Ej Aj dla Twojej babci, ojca a może i dla Ciebie - ebook

Wstęp

Dedykuję tę książkę mojej Mamie.

Dwa lata temu słowo „algorytm" brzmiało dla niej jak nazwisko egzotycznego piłkarza. Sztuczna Inteligencja? To były tylko filmy science-fiction, w których roboty przejmują władzę. Dziś moja mama, która ma 70 lat i przez większość życia unikała nowinek technicznych, codziennie pisze opracowania, tworzy grafiki, poprawia stare rodzinne zdjęcia, generuje wideo i nawet piosenki. Wyróżnia się wśród znajomych z Uniwersytetu Trzeciego Wieku. Niektóre funkcje AI zna lepiej ode mnie.

Jak do tego doszło? Rok temu kupiłem jej konto Gemini Pro. To był przełom. Wcześniej pokazałem jej ChatGPT i Perplexity, ale wtedy się nie zainteresowała. "Po co mi to? Przecież mam Google", mówiła. Z Gemini było inaczej. Odkryła, że to naprawdę działa dla niej.

💡
Ciekawostka Z danych GUS z ostatnich lat wynika, że jeszcze niedawno z internetu korzystało mniej niż połowa Polaków po 65. roku życia. Dziś ten odsetek zbliża się do dwóch trzecich i rośnie z roku na rok szybciej niż w jakiejkolwiek innej grupie wiekowej (liczby orientacyjne, bo zmieniają się z każdym kolejnym badaniem). Moja mama jest częścią tej fali. Ty albo ktoś bliski Tobie też może nią być.

Piszę tę książkę, bo patrzyłem, jak strach zamienia się w ciekawość, a ciekawość w codzienną radość odkrywania czegoś nowego. Chciałem to spisać, zanim zapomnę, jak bardzo prosty był ten pierwszy krok i jak bardzo niepotrzebnie się go bałem w jej imieniu.

Jeśli moja mama mogła to zrobić, to Ty też możesz. Naprawdę. Nie chodzi o talent, wiek ani o to, z jakiego pokolenia jesteś. Chodzi o to, żeby zadać sobie pierwsze pytanie. A dalej robi się coraz łatwiej.

Dla kogo jest ta książka?

Ta książka powstała dla Ciebie. Niezależnie od tego, czy masz 20, 50 czy 80 lat. Niezależnie od tego, czy słowo "komputer" budzi u Ciebie respekt, czy jest zwyczajną codziennością. Nie musisz nic wiedzieć o kodowaniu, neuronach czy budowaniu serwerów.

Technologia powinna pracować dla człowieka, a nie odwrotnie. Ta książka jest dla Twojej babci, która chce wiedzieć, dlaczego żółknie roślina na balkonie. Dla Twojego taty, który chce lepiej zorganizować swoje hobby. I dla Ciebie, niezależnie od tego, czy szukasz pomocnika do pracy, czy narzędzia do twórczych projektów.

Czego tutaj nie znajdziesz?

To nie jest kurs programowania. Nie będziemy pisać kodu ani uczyć się żargonu, który robi wrażenie tylko na informatykach.

To praktyczny poradnik. Chcę pokazać Ci, jak wpleść AI w swoją codzienność. Jak oszczędzić czas i energię. Jak otworzyć się na nowe możliwości. Jeśli szukasz klasycznego podręcznika do informatyki, odłóż tę książkę na półkę. Jeśli chcesz, żeby technologia stała się Twoim wsparciem, a nie obowiązkiem, zostań ze mną.

Bezpieczeństwo przede wszystkim

AI otwiera mnóstwo możliwości, ale niesie też nowe zagrożenia, o których warto wiedzieć, zanim zaczniesz. Te same narzędzia, które pomogą Ci napisać życzenia dla wnuczki, w niepowołanych rękach potrafią podrobić głos bliskiej osoby albo spreparować zdjęcie tak, że trudno odróżnić je od prawdziwego. Dlatego zanim przejdziemy dalej, zapamiętaj trzy proste zasady. W mojej rodzinie nazywamy je "Cyfrową Tarczą": to nie jest żadna technologia ani aplikacja, tylko zestaw nawyków, które chronią Ciebie i Twoich bliskich.

1. HASŁO RODZINNE: jeśli kiedyś otrzymasz wiadomość, głos lub zdjęcie od kogoś bliskiego, które budzą Twoją podejrzliwość, zadzwoń bezpośrednio do tej osoby (na znany Ci numer, nie ten podany w podejrzanej wiadomości). Ustalcie między sobą „hasło bezpieczeństwa", o które zawsze możesz zapytać, gdy masz wątpliwości.
2. OGRANICZONE ZAUFANIE DO OBRAZU I GŁOSU: AI dzisiaj potrafi doskonale podrobić głos Twojego wnuka albo zdjęcie znajomej osoby. Jeśli coś wydaje się dziwne, zazwyczaj takie właśnie jest.
3. REGUŁA: ZATRZYMAJ SIĘ, ZASTANÓW, SKONSULTUJ, DOPIERO DZIAŁAJ: nigdy nie klikaj w linki pod wpływem emocji. Zrób sobie przerwę, odetchnij, zapytaj kogoś, komu ufasz. Jeśli masz wątpliwości, nie rób nic.

Te trzy zasady wracają w tej książce jeszcze nie raz, przy okazji konkretnych narzędzi i konkretnych sytuacji. Nie musisz zapamiętać ich teraz na pamięć. Wystarczy, że wiesz, że istnieją, i że możesz do nich wrócić w każdej chwili, gdy coś w internecie wyda Ci się podejrzane.

Zrób to teraz

Nie czekaj na lepszy moment. Nie musisz skończyć tej książki, żeby zacząć. Wyjmij telefon. Znajdź aplikację, którą już masz: Gemini, Asystent Google, Siri z Apple Intelligence albo Copilot. Jeśli żadnej nie masz, otwórz przeglądarkę i wejdź na GEMINI.GOOGLE.COM. Wystarczy zwykłe konto Google, które pewnie masz.

Zadaj jedno proste pytanie: _„Mam w lodówce jajka, szpinak i ser feta. Co mogę z tego zrobić na szybki obiad?"_.

Patrz, co się stało. To Twój początek.

Jak czytać tę książkę?

Żeby ułatwić Ci poruszanie się po tekście, używam trzech oznaczonych sekcji. Znajdziesz je przez całą książkę.

- PODSTAWOWE: fundamenty. Jeśli dopiero zaczynacie, zacznijcie od tych rozdziałów.
- DLA AMBITNYCH: jeśli chcesz wycisnąć z narzędzia więcej, tu są zaawansowane wątki. Spokojnie możesz je pominąć.
- 💡 CIEKAWOSTKA: krótki dodatek z zaskakującym faktem. Nie oddzielny rozdział, tylko coś, co nagradza bieżące czytanie.

Przejdźmy dalej.

------------------------------------------------------------------------1Historia sztucznej inteligencji

Pierwsze kroki: czy maszyna może myśleć?

Historia sztucznej inteligencji nie zaczęła się od krzemowych procesorów ani od wielkich centrów danych. Sięga dawnych, filozoficznych rozważań o tym, czym w ogóle jest umysł i czy da się go odtworzyć w mechanizmie. Już w starożytności marzono o automatach naśladujących ludzi. W XVII wieku niemiecki filozof i matematyk Gottfried Wilhelm Leibniz próbował zbudować uniwersalny język logiczny, w którym każdy spór dałoby się rozstrzygnąć czystym rachunkiem, tak jak rozstrzyga się równanie matematyczne. Dopiero jednak wiek XX nadał tym marzeniom naukowe ramy.

Kluczową postacią okazał się Alan Turing, brytyjski matematyk, którego rolę w czasie II wojny światowej trudno przecenić. Turing kierował zespołem, który złamał szyfr niemieckiej maszyny Enigma. Wedle szacunków historyków, praca ta skróciła wojnę o dwa lata i uratowała miliony istnień. Po wojnie, w 1950 roku, Turing opublikował pracę „Maszyny liczące a inteligencja". Jego dalsze losy były tragiczne. Mimo zasług dla kraju był ścigany przez ówczesne brytyjskie prawo za swoją orientację seksualną, poddany przymusowej „terapii" hormonalnej, i zmarł w 1954 roku w wieku zaledwie 41 lat.

W swojej pracy z 1950 roku Turing świadomie porzucił jałowe pytanie "czy maszyny mogą myśleć?", uznając je za zbyt nieostre. Zaproponował w zamian test praktyczny, dziś znany jako „test Turinga". Wyobraźmy sobie sędziego siedzącego przy dwóch zasłoniętych stanowiskach. Za jednym siedzi żywy człowiek, za drugim znajduje się maszyna. Sędzia zadaje pisemne pytania obu stronom i na podstawie samych odpowiedzi próbuje odgadnąć, gdzie jest kto. Jeśli po dłuższej rozmowie nie potrafi tego rozstrzygnąć, uznajemy, że maszyna wykazuje formę inteligencji, przynajmniej w sensie prowadzenia rozmowy. Ten pomysł do dziś pozostaje punktem odniesienia, gdy oceniamy, jak "ludzkie" są odpowiedzi współczesnych chatbotów.

💡
Ciekawostka Alan Turing przewidywał w swojej pracy, że do roku 2000 komputery będą na tyle sprawne, by przez pięć minut rozmowy zmylić sędziego w około 70 procentach prób. W 2000 roku byliśmy jeszcze daleko od tego celu, ale sama koncepcja badania inteligencji przez rozmowę okazała się zaskakująco trwała.

Zimy AI: dlaczego entuzjazm gasł

AI nie rozwijała się liniowo. Po zachwycie z lat 50. i 60., kiedy część naukowców wierzyła, że zbudowanie maszyny dorównującej człowiekowi zajmie najwyżej dekadę, przyszły tzw. „zimy AI": okresy, w których finansowanie projektów gwałtownie zamierało, a obietnice badaczy okazywały się zbyt ambitne wobec ówczesnych możliwości sprzętu. Pierwsza zima nadeszła w latach 70. Jej symbolem stał się brytyjski raport Lighthilla z 1973 roku, w którym rząd zlecił niezależną ocenę stanu badań nad AI. Wniosek był surowy: mimo sporych nakładów finansowych, maszyny wciąż nie radziły sobie z zadaniami, które dla człowieka są elementarne, jak rozpoznawanie mowy czy tłumaczenie języków. Fundusze na wiele lat zostały odcięte.

Jednym z powodów tej porażki było ograniczenie tzw. perceptronu, czyli wczesnego, bardzo prostego modelu sieci neuronowej. Marvin Minsky i Seymour Papert wykazali matematycznie w 1969 roku, że taki perceptron nie jest w stanie nauczyć się pewnych, z pozoru prostych, zależności logicznych. Ta krytyka na dwie dekady skutecznie zniechęciła badaczy i inwestorów do sieci neuronowych. Druga zima AI przypadła na przełom lat 80. i 90., gdy zawiodły kosztowne, wyspecjalizowane komputery budowane specjalnie pod logikę AI. Nie wytrzymały konkurencji z tanimi, uniwersalnymi komputerami osobistymi, które właśnie wchodziły do biur i domów. AI kilkakrotnie "umierała" w oczach opinii publicznej, stając się synonimem naukowej porażki i akademickiej mrzonki. Za każdym razem wracała jednak, gdy technologia, przede wszystkim moc obliczeniowa i ilość dostępnych danych, w końcu dogoniła ambicje naukowców.

Przełom 2012: maszyny zaczynają widzieć

Wszystko zmieniło się w 2012 roku wraz z projektem AlexNet. Podczas konkursu rozpoznawania obrazów ImageNet zespół badaczy wykorzystał głębokie sieci neuronowe i karty graficzne do analizy zdjęć. Wynik był przełomowy dla dotychczasowych metod. Maszyna zaczęła rozpoznawać obiekty z precyzją bliską człowiekowi. To był moment, w którym świat nauki zrozumiał: to faktycznie działa.

Za sukcesem stali trzej badacze: doktorant Alex Krizhevsky, który zbudował i wytrenował sieć, Ilya Sutskever, który pomagał w projekcie i później współtworzył OpenAI, oraz ich promotor Geoffrey Hinton, dziś nazywany "ojcem chrzestnym AI" (w 2024 roku otrzymał za swoje wieloletnie prace Nagrodę Nobla z fizyki). Ich osiągnięcie polegało na wytrenowaniu głębokiej sieci neuronowej na kartach graficznych (GPU), czyli sprzęcie, który do tej pory kojarzył się głównie z grami komputerowymi i wyświetlaniem grafiki 3D. Okazało się, że te same karty, zaprojektowane do wykonywania milionów prostych obliczeń jednocześnie przy rysowaniu obrazu na ekranie, idealnie nadają się też do trenowania sieci neuronowych, które wymagają dokładnie tego samego rodzaju masowych, równoległych obliczeń.

Poligonem doświadczalnym był zbiór ImageNet, baza ponad miliona zdjęć ręcznie opisanych przez ludzi (pies, samochód, filiżanka, rower). Podczas dorocznego konkursu w 2012 roku AlexNet zdeklasował wszystkie konkurencyjne rozwiązania, popełniając wyraźnie mniej błędów niż dotychczasowe metody. Można to porównać do sytuacji, w której uczeń latami mozolił się nad czytaniem przez zamgloną szybę, aż ktoś w końcu podał mu właściwe okulary. Te "okulary" to połączenie trzech rzeczy naraz: dużo danych (ImageNet), dużo mocy obliczeniowej (karty graficzne) i odpowiedniej architektury sieci. Żaden z tych elementów osobno by nie wystarczył.

💡
Ciekawostka Geoffrey Hinton przez większą część kariery, jeszcze w latach 80. i 90., był w środowisku naukowym traktowany niemal jak ekscentryk uparcie broniący idei sieci neuronowych, podczas gdy większość badaczy postawiła na inne podejścia. Jego wieloletnia cierpliwość stała się jednym z fundamentów dzisiejszej fali AI.

2022–2024: od eksperymentu do infrastruktury

Zanim doszło do premiery ChatGPT, grunt przygotowywały wcześniejsze modele. GPT-3, pokazany przez OpenAI w 2020 roku, po raz pierwszy zademonstrował szerokiej publiczności, że model językowy potrafi pisać zaskakująco spójne, dłuższe teksty na dowolny temat. Był jednak dostępny głównie dla programistów, przez skomplikowane narzędzia techniczne, nie dla przeciętnego użytkownika.

Listopad 2022 roku zapisał się w historii. AI trafiła wtedy "pod strzechy" w formie prostego okna czatu, dostępnego dla każdego bez żadnej wiedzy technicznej. ChatGPT zdobył milion użytkowników w zaledwie 5 dni, tempem, jakiego nie widział żaden wcześniejszy produkt konsumencki. Równolegle DALL-E 2 pokazał, że maszyny potrafią tworzyć sztukę z samego opisu słownego.

Rok 2023 przyniósł prawdziwy "wysyp" modeli. W marcu OpenAI pokazało GPT-4, znacznie sprawniejszego następcę ChatGPT. Niedługo potem zadebiutował Claude, model firmy Anthropic, od początku budowany z większym naciskiem na bezpieczeństwo i łagodniejszy, bardziej "ludzki" ton wypowiedzi. Google przekształciło swojego wcześniejszego chatbota Barda w Gemini, kładąc nacisk na multimodalność, czyli zdolność do jednoczesnego rozumienia tekstu, obrazu i dźwięku w jednej rozmowie. Do gry weszła też firma Midjourney, która obok DALL-E 2 stała się jednym z najpopularniejszych narzędzi do generowania obrazów z opisu. Rywalizacja między Microsoftem, który mocno postawił na OpenAI, a Google, który bronił swojej pozycji w wyszukiwarkach, napędzała tempo zmian szybciej, niż ktokolwiek się spodziewał.

W 2024 roku AI stała się infrastrukturą, czymś w rodzaju prądu czy internetu, obecnym w tle, a nie osobną atrakcją. Integracja Copilota z pakietem Office 365 sprawiła, że sztuczna inteligencja przestała być "chatem w przeglądarce". Stała się asystentem w codziennej pracy biurowej, wbudowanym prosto w Worda, Excela i pocztę. Modele takie jak Gemini 1.5 Pro zaczęły obsługiwać kontekst liczony w milionach tokenów (o tym, czym są tokeny, przeczytasz w kolejnym rozdziale), potrafiąc przeczytać godzinę wideo albo grubą książkę za jednym razem i odpowiadać na szczegółowe pytania o jej treść.

2025–2026: era pamięci

Ostatnie lata przyniosły kolejny skok. Modele takie jak GPT-5.4 czy Claude Opus 4.7 zyskały pamięć. Zapamiętują, kim jesteś i o czym rozmawialiście, między osobnymi rozmowami. Zyskały też lepsze rozumienie obrazów i zdolność do dłuższego, bardziej samodzielnego działania nad jednym zadaniem, co branża nazywa "agentowością".

W praktyce oznacza to, że AI przestaje być wyłącznie rozmówcą czekającym na kolejne pytanie, a zaczyna działać bardziej jak asystent, któremu można zlecić cały, wieloetapowy proces. Prosta scenka: planujesz remont łazienki. Kilka lat temu musiałbyś sam szukać wykonawców, porównywać ceny materiałów w kilku sklepach i pilnować terminów w kalendarzu. Dziś możesz opisać AI swój cel, budżet i priorytety, a asystent samodzielnie przeszuka oferty, zestawi je w czytelną tabelę i zaproponuje harmonogram prac, zostawiając Tobie tylko ostateczne decyzje i akceptację. To wciąż wymaga Twojego nadzoru, ale zdejmuje z Ciebie żmudną część researchu.

💡
Ciekawostka pamięć modeli działa podobnie do notatnika, do którego asystent zagląda przed każdą rozmową. Nie "pamięta" w sensie ludzkich wspomnień emocjonalnych, tylko odczytuje zapisane wcześniej fakty o Tobie, np. że mieszkasz w Krakowie i wolisz krótkie odpowiedzi.

Jak to wygląda dziś, w 2026, w praktyce

💡
Ciekawostka wiele banków w Polsce wdrożyło już asystentów głosowych lub tekstowych opartych na AI do obsługi prostych zapytań, takich jak sprawdzenie salda czy historii ostatnich transakcji, co skraca czas oczekiwania na infolinii.

------------------------------------------------------------------------

💡
Ciekawostka to właśnie liczba tokenów, a nie liczba słów, decyduje o tym, ile możesz "wkleić" AI naraz i ile Cię to kosztuje w płatnych narzędziach. W języku polskim, z jego rozbudowaną odmianą, jedno słowo często rozpada się na więcej tokenów niż w angielskim, dlatego te same teksty po polsku bywają "droższe" w przetwarzaniu.

Kiedy Przykładowy model Liczba parametrów
------------- ------------------- -------------------
2023 Llama 2 ok. 70 mld
koniec 2024 DeepSeek V3 ok. 671 mld
2025 Kimi K2 ok. 1 bilion
2026 GLM-5.1/5.2 ok. 744 mld
2026 DeepSeek V4 Pro ok. 1,6 biliona

💡
Ciekawostka tempo jest tak szybkie, że model uznawany za "ogromny" jeszcze rok temu dziś bywa punktem startowym. To jeden z powodów, dla których nawet czołowi eksperci nie potrafią zgodnie przewidzieć, kiedy i czy dotrzemy do AGI.

💡
Ciekawostka AI nie czyta tekstu tak jak człowiek, tylko dzieli go na małe kawałki zwane tokenami (to mogą być całe słowa albo tylko ich fragmenty). Dlatego okno kontekstowe liczy się właśnie w tokenach, a nie w stronach czy słowach.

💡
Ciekawostka RAG to również powód, dla którego warto wgrywać AI tylko naprawdę potrzebne dokumenty. Im więcej niepowiązanych plików dorzucisz naraz, tym trudniej narzędziu trafnie wyłowić właściwy fragment, podobnie jak trudniej znaleźć jedną kartkę w stercie stu przypadkowych.

------------------------------------------------------------------------

💡
Ciekawostka Nvidia, firma która produkuje najpopularniejsze karty graficzne, przez lata kojarzyła się głównie z grami komputerowymi. Dziś, dzięki zapotrzebowaniu ze strony AI, jest jedną z najcenniejszych firm na świecie.

💡
Ciekawostka Jedno zapytanie do AI, na przykład prośba o krótkie tłumaczenie zdania, zużywa niewielki ułamek tej energii. Prawdziwy koszt narasta dopiero przy milionach zapytań dziennie, mnożonych przez cały świat.

------------------------------------------------------------------------

💡
Ciekawostka najbardziej zaawansowany, dostępny dziś do kupienia robot humanoidalny kosztuje więcej niż niejedno mieszkanie w mniejszym mieście. Ceny liczone są w setkach tysięcy złotych.

💡
Ciekawostka pierwsza na świecie w pełni komercyjna usługa robotaxi bez kierownicy i bez kierowcy bezpieczeństwa na miejscu ruszyła w Phoenix w Arizonie. Mieszkańcy zamawiają przejazd przez aplikację równie prosto, jak zamawia się jedzenie na dowóz.

💡
Ciekawostka badania nad korzystaniem z AI pokazują, że najwięcej osób zatrzymuje się właśnie na pierwszym szczeblu, traktując AI jak nieco lepszą wyszukiwarkę, i nigdy nie sprawdza, co jeszcze potrafi to samo narzędzie, z którego już korzystają.

------------------------------------------------------------------------