Co model potrafi, a czego nie

Wstęp do działu

Umiesz już powiedzieć, jak powstał ChatGPT. Teraz pytanie praktyczne: czemu można wierzyć, a czemu nie — i skąd biorą się charakterystyczne wpadki.

W Dziale 17 powiedzieliśmy wprost: LLM to rozbudowany kalkulator statystyczny. Jeśli w danych były treści fałszywe lub szkodliwe, model będzie je reprodukował (garbage in, garbage out). Potrafi też „szyć" — płynnie kontynuować tekst zamiast wykonać instrukcję. To nie kaprys interfejsu: to konsekwencja predykcji następnego tokenu (15.1, 17.1–17.2).

Tu rozłożymy to na cztery półki: halucynacje (prawdopodobne ≠ prawdziwe), okno kontekstu i dosypywanie wiedzy z zewnątrz (RAG), prompt jako rzemiosło rozmowy oraz stan na dziś: multimodalność, modele otwarte i agenci.

AI jako „czarna skrzynka" — widzisz wejście i wyjście, nie masz gwarancji prawdy w środku

Mapa pojęć działu

      CO MODEL POTRAFI, A CZEGO NIE
                    |
   ┌────────────────┼────────────────┐
 HALUCYNACJE    OKNO KONTEKSTU     PROMPT
 (18.1)         + RAG (18.2)       (18.3)
 prawdopodobne  ile „pamięta"      jak pytać,
 ≠ prawdziwe    w rozmowie         by dostać
                    |              sensowną odpowiedź
        STAN NA DZIŚ (18.4)
   multimodalność · open-weight · agenci

Jednostki w tym dziale

18.1 Halucynacje: dlaczego model kłamie z pełnym przekonaniem
18.2 Okno kontekstu, pamięć i dosypywanie wiedzy (RAG)
18.3 Prompt: jak rozmawiać z modelem, żeby coś z tego wyszło
18.4 Multimodalność, open-source i agenci AI (do 2026)