Lekcja 1.4
AI w Twoim dniu
Używasz AI dziesiątki razy dziennie — często o tym nie wiedząc.
1.4AI w Twoim dniu
Wiesz już, czym jest AI, skąd się wzięła i czym różni się wąska AI od ogólnej. Czas na przygodę bliżej domu: prześledźmy zwykły dzień i policzmy, ile razy korzystasz z AI — często nawet o tym nie wiedząc.
Każdy rozdział zaczyna się prosto. Chcesz więcej? Otwórz Zaawansowany, a w nim Ekspert.
Od budzika do wieczornego serialu
Rano telefon odblokowuje się Twoją twarzą — to AI. Klawiatura podpowiada kolejne słowo — też AI. Nawigacja omija korek, a aplikacja z muzyką proponuje nową piosenkę. Wieczorem serwis z filmami wie, co może Ci się spodobać.
W tle AI pracuje także tam, gdzie jej nie widać: filtruje spam w poczcie, wykrywa podejrzane płatności w banku i poprawia zdjęcia w aparacie.
Wyobraź to sobie tak
„Polecane filmy są jak półka ułożona przez sprzedawcę na podstawie Twoich wcześniejszych zakupów. To wybór sklepu, a nie pełna mapa Twoich potrzeb.”
Odblokowanie twarzą to rozpoznawanie obrazu: model zamienia Twoją twarz w zestaw liczb i porównuje go z zapisanym wzorcem. Rozpoznawanie mowy zamienia dźwięk w tekst, a filtr spamu klasyfikuje wiadomości według wyuczonych wzorów.
Nie każda funkcja aplikacji to jednak AI. Wyznaczanie trasy może łączyć klasyczny algorytm szukania najkrótszej drogi z prognozą korków, której model nauczył się z danych. Dobre rozpoznanie, gdzie działa AI, pomaga ocenić, kiedy można jej zaufać.
- 1Rozpoznaj funkcję AI
- 2Zastanów się, jaki ma cel
- 3Oceń, czy wynik Ci służy
- 4Dostosuj ustawienia
Nawigacje przewidują czas przejazdu, łącząc anonimowe dane o ruchu z historycznymi wzorcami. Google opisał, że dzięki sieciom grafowym opracowanym z DeepMind poprawił dokładność prognoz czasu przyjazdu w niektórych miastach nawet o kilkadziesiąt procent.
Rozpoznawanie mowy też przeszło skok jakości. Model Whisper (Radford i in., 2022) trenowano na około 680 tysiącach godzin nagrań. Taka skala pomaga, ale nie usuwa błędów przy hałasie, akcentach czy niewyraźnej mowie — transkrypcje o znaczeniu medycznym lub prawnym zawsze warto potwierdzić.
Kto wybiera, co widzisz?
Systemy rekomendacji decydują, które filmy, posty i produkty zobaczysz najpierw. Uczą się z tego, co klikasz i oglądasz, oraz z zachowań osób podobnych do Ciebie.
To wygodne, ale ma swoją cenę: możesz widzieć coraz więcej tego samego. Dlatego warto traktować podpowiedzi jak propozycje, a nie jak rozkazy.
System rekomendacji porządkuje kandydatów według przewidywanej użyteczności. Kluczowe jest to, co dokładnie ma optymalizować: system nastawiony na liczbę kliknięć promuje inne treści niż system nastawiony na długoterminowe zadowolenie użytkowników.
Algorytmy maksymalizujące zaangażowanie mogą wzmacniać treści skrajne i zamykać nas w bańkach informacyjnych. Dlatego ważne są ustawienia prywatności, możliwość wpływu na to, co widzimy, i przejrzystość działania platform.
Częsty błąd
Popularna rekomendacja musi być najlepsza dla mnie.
Jak jest naprawdę
Ranking odzwierciedla dane i cel platformy, które nie muszą odpowiadać Twoim potrzebom.
Klasyczna architektura rekomendacji YouTube (Covington i in., 2016) rozdziela generowanie kandydatów, które zawęża ogromny katalog, od rankingu krótkiej listy. Użytkowników i treści reprezentuje się wektorami, co umożliwia szybkie wyszukiwanie podobieństwa.
Dane z kliknięć są obciążone selekcją: użytkownik klika tylko to, co system wcześniej mu pokazał, więc powstaje pętla sprzężenia zwrotnego. Unijny Akt o usługach cyfrowych (DSA) zobowiązuje bardzo duże platformy do oceny ryzyk systemowych takich algorytmów i do oferowania feedu niepersonalizowanego.
Zapis formalny
wynik(u, i) = podobieństwo(u, i) + kontekst
AI, która przewiduje, i AI, która tworzy
AI, którą spotkaliśmy w tej lekcji, głównie przewiduje: co Ci się spodoba, czy wiadomość to spam, ile potrwa podróż. Taka AI działa w tle od wielu lat.
Od 2022 roku do codzienności weszła też AI, która tworzy: pisze teksty, rysuje obrazy, komponuje muzykę. O niej opowiemy więcej na poziomie 3.
AI predykcyjna klasyfikuje, szacuje i układa rankingi — od lat 2000 działa w bankach, sklepach i serwisach społecznościowych. AI generatywna wytwarza nowe treści: tekst, obraz, dźwięk i wideo.
Ta różnica ma praktyczne znaczenie. Błąd AI predykcyjnej to zwykle zła decyzja (np. odrzucony e-mail), a błąd AI generatywnej to przekonująco brzmiąca, ale fałszywa treść. Każdy z tych błędów wymaga innych zabezpieczeń.
Według Stanford AI Index 2025 w 2024 roku 78% organizacji deklarowało korzystanie z AI, wobec 55% rok wcześniej. Gwałtowny wzrost wiąże się głównie z wdrożeniami AI generatywnej po 2022 roku.
W praktyce oba typy coraz częściej się łączą: system rekomendacji może używać modelu językowego do opisu produktów, a asystent generatywny — modelu predykcyjnego do wyboru, które dokumenty pokazać. Ocena ryzyka musi więc obejmować cały system, a nie pojedynczy model.
Zapamiętaj
- AI działa w rekomendacjach, aparacie, mapach, banku i klawiaturze.
- Systemy rekomendacji wpływają na to, co oglądamy i myślimy.
- AI predykcyjna była z nami długo przed chatbotami.
Gdzie ukrywa się AI?
wykryto 1/8 modeli
9:41
czwartek
Pod maską: Face ID
Wejście
Mapa 30 000 punktów podczerwieni
Model
Sieć konwolucyjna → wektor twarzy
Wynik
Odblokuj / odmów w < 1 s
Twarz zamienia się w ciąg liczb (embedding). Telefon porównuje go z zapisanym wzorcem — nie przechowuje zdjęcia.
Ciekawostka
Nawigacje przewidują korki, łącząc anonimowe dane o ruchu z historycznymi wzorcami. Google opisał, że dzięki sieciom grafowym (DeepMind) poprawił dokładność prognoz czasu przyjazdu w niektórych miastach nawet o kilkadziesiąt procent.
W liczbach
78%
organizacji deklarowało użycie AI w 2024 roku (55% rok wcześniej)
Źródło: Stanford AI Index 2025
Ewaluacja · 3 pytania
Sprawdź się
Który z tych przykładów to AI?
Dokąd dalej
Następny przystanek: Dane: paliwo AI
Twój zwykły dzień jest pełen AI: w telefonie, w poczcie, w nawigacji i w podpowiedziach, które kształtują to, co widzisz. Wiesz też, że jedna AI przewiduje, a druga tworzy. Kończysz pierwszy poziom wyprawy.
Na poziomie 2 zajrzymy pod maskę: z czego AI się uczy, jak działa pojedynczy sztuczny neuron, jak łączą się w sieci i jak model językowy układa zdanie słowo po słowie. Zaczniemy od paliwa każdej AI — danych.