Richard Golian

Narodený roku 1995. Absolvent Univerzity Karlovej. Vedúci výkonnostného oddelenia v Mixit. 10+ rokov v marketingu postavenom na dátach.

#mojacesta #mojarodina #health #vnimanie #filozofia #digital #umelainteligencia #temnota #bezpecnost #financie #politika #slovensko

English Castellano Français

Správa predplatného Výber predplatného

RSS
Sledujte nové články
Newsletter
Nové články do e-mailu
Správa predplatného · Výber predplatného
#akoucitairozumiet

Ako učiť AI rozumieť — Richard Golian

Ako učiť AI rozumieť

Veľkú časť univerzitného štúdia som venoval štruktúre porozumenia — ako sa význam formuje ešte predtým, než ho vedome spracujeme, ako je každý výklad zakotvený v tom, čo už vieme, a ako naladenie mení to, čo vidíme, ešte pred akýmkoľvek argumentom. V diplomovej práci na Karlovej univerzite som tieto štruktúry sledoval v rímskych rečníckych textoch Quintiliána, Cicera a autora Rhetorica ad Herennium. Dnes tieto poznatky aplikujem na tréning AI agentov. Ako štruktúrujete kontext, aké pred-porozumenie dáte modelu, ako pracujete s jeho limitmi — to nie sú len technické otázky. Sú to otázky o povahe porozumenia samotného. #umelainteligencia #vnimanie

4 články

#umelainteligencia #akoucitairozumiet

Čo pred vami AI skrýva: systémové prompty, halucinácie, alignment a osem vrstiev zabudovaného utajovania

Predtým, než AI niečo naučíte, musíte vidieť, čo pred vami skrýva.
11 April 2026 415
#umelainteligencia #akoucitairozumiet

Keď sa tvoj AI agent pripojí k tímu — kto ho môže učiť?

V momente, keď k nemu potrebovali prístup ďalší ľudia, problém sa úplne zmenil. Už nešlo o to, či sa agent dokáže učiť. Šlo o to, kto ho smie učiť.
8.4.2026 411
#umelainteligencia #akoucitairozumiet

Trénovanie AI agenta, ktorý sa učí medzi jednotlivými sessions

Chcel som postaviť agenta, ktorý nielen asistuje, ale aj samostatne koná.
4.4.2026 621
#umelainteligencia #akoucitairozumiet

Limity lokálnych AI modelov: Prečo som pre autonómnych agentov prešiel z Ollamy na Claude

Toto som sa naučil o lokálnej vs cloudovej AI a prečo som prešiel na Claude Code.
3.4.2026 975
Ako naučíte stroj rozumieť? Nielen spracovávať tokeny, ale interpretovať význam v kontexte? Veľkú časť štúdia na Karlovej univerzite som venoval presne tejto otázke — štúdiu štruktúry porozumenia a jej skúmaniu v rímskych rečníckych textoch Quintiliána, Cicera a autora Rhetorica ad Herennium. Práca s Heideggerovou fenomenológiou — najmä s analýzou výkladu v Bytí a čase — poskytla rámec na skúmanie toho, ako pred-štruktúry, naladenie a skrývanie umenia formujú vznik významu. Sú to tie isté dynamiky, ktoré sa ukážu pri trénovaní AI: aký kontext poskytnete, aké predpoklady zabudujete a čo necháte nevypovedané. Tieto články dokumentujú tento proces — od budovania perzistentnej pamäte a samokorekčných slučiek po hlbšiu otázku, ako samotné porozumenie funguje a čo to znamená pre umelú inteligenciu.

Časté otázky k tejto téme?

Čo je štruktúra porozumenia a čo má spoločné s AI?
Štruktúra porozumenia popisuje, ako funguje výklad — čo formuje význam ešte predtým, než začneme vedome premýšľať. Každý výklad je zakotvený v pred-porozumení, naladení a dostupných pojmoch. AI tieto štruktúry úplne chýbajú — nemá žiadne pred-porozumenie, pokiaľ mu ho neposkytnete vy. Preto to, ako štruktúrujete kontext, nastavíte systémové prompty a navrhnete pamäť, zásadne mení to, čo AI produkuje. Pochopenie týchto štruktúr vám dáva výhodu, ktorú väčšina ľudí pracujúcich s AI nemá.
Môže štúdium fenomenológie zlepšiť prácu s AI?
Áno. Fenomenológia skúma, ako funguje význam a výklad na fundamentálnej úrovni. To mení spôsob, akým navrhujete pamäťové systémy, štruktúrujete prompty a rozpoznávate limity AI. Je to rozdiel medzi používaním AI ako nástroja a pochopením, prečo produkuje to, čo produkuje.
Čo je perzistentná pamäť AI agenta?
Perzistentná pamäť umožňuje AI agentovi uchovávať poznatky medzi sessions — chyby, pravidlá, kontext. Bez štruktúrovanej pamäte začína každá session od nuly. Navrhovanie efektívnych pamäťových systémov je jednou z kľúčových výziev pri budovaní AI agentov, ktorí sa skutočne zlepšujú.
Kto by mal kontrolovať, čo sa AI agent učí?
Keď sa AI agent presunie z osobného nástroja na tímový zdroj, otázka kto môže formovať jeho znalosti sa stáva kritickou. Nekontrolovaný prístup k pamäti agenta môže kontaminovať jeho naučené správanie.