Słownik AI

System AI, który dąży do celu w kilku krokach z pewną samodzielnością, decydując, co zrobić dalej, i korzystając po drodze z narzędzi takich jak wyszukiwanie, pliki czy inne aplikacje.

Przykład: Prosisz agenta, żeby znalazł godziny pociągów do innego miasta na piątek i napisał szkic wiadomości do zespołu z dwiema opcjami; agent wyszukuje, porównuje i pisze szkic, który potem sprawdzasz.

Często mylone z: Asystent czatu odpowiada na jedną wiadomość naraz, a ty kierujesz rozmową, natomiast agent wykonuje serię działań przy mniejszym udziale z twojej strony. Ponieważ agent może działać, sprawdź, do czego ma dostęp, i przejrzyj jego pracę, zanim cokolwiek zostanie wysłane, kupione lub usunięte.

AI udostępnione na warunkach, które pozwalają każdemu używać go, badać, modyfikować i udostępniać w dowolnym celu, razem z kodem trenowania, wytrenowanymi wagami i wystarczającymi informacjami o danych treningowych, żeby wykwalifikowana osoba mogła zbudować podobny system.

Przykład: Grupa badawcza publikuje model z wagami, pełnym kodem trenowania i szczegółowym opisem pochodzenia danych treningowych, na warunkach pozwalających na dowolne użycie, więc inne zespoły mogą go zbadać i wytrenować własną wersję.

Często mylone z: AI open source i otwarte wagi to różne etykiety. Model, którego wagi możesz pobrać, ale którego kod trenowania lub informacje o danych nie są udostępnione albo którego licencja ogranicza sposób użycia, ma otwarte wagi, ale nie jest AI open source według definicji Open Source Initiative. Czytaj licencję, zamiast ufać etykiecie.

Źródło: The Open Source AI Definition – 1.0 (Open Source Initiative, dostęp 2026-10-10)

Połączenie, które pozwala oprogramowaniu wysyłać zapytania do modelu AI i odbierać odpowiedzi, dzięki czemu programiści mogą wbudować AI we własne aplikacje i przepływy pracy.

Przykład: Programista sklepu internetowego łączy się z modelem przez API, żeby po dodaniu nowego produktu pojawiał się pierwszy szkic jego opisu, bez otwierania aplikacji czatu.

Często mylone z: Korzystanie z modelu przez API różni się od korzystania z aplikacji czatu dostawcy: funkcje są inne, a u niektórych dostawców korzystanie z API jest rozliczane osobno od subskrypcji aplikacji. Do codziennych zadań z narzędziami AI API nie jest ci potrzebne.

Więcej: Produkty, modele i plany

Stały zestaw zadań testowych służący do mierzenia i porównywania modeli AI; wynik pokazuje, jak model poradził sobie w tym konkretnym teście w określonych warunkach, a nie jak przydatny będzie w twojej pracy.

Przykład: Model może mieć dobry wynik w zestawie zadań z konkursów matematycznych uruchomionych z określonymi ustawieniami, a mimo to słabo podsumować twoje notatki ze spotkania.

Często mylone z: Wynik benchmarku to nie ogólny ranking przydatności. Wyniki zależą od testu, promptów i ustawień, więc wyniki z różnych źródeł mogą się nie zgadzać; wypróbowanie własnego zadania na dwóch lub trzech narzędziach to bardziej bezpośredni sposób, żeby sprawdzić, co pasuje do twoich potrzeb.

Więcej: Ulepszaj odpowiedź krok po kroku, Wybierz narzędzie i oceń, jak poszło

Źródło: Artificial Analysis Intelligence Benchmarking Methodology (Artificial Analysis, dostęp 2026-10-10)

Data, do której sięgają dane treningowe modelu, więc model może nie wiedzieć o wydarzeniach lub zmianach po tej dacie.

Przykład: Jeśli pytasz o przepis, który zmienił się w zeszłym miesiącu, model bez wyszukiwania w sieci może opisać stary przepis tak, jakby nadal obowiązywał.

Często mylone z: Data graniczna wiedzy to nie data premiery ani ostatniej aktualizacji produktu; zwykle jest wcześniejsza. Gdy narzędzie przeszukuje sieć, jego odpowiedź zależy od znalezionych stron, więc w obu przypadkach sprawdzaj daty i źródła.

Więcej: Co AI może, a czego nie może dla ciebie zrobić, Wyszukuj informacje z AI i sprawdzaj przypisy

Źródło: How up-to-date is Claude's training data? (Anthropic, dostęp 2026-10-10)

Dalsze trenowanie istniejącego modelu na mniejszym zbiorze opisanych przykładów, żeby zachowywał się w określony sposób, np. trzymał się firmowego stylu.

Przykład: Zespół wsparcia dostraja model na dawnych pytaniach klientów połączonych z zatwierdzonymi odpowiedziami, żeby nowe odpowiedzi miały ten sam ton i format.

Często mylone z: Dostrajanie zmienia sam model i wymaga przygotowanych danych oraz technicznej konfiguracji. Umieszczenie instrukcji lub przykładów w prompcie albo podłączenie dokumentów przez generowanie wspomagane wyszukiwaniem pozostawia model bez zmian i zwykle jest prostszą opcją przy codziennych zadaniach.

Źródło: About supervised fine-tuning for Gemini models (Google Cloud, dostęp 2026-10-10)

Rodzaj modelu AI wytrenowanego na bardzo dużej ilości tekstu, żeby przewidywał, jakie słowo lub część słowa prawdopodobnie pojawi się dalej; dzięki temu może odpowiadać na pytania, pisać i streszczać.

Przykład: Gdy wpisujesz „Wyjaśnij fotosyntezę 10-latkowi”, duży model językowy za aplikacją czatu pisze odpowiedź po kawałku, a każdy kawałek wybiera spośród tego, co prawdopodobnie pojawi się dalej.

Często mylone z: Duży model językowy to silnik, a nie aplikacja. Aplikacja czatu, którą otwierasz, to produkt AI, który uruchamia jeden lub więcej modeli i dodaje wokół nich funkcje, np. przesyłanie plików, wyszukiwanie czy zapisane czaty.

Więcej: Co AI może, a czego nie może dla ciebie zrobić, Produkty, modele i plany

Lista liczb reprezentująca fragment tekstu, dzięki której oprogramowanie może zmierzyć, jak bardzo dwa fragmenty tekstu są ze sobą powiązane, na podstawie tego, jak bliskie są ich liczby.

Przykład: Aplikacja do notatek może użyć embeddingów, żeby znaleźć notatkę „koszty naprawy auta”, gdy szukasz „ile kosztowało naprawienie samochodu”, choć słowa są inne.

Często mylone z: Embedding to nie podsumowanie ani odpowiedź do przeczytania; to wewnętrzna reprezentacja używana w tle do wyszukiwania, grupowania i generowania wspomaganego wyszukiwaniem.

Źródło: Vector embeddings (OpenAI, dostęp 2026-10-10)

AI, które tworzy nowe treści, np. tekst, obrazy, dźwięk lub kod, na podstawie wzorców wyuczonych z bardzo dużej liczby przykładów.

Przykład: Prosisz o pięć propozycji tytułu szkolnego plakatu o recyklingu, a narzędzie pisze dla ciebie pięć nowych.

Często mylone z: Wyszukiwarka wskazuje strony, które już istnieją, a generatywne AI pisze nowy tekst, który może brzmieć dobrze i mimo to być błędny. Jeśli narzędzie nie przeszukuje też sieci, niczego nie sprawdza.

Więcej: Co AI może, a czego nie może dla ciebie zrobić

Metoda, w której system najpierw znajduje odpowiednie fragmenty w wybranym zbiorze dokumentów i przekazuje je modelowi, żeby jego odpowiedź opierała się na tej treści.

Przykład: Firmowy bot pomocy przeszukuje regulamin pracy w poszukiwaniu części o urlopach, potem pisze odpowiedź na podstawie tej części i może pokazać, z której części skorzystał.

Często mylone z: Generowanie wspomagane wyszukiwaniem nie trenuje modelu od nowa; za każdym razem dodaje do zapytania wyszukany tekst i tym różni się od dostrajania. Odpowiedź nadal może być błędna, jeśli zostanie znaleziony niewłaściwy fragment albo zostanie on źle odczytany, więc otwórz fragment, na którym się opiera.

Źródło: Retrieval-augmented generation (RAG) in Azure AI Search (Microsoft, dostęp 2026-10-10)

Sytuacja, w której model AI tworzy tekst niezgodny z faktami lub niepasujący do przekazanego mu materiału.

Przykład: Prosisz o trzy książki na dany temat i jeden tytuł oraz autor brzmią wiarygodnie, ale w katalogu biblioteki takiej książki nie ma.

Często mylone z: Halucynacji nie rozpoznasz po tonie: błędna odpowiedź może brzmieć równie pewnie jak poprawna. To coś innego niż nieaktualne informacje wynikające z daty granicznej wiedzy, ale jedno i drugie trzeba sprawdzić w źródle pierwotnym.

Więcej: Jak sprawdzać to, co mówi AI, Wyszukuj informacje z AI i sprawdzaj przypisy

Źródło: Reduce hallucinations (Anthropic, dostęp 2026-10-10)

Zdolność modelu AI do wywoływania zewnętrznych funkcji lub usług, np. wyszukiwania w sieci, kalkulatora czy kalendarza, i wykorzystywania wyników w odpowiedzi.

Przykład: Gdy pytasz o godziny otwarcia lokalnego muzeum, narzędzie z wyszukiwaniem w sieci może sprawdzić aktualną stronę, a model bez narzędzi może odpowiedzieć tylko na podstawie tego, czego nauczył się podczas trenowania.

Często mylone z: Korzystanie z narzędzi to pojedyncza umiejętność; agent to system, który może używać wielu narzędzi w wielu krokach. Model bez narzędzi nie może sprawdzić sieci ani twojego kalendarza, nawet jeśli jego odpowiedź brzmi, jakby to zrobił.

Więcej: Co AI może, a czego nie może dla ciebie zrobić

Źródło: Tool use with Claude (Anthropic, dostęp 2026-10-10)

Zdolność pracy z więcej niż jednym rodzajem danych wejściowych lub wyjściowych, np. z tekstem, obrazami, dźwiękiem lub wideo.

Przykład: Robisz zdjęcie odręcznej listy zakupów i prosisz narzędzie, żeby zamieniło ją w listę w formie tekstu, pogrupowaną według rodzaju żywności.

Często mylone z: Multimodalność nie oznacza, że każdy rodzaj danych działa w każdym produkcie czy planie: narzędzie może czytać obrazy, ale nie dźwięk, albo tworzyć obrazy, ale nie wideo. Sprawdź, co przyjmuje twoje narzędzie, i sprawdzaj jego opis obrazu tak samo uważnie jak każdy inny wynik.

Cały tekst, który model może wziąć pod uwagę naraz, pisząc odpowiedź, w tym twoje wiadomości, dodane materiały i samą odpowiedź.

Przykład: W bardzo długim czacie narzędzie może zgubić szczegóły podane na początku, jeśli te wcześniejsze części nie mieszczą się już w jego oknie kontekstowym.

Często mylone z: Okno kontekstowe to nie pamięć długotrwała: obejmuje to, co model ma przed sobą w tej chwili, a osobna funkcja pamięci, jeśli produkt ją ma, przechowuje notatki między czatami. Jego rozmiar mierzy się w tokenach, a nie w słowach czy stronach.

Więcej: Podaj właściwy kontekst

Źródło: Context windows (Anthropic, dostęp 2026-10-10)

Model, którego wytrenowane wagi, czyli liczby wyuczone podczas trenowania, są opublikowane, więc można go pobrać, uruchomić i dostosować samodzielnie na warunkach jego licencji.

Przykład: Programista pobiera model z otwartymi wagami i uruchamia go na własnym komputerze, więc dokumenty zostają na tym urządzeniu, ale nadal musi przestrzegać licencji dołączonej do modelu.

Często mylone z: Otwarte wagi to nie to samo co AI open source. Licencja może ograniczać użycie komercyjne lub pewne cele, a dane treningowe i kod trenowania mogą w ogóle nie zostać udostępnione; AI open source według definicji Open Source Initiative wymaga swobody używania, badania, modyfikowania i udostępniania oraz informacji o danych, kodu i wag.

Źródło: Gemma 4 model overview (Google, dostęp 2026-10-10)

Poziom dostępu do produktu AI, np. darmowy poziom lub płatna subskrypcja, który wpływa na to, jakie funkcje dostajesz.

Przykład: Dwie osoby z jednej klasy korzystają z tej samej aplikacji czatu, ale jedna jest na darmowym poziomie, a druga płaci co miesiąc, więc mogą widzieć różne funkcje, limity użycia lub wybór modeli.

Często mylone z: Plan to nie model ani produkt; to poziom konta, na który się zapisujesz. U niektórych dostawców subskrypcja aplikacji i korzystanie z API dla programistów są rozliczane osobno.

Więcej: Produkty, modele i plany, Wybierz narzędzie i oceń, jak poszło

Źródło: I have a paid Claude subscription (Pro, Max, Team, or Enterprise plans). Why is Claude API usage billed separately from my paid Claude plan? (Anthropic, dostęp 2026-10-10)

Aplikacja, strona lub funkcja, z której faktycznie korzystasz, np. asystent czatu lub pomocnik do pisania, która w tle uruchamia jeden lub więcej modeli AI.

Przykład: Aplikacja do notatek dodaje przycisk „Podsumuj tę stronę”: przycisk i aplikacja to produkt, a podsumowanie pisze model działający za nimi.

Często mylone z: Produkt to nie model ani plan. Jeden produkt może oferować kilka modeli lub wersji modeli, a to, co możesz w nim zrobić, zależy od produktu, twojego planu, a czasem regionu, nie tylko od modelu w środku.

Więcej: Produkty, modele i plany, Wybierz narzędzie i oceń, jak poszło

Polecenie, pytanie lub materiał, który przekazujesz narzędziu AI, żeby powiedzieć mu, czego chcesz.

Przykład: „Przepisz ten akapit dla 12-letniego czytelnika w mniej niż 80 słowach” to prompt, podobnie jak wklejony e-mail z dopiskiem „Wypisz trzy rzeczy, które muszę zrobić”.

Często mylone z: Prompt nie wymaga specjalnych słów kluczowych ani sztuczek. Wystarczy zwykły język: powiedz, jakie jest zadanie, podaj trochę kontekstu i napisz, w jakiej formie chcesz dostać odpowiedź.

Więcej: Twoje pierwsze pytanie, Zacznij od jasnego celu

Sposób pracy, w którym model wykonuje dodatkowe kroki, żeby rozłożyć problem na części przed podaniem ostatecznej odpowiedzi; często stosowany do matematyki, logiki, planowania lub kodu.

Przykład: Poproszony o ułożenie tygodniowego planu nauki, który uwzględnia dwa egzaminy i pracę na pół etatu, model w trybie rozumowania może potrzebować więcej czasu i przeanalizować ograniczenia, zanim pokaże ostateczny plan.

Często mylone z: Rozumowanie to nie to samo co racja: kroki mogą wyglądać sensownie i mimo to zawierać błąd, więc sprawdź wynik. Zwykle trwa dłużej i może zużywać więcej twojego limitu, więc szybkie przeredagowanie czy podsumowanie może go nie wymagać.

Systemy komputerowe, które wykonują zadania zwykle kojarzone z ludzkim myśleniem, np. rozumienie języka, rozpoznawanie obrazów czy przewidywanie.

Przykład: AI wykorzystuje aplikacja ze zdjęciami, która grupuje zdjęcia według twarzy, i tak samo czat, który pisze szkic e-maila z twoich notatek.

Często mylone z: AI to cała dziedzina, a nie jeden produkt. Generatywne AI to ta część, która tworzy nowe teksty, obrazy lub dźwięk; wiele innych systemów AI tylko sortuje, układa w kolejności lub przewiduje, jak filtr spamu.

Więcej: Co AI może, a czego nie może dla ciebie zrobić

Mała jednostka tekstu, którą model czyta i zapisuje; może to być pojedynczy znak, część słowa, całe słowo lub znak interpunkcyjny.

Przykład: Krótkie, popularne słowo to często jeden token, a długie lub nietypowe słowo może zostać podzielone na kilka tokenów.

Często mylone z: Token to nie to samo co słowo, więc limitów i cen podanych w tokenach nie da się dokładnie przeliczyć na słowa czy strony. Różne modele dzielą tekst na różne sposoby, więc ten sam tekst może dawać różną liczbę tokenów.

Więcej: Podaj właściwy kontekst

Źródło: Understanding and counting tokens (OpenAI, dostęp 2026-10-10)

Proces, w którym model AI uczy się wzorców z bardzo dużej ilości przykładowych danych, co kształtuje to, jak później odpowiada.

Przykład: Model językowy jest trenowany na ogromnych zbiorach tekstu, więc przyswaja, jak zwykle buduje się zdania i które słowa oraz fakty często występują razem.

Często mylone z: Trenowanie odbywa się, zanim zaczniesz korzystać z modelu; gdy czatujesz, model opiera się na tym, czego już się nauczył, oraz na treści rozmowy. Twoje czaty stają się danymi treningowymi tylko wtedy, gdy dostawca tak ich używa, a ustawienia prywatności mogą ci pozwolić to kontrolować.

Więcej: Co AI może, a czego nie może dla ciebie zrobić

Opcje w produkcie AI, które decydują o tym, co dzieje się z twoimi danymi, np. czy twoje czaty mogą być używane do ulepszania modeli dostawcy i czy historia czatów jest przechowywana.

Przykład: Zanim użyjesz narzędzia czatu w pracy, otwierasz jego ustawienia, znajdujesz opcję dotyczącą używania twoich czatów do ulepszania modeli i wybierasz to, co pasuje do twojej sytuacji i zasad twojej organizacji.

Często mylone z: Ustawienia prywatności różnią się w zależności od produktu, planu i typu konta i mogą się zmieniać, więc sprawdzaj aktualne ustawienia samodzielnie, zamiast zakładać wartość domyślną. Wyłączenie ulepszania modeli nie musi oznaczać, że nic nie jest przechowywane, więc nadal nie wklejaj wrażliwych danych osobowych, firmowych ani danych innych osób.

Więcej: Wybierz narzędzie i oceń, jak poszło, Rozbij zadanie biurowe na części

Źródło: Data controls in ChatGPT (OpenAI, dostęp 2026-10-10)

Konkretny model AI, oznaczony nazwą i zwykle numerem wersji, który generuje odpowiedzi w produkcie.

Przykład: Aplikacja czatu może pozwalać wybrać model z krótkiej listy nazw z numerami; zadanie każdemu z nich tego samego pytania może dać odpowiedzi różniące się długością, stylem i dokładnością.

Często mylone z: Wersja modelu to silnik; produkt to aplikacja wokół niego, a plan decyduje, które wersje możesz wybrać. Nowszy numer nie gwarantuje lepszych wyników w twoim zadaniu, więc przed zmianą wypróbuj na nim własne zadanie.

Więcej: Produkty, modele i plany