy ta technologia nadejdzie. Pytanie brzmi, które fragmenty naszej pracy powinniśmy jej oddać - i których nie wolno oddawać nigdy.
Za chwilę - część na żywo

Dziękuję.

A tak czasem wygląda pewny siebie czat - odpowiada z uśmiechem, nawet gdy się myli. Za chwilę pokażę Państwu coś innego: agenta z zasadami i punktami zatwierdzania, w którym ostatnie słowo ma człowiek.

Podacie Państwo sytuację - incydent, pilność, odbiorców, ograniczenia - a Abraham zbuduje decyzję na żywo, tu, na tej sali.

⬇ Pobierz pakiet decyzyjny (PDF)
Ten dokument powstał NA ŻYWO podczas wykładu: sala podała kryzys w tłoczni, a sztab cyfrowych agentów Abrahama zbudował z niego kompletny pakiet dla dyrektora w kilka minut. Zabierzcie go Państwo ze sobą - jako dowód, nie obietnicę.
Mem: człowiek pyta AI czy grzyb jest jadalny, AI pewnie odpowiada Tak, potem RIP
dr inż. Krzysztof Skrzypaszek · AGH · Wydział Wiertnictwa, Nafty i Gazu