Warsztaty zastosowań sztucznej inteligencji cz.I

Tematy zajęć:

• Czym jest ChatGPT i co potrafi?
• Jak rozmawiać z AI? Sztuka dobrego pytania
• Codzienna pomoc: AI jako sekretarz i wnuczek
• AI jako przewodnik po świecie technologii i kultury
• AI jako doradca domowy: sprzęt, naprawy, zakupy
• AI jako pomocnik w pisaniu tekstów codziennych
• Generowanie obrazów: DALL·E i inne
• Kreatywne zadania: zaproszenia, plakaty, kolaże
• AI jako doradca praw obywatelskich i instytucji
• AI jako przewodnik po finansach i usługach
• AI jako doradca organizacyjny w codzienności
• Co AI wie, a czego nie? Krytyczne myślenie
• AI i moje poglądy: czy maszyna mnie rozumie?
• AI jako nauczyciel i tłumacz złożonych tematów
• Co zapamiętać na zawsze? „Moje 10 zastosowań AI”

Warsztaty zastosowań sztucznej inteligencji cz.II

Jak budować wiarygodną wiedzę z maszyną.

1. Od maszyny liczącej do inteligentnego asystenta

Historia: historia AI w praktyce użytkownika

Teoria: Od Turinga → expert systems → deep learning → LLM Dlaczego LLM „rozumieją” język Co się zmieniło po 2017 (Transformers)

Praktyka: Porównanie odpowiedzi: prosty prompt vs. kontekstowy Pokaz „ewolucji jakości” odpowiedzi

2. Jak naprawdę działa ChatGPT?

Mechanizm: model, token, kontekst, halucynacje

Teoria: Tokenizacja Okno kontekstowe Temperature, sampling Dlaczego AI „zmyśla”

Praktyka: Sterowanie precyzją odpowiedzi Testy halucynacji

3. Prompt jako język techniczny

Prompt: od pytania do specyfikacji zadania

Teoria: Prompt ≠ pytanie Prompt = mini-specyfikacja Role / context / constraints / output

Praktyka: Budowa promptów typu: „systemowego” „eksperckiego” „audytowego”

4. Prompt Engineering – ciąg dalszy

Chain-of-Thought, ReAct, Few-Shot

Teoria: Jak modele „myślą” Wzorce promptów

Praktyka: Budowa promptów wieloetapowych Automatyczne rozumowanie

5. Jak nie dać się oszukać AI

Grounding, źródła, weryfikacja, odpowiedzialność

Teoria: Problem: „Brzmi mądrze” ≠ „Jest prawdziwe” Czym jest grounding? Poziomy grounding-u Odpowiedzialność użytkownika

Praktyka: Prawda czy pozór? Wymuszanie ostrożności modelu Granice groundingu

6. Zarządzanie wiedzą z AI

Notatki, archiwa, bazy prywatne

Teoria: RAG Indeksowanie Wektory

Praktyka: Tworzenie własnego „AI z dokumentów” Praca na PDF-ach

7. Krytyczne myślenie

Jak weryfikować AI systemowo

Teoria: Źródła błędów Bias Data leakage

Praktyka: Budowa promptów weryfikujących AI jako audytor AI

8. AI w pracy intelektualnej

Analiza, synteza, badania, raporty

Teoria: Jak AI przetwarza tekst Mapy pojęć Abstrakcja

Praktyka: Tworzenie raportu Metaanaliza Konspekt wykładu

9. Automatyzacja myślenia

Procedury, checklisty, workflow

Teoria: Procedural prompting Task decomposition

Praktyka: Budowa własnego „systemu decyzyjnego” AI jako menedżer zadań

10. Wprowadzenie do agentów AI

Od czatu do systemu wykonawczego

Teoria: Czym jest agent Planner / Executor / Memory

Praktyka: Symulacja agenta w ChatGPT Wieloetapowe zadania

11. Systemy multi-agentowe

Kiedy kilka AI współpracuje

Teoria: Podział ról Negocjacje Consensus

Praktyka: Tworzenie „zespołu ekspertów” Debata agentów

12. MCP i przyszłość interfejsów AI

AI jako system operacyjny wiedzy

Teoria: Model Context Protocol Integracje External tools

Praktyka: Praca z narzędziami Symulacja MCP w praktyce

13. Bezpieczeństwo, prywatność, etyka 2.0

Świadome korzystanie z AI

Teoria: Dane osobowe Modele komercyjne Retencja

Praktyka: Bezpieczne profile Anonimizacja promptów

14. Mój osobisty system AI

Budowa własnego „cyfrowego asystenta życia”

Teoria: Architektura osobista Długofalowe workflow

Praktyka: Każdy uczestnik buduje: swój system promptów swoich agentów swoje procedury