Szkolenia AI dla firm Warsztaty na zadaniach Twojego zespołu: online 4–8 h albo stacjonarnie w całej Polsce Zobacz program →

Jak działa sztuczna inteligencja: od danych do odpowiedzi, bez żargonu

Jedno pytanie o zwrot butów od początku do końca: dane, trening, tokeny, przewidywanie, halucynacje, data wiedzy, wyszukiwanie i pamięć. Bez wzorów.

6 listopada 2026 · Adam Bakalarz
Maszyna z lejkiem, do której wpadają kartki, w środku sieć połączonych punktów, a na dole wychodzi dymek rozmowy

W skrócie

  • Pytanie „Kupiłem buty przez internet. Ile mam dni na zwrot?” to dla modelu 15 tokenów (kodowanie o200k_base OpenAI), a odpowiedź powstaje fragment po fragmencie, nie z bazy gotowych zdań.
  • Modele znają świat z treningu tylko do określonej daty: GPT-6 Astra do 30 kwietnia 2026, obecne modele Claude do czerwca 2026; o nowszych sprawach dowiedzą się z wyszukiwania albo od Ciebie.
  • Nasz e-mail na 87 słów ma 189 tokenów, o 43% więcej niż jego angielskie tłumaczenie; sam tekst z odpowiedzią tej samej długości, bez tokenów rozumowania i instrukcji systemowych, to w API OpenAI od ok. 0,00011 USD (GPT-6 Luna) do ok. 0,011 USD (GPT-6 Astra).

Stan na 6 listopada 2026

Jak działa sztuczna inteligencja? Odpowiedź na jednym przykładzie

Czat AI działa w dwóch etapach. Najpierw, na długo przed Twoim pytaniem, model uczy się na ogromnej ilości tekstu przewidywać jego ciąg dalszy. Potem, gdy coś wpiszesz, dzieli to na tokeny i układa odpowiedź fragment po fragmencie.

Definicja

Model językowy to program wytrenowany na dużych zbiorach tekstu, który na podstawie tego, co dostanie, szacuje, jaki fragment powinien paść dalej. ChatGPT, Claude i Gemini to aplikacje, w których taki model pracuje.

Przez cały tekst prowadzi jedno pytanie: „Kupiłem buty przez internet. Ile mam dni na zwrot?”. Dobra odpowiedź to zwykle 14 dni od otrzymania towaru, bo tyle konsument ma na odstąpienie od umowy zawartej przez internet (UOKiK).

EtapKiedyCo się dzieje z naszym pytaniem
Daneprzed pytaniemtwórcy zbierają teksty z internetu i innych zbiorów
Treningprzed pytaniemmodel uczy się przewidywać dalszy tekst, potem roli asystenta
Tokenypo wysłaniupytanie dzieli się na 15 kawałków
Kontekstpo wysłaniudochodzi historia rozmowy, a czasem pamięć i wyniki wyszukiwania
Przewidywaniepo wysłaniumodel dopisuje kolejne fragmenty: „Masz 14 dni…”

Podstawowe pojęcia i pierwsze kroki z czatem znajdziesz w przewodniku o tym, czym jest sztuczna inteligencja. Tu patrzymy, co dzieje się w środku, i to w jednym rodzaju AI, czyli w modelu językowym. Filtr spamu albo blokada podejrzanej płatności działają inaczej: rodzaje sztucznej inteligencji opisaliśmy osobno.

Dane i trening: skąd model coś wie o zwrotach?

Nikt nie wpisał modelowi listy reguł o zwrotach. Wiedzę o języku i świecie wyciągnął z tekstów, na których go trenowano, i zapisał ją w parametrach, czyli w liczbach.

Dane. Anthropic podaje, że model Claude Opus 5.5 uczył się na publicznych informacjach z sieci, publicznych i prywatnych zbiorach danych oraz danych użytkowników (Transparency Hub). Przy Claude Haiku 5.5 firma precyzuje, że chodzi o dane z opinii i zgłoszeń błędów oraz takie, na których trening użytkownicy wyraźnie się zgodzili.

Trening wstępny. Model dostaje fragment tekstu i ma przewidzieć następne słowo (słownik Anthropic). Po każdej próbie trening lekko koryguje parametry (słownik Google). Powtórzone na ogromną skalę daje to program, który zna gramatykę, fakty i typowe układy zdań.

Dostrajanie. Surowy model dopisuje tekst, ale sam z siebie słabo odpowiada na pytania. Dlatego ludzie układają przykładowe odpowiedzi w ranking, a model uczy się woleć te ocenione wyżej. Ta metoda nazywa się RLHF, czyli uczenie przez wzmacnianie na podstawie opinii ludzi.

Reguła 14 dni jest opisywana często, więc można się spodziewać mocnego wzorca. Regulamin małego sklepu pojawia się w tekstach rzadko, jeśli w ogóle, i tu zaczynają się kłopoty, do których wrócimy.

Gdzie kończy się porównanie. „Model przeczytał całą bibliotekę” pomaga zrozumieć szeroką wiedzę, ale model nie jest katalogiem, z którego wyjmuje się książkę. Google w opisie Gemini z lipca 2024 r. pisze, że modele językowe nie są bazami danych. Nie jest to też czysto ogólna wiedza: w badaniu z 2020 r. wydobyto z GPT-2 setki fragmentów odtworzonych dosłownie z danych treningowych.

Tokeny: na co model tnie pytanie i ile to kosztuje

Zanim model cokolwiek policzy, tekst zamienia się na tokeny, czyli ponumerowane kawałki. Nasze pytanie to 15 tokenów:

K | upi | łem | but | y | przez | internet | . | Ile | mam | dni | na | zw | rot | ?

Tak tnie je kodowanie o200k_base z biblioteki tiktoken OpenAI, przypisane w niej m.in. do GPT-5. Częste słowa bywają jednym tokenem, inne są rozcięte: „Kupiłem” ma trzy kawałki, „zwrot” dwa. W GPT-6 i modelach innych firm podział może być inny, bo tokeny nie są jednolitą miarą. Anthropic podaje na przykład, że jego nowszy tokenizer daje dla tego samego tekstu około 30% więcej tokenów niż wcześniejszy (słownik).

Policzmy to. Napisaliśmy e-mail do sklepu z prośbą o zwrot: 87 słów, 549 znaków, 189 tokenów w tym samym kodowaniu. Jego angielskie tłumaczenie (112 słów, 570 znaków) ma 132 tokeny, więc polska wersja zajmuje o 43% więcej, choć ma mniej słów. To wynik dla jednego tekstu: samo krótkie pytanie o zwrot wyszło w obu językach po 15 tokenów. Załóżmy, że model czyta ten e-mail i pisze odpowiedź tej samej długości.

Model (API OpenAI)Cena za 1 mln tokenów: wejście / wyjścieJeden polski e-mail1000 takich e-maili
GPT-6 Luna0,10 / 0,50 USDok. 0,00011 USD0,0189 + 0,0945 = ok. 0,11 USD
GPT-6 Astra10 / 50 USDok. 0,011 USD1,89 + 9,45 = 11,34 USD

Ceny z cennika OpenAI (stan na 6.11.2026). Rachunek traktuj jako przybliżoną dolną granicę przy standardowych stawkach: liczyliśmy sam tekst, bez instrukcji systemowych i tokenów rozumowania, które są liczone jako wyjście, a kodowania, którego użyliśmy, nie potwierdziliśmy dla GPT-6. Płacenie za tokeny dotyczy API. W aplikacji płacisz abonament albo korzystasz z darmowego planu w ramach limitów. Większy rachunek dla firmy jest w przewodniku po modelach językowych.

Przewidywanie: jak powstaje zdanie „Masz 14 dni”

Model nie szuka gotowego zdania. Ocenia, co może paść dalej, wybiera fragment, dopisuje go i powtarza to, aż odpowiedź będzie gotowa.

  1. Model widzi tokeny pytania i resztę kontekstu rozmowy.
  2. Dla kolejnego miejsca szacuje prawdopodobieństwa. Google pokazuje to na zdaniu o deszczu bębniącym w dach: dalszy ciąg „gotuję zupę” dostaje w przykładzie 9,4%, „nastawiam czajnik” 5,2%, a „ucinam drzemkę” 2,5%.
  3. Wybrany fragment zostaje dopisany i staje się częścią tego, co model widzi przy następnym kroku.
  4. Tak krok po kroku powstaje „Masz”, „14”, „dni” (podział poglądowy).

Gdzie kończy się porównanie. Podpowiadanie słów w telefonie dobrze oddaje samą zasadę, ale nie to, co dzieje się w środku. Badacze Anthropic zajrzeli do modelu Claude 3.5 Haiku i zobaczyli, że przy pisaniu wiersza wybierał on rym, zanim zaczął pisać wers, który miał się nim kończyć. Część pojęć aktywowała się też niezależnie od języka pytania. Tekst wychodzi więc po kawałku, ale nie oznacza to, że model za każdym razem patrzy tylko jeden krok naprzód. Nowsze modele potrafią też najpierw rozpisać rozumowanie, co opisujemy w przewodniku po LLM.

Dlaczego model brzmi pewnie, gdy się myli?

Bo płynność i prawda to dwie różne rzeczy. Dobrze ułożone zdanie powstaje także wtedy, gdy model faktu nie zna, a ton odpowiedzi słabo zdradza jego rzeczywistą niepewność.

Zmieńmy pytanie: „Ile dni na zwrot daje regulamin tego małego sklepu?”. Odpowiedź „Regulamin przewiduje 30 dni” wygląda równie wiarygodnie jak ta o 14 dniach, choć może być zgadnięta. Badania pokazują trzy powody:

  • Ton nie idzie za niepewnością. Praca z 2024 r. (Yona i in.) daje mocne dowody, że ówczesne modele (Gemini, GPT-3.5, GPT-4) słabo przekazują słowami, jak bardzo są niepewne.
  • Hamulec czasem nie działa. W Claude 3.5 Haiku domyślną reakcją na pytanie była odmowa, a rozpoznanie znanego tematu ją hamowało. Część halucynacji to błędne zadziałanie tego mechanizmu: model rozpoznaje nazwę, ale niewiele o niej wie. Badanie dotyczyło jednego modelu, więc nie przenoś tego wniosku wprost na wszystkie.
  • Zgadywanie się opłaca. Według pracy Kalaia i współautorów procedury treningu i oceny nagradzają zgadywanie bardziej niż przyznanie się do niepewności. Skutki i sposoby wyłapywania błędów opisujemy w tekście o halucynacjach AI.

Nie licz też na to, że model wyjaśni, skąd ma wynik. Zapytany, jak dodał 36 do 59, Claude 3.5 Haiku opisał szkolną metodę z przenoszeniem, a w środku działał inaczej (Anthropic).

Gdzie kończy się porównanie. Pewny siebie stażysta to dobry obraz, bo każe sprawdzać wynik. Stażysta zwykle jednak wie, że zgaduje, i często da się to wyczuć. U modelu ton nie jest wiarygodnym sygnałem.

Dlaczego ta sama prośba daje różne odpowiedzi?

Zmienność jest tu zamierzona. Model nie zawsze bierze najbardziej prawdopodobny fragment, bo tekst wybierany wyłącznie w ten sposób wychodzi nudny i powtarzalny, co opisali już w 2019 r. Holtzman i współautorzy. Google też pisze, że modele mogą sięgać po mniej prawdopodobne, ale sensowne opcje, a odpowiedź na ten sam prompt nie musi być za każdym razem taka sama.

Programiści znają pokrętło zwane temperaturą, które reguluje tę losowość. Anthropic pisze, że nawet przy temperaturze 0 wyniki nie będą w pełni powtarzalne, a w nowszych modelach Claude w API nie zmienisz jej wcale. W aplikacji różnice mogą wynikać także z tego, że model dostaje inny kontekst: inną historię, pamięć albo wyniki wyszukiwania.

W praktyce: jeśli raz czytasz „masz 14 dni”, a raz „dwa tygodnie”, to tylko inne słowa. Jeśli raz „14 dni”, a raz „30 dni”, sprawdź to u źródła.

Co model wie o świecie: data wiedzy, wyszukiwanie i pamięć

To trzy różne rzeczy. Data wiedzy wyznacza granicę tego, czego model nauczył się w treningu, wyszukiwanie dokłada strony z sieci, a pamięć to notatki o Tobie.

Data wiedzy. OpenAI podaje: GPT-6 Astra 30 kwietnia 2026, GPT-6 Luna 18 maja 2026, GPT-6.1 Terra 1 czerwca 2026. Anthropic przy obecnych modelach Claude wskazuje czerwiec 2026. Karta modelu Gemini 4 Argon podaje marzec 2026 i zastrzega, że w niektórych dziedzinach wiedza może być starsza. Jeśli sklep zmienił regulamin w październiku, model bez wyszukiwania się o tym nie dowie.

Wyszukiwanie. Aplikacja pobiera strony i przekazuje je modelowi, a ten dalej układa odpowiedź po swojemu. W zależności od wersji i ustawień ChatGPT i Claude mogą szukać same albo po włączeniu tej funkcji. Anthropic podaje, że odpowiedzi z wyszukiwania mają przypisy do źródeł, a OpenAI ostrzega, że wyniki i przypisy bywają niepełne, nieaktualne lub błędne. Dlatego liczy się dopiero otwarte źródło.

Pamięć. W API Anthropic model domyślnie dostaje przy każdej wiadomości całą historię rozmowy, bo sam nie przechowuje jej między wywołaniami. Pamięć w aplikacjach to osobna funkcja: Claude zapisuje tematy podczas czatu (na planach Free, Pro, Max i Ultra domyślnie, w planach Team i Enterprise decyduje właściciel organizacji), a ChatGPT ma zapisane wspomnienia i korzystanie z historii rozmów. Więcej o tym w tekście o projektach i pamięci w Claude.

Gdzie kończy się porównanie. Lepiej myśleć o notatkach podsuwanych modelowi niż o pamięci znajomego. Sam model od takiej notatki się nie zmienia. To, czy rozmowa posłuży kiedyś do treningu, zależy od planu i ustawień (ustawienia w ChatGPT).

PytanieNa czym opiera się modelCo robisz
„Ile dni na zwrot?”częsty wzorzec z treninguważne sprawy sprawdzasz u źródła
„Co mówi regulamin tego sklepu?”słaby wzorzec, ryzyko zgadywaniawklejasz regulamin i każesz cytować (tak działa też RAG)
„Czy sklep zmienił zasady w tym tygodniu?”nic z treninguwłączasz wyszukiwanie i otwierasz źródło

Mózg i dziecko: dwa porównania, które łatwo mylą

Pozostałe porównania rozebraliśmy wyżej, przy właściwych etapach. Te dwa dotyczą całości, więc potrzebują osobnego zastrzeżenia.

PorównanieCo dobrze tłumaczyGdzie się kończy
„Działa jak mózg”skąd nazwa sieci neuronowych: IBM wskazuje biologiczne neurony jako inspiracjęsztuczny neuron to działanie matematyczne, nie komórka nerwowa; z nazwy nie wynika, że model myśli jak człowiek
„Uczy się jak dziecko”że uczy się na przykładach, a nie z listy regułw trakcie rozmowy sam model się nie zmienia; nowe fakty dostaje z kontekstu albo w kolejnym treningu

Wszystkie teksty dla początkujących

Gdy znasz mechanizm, czas wybrać narzędzie: który czat AI wybrać na start i co dają za darmo ChatGPT, Gemini i Claude. Zastosowania z życia i pracy zebraliśmy w tekście sztuczna inteligencja: przykłady. Jeśli chcesz wprowadzić to w zespole, wiedza o mechanizmie przekłada się na trzy ustalenia: co sprawdzamy, co wklejamy i kiedy włączamy wyszukiwanie. Ćwiczymy je na szkoleniach z AI.

Komentarz Adama Bakalarza Trener AI, założyciel instytut.ai

Jeśli w prompcie brakuje informacji, model ją zgadnie, bo modele niemal zawsze dają jakąś odpowiedź. W mailu na trzy, cztery akapity to wyłapiemy. W raporcie na kilkadziesiąt stron łatwo to przeoczyć.

Co to znaczy dla Ciebie

Czat AI nie wyszukuje gotowej odpowiedzi, tylko ją układa na podstawie wzorców z treningu i tego, co widzi w rozmowie. Dlatego pytania o rzeczy często opisywane zwykle wychodzą dobrze, a przy rzadkich i świeżych rośnie ryzyko błędu. W takich sprawach daj modelowi dokument albo włącz wyszukiwanie i otwórz źródło, zanim użyjesz odpowiedzi.

Najczęstsze pytania

Jak działa AI w prostych słowach?

Model językowy uczy się na ogromnej ilości tekstu przewidywać jego ciąg dalszy. Gdy wpiszesz pytanie, dzieli je na tokeny i układa odpowiedź fragment po fragmencie, zamiast wyszukiwać gotowe zdanie w bazie.

Jak uczy się sztuczna inteligencja?

W treningu wstępnym model przewiduje kolejne fragmenty tekstu, a parametry są lekko korygowane po kolejnych próbach. Potem jest dostrajany do roli asystenta, m.in. na podstawie rankingów odpowiedzi układanych przez ludzi.

Co to są tokeny w AI?

To kawałki tekstu, na których pracuje model: całe słowa, części słów albo pojedyncze znaki. W tokenach liczone są ceny API i limity, a różne modele mogą ten sam tekst dzielić inaczej.

Dlaczego AI daje różne odpowiedzi na to samo pytanie?

Model nie zawsze wybiera najbardziej prawdopodobny fragment, a w aplikacji może mieć inny kontekst, np. pamięć albo wyniki wyszukiwania. Inne słowa są normalne. Jeśli różnią się fakty lub liczby, sprawdź je u źródła.

Czy czat AI pamięta moje rozmowy?

To zależy od aplikacji, planu i ustawień. Model nie przechowuje rozmów sam z siebie: w API dostaje historię przy kolejnych wiadomościach, a pamięć w ChatGPT czy Claude to osobna funkcja, którą można przejrzeć i wyłączyć.

Czy AI korzysta z internetu, gdy odpowiada?

Nie zawsze. Bez wyszukiwania model opiera się na treningu, który kończy się w określonej dacie, np. 30 kwietnia 2026 w GPT-6 Astra. Z wyszukiwaniem czyta też strony z sieci, ale może je źle zinterpretować, dlatego ważne informacje sprawdzaj w otwartym źródle.

Czytaj dalej

Przewodnik po temacie Co to jest sztuczna inteligencja? AI wyjaśniona prosto dla początkujących

Czytaj dalej

Przewodnik po temacie Co to jest sztuczna inteligencja? AI wyjaśniona prosto dla początkujących

Adam Bakalarz, założyciel instytut.ai
Autor

Adam Bakalarz

Szkoleniowiec AI · właściciel agencji NowoczesnyMarketing.pl · założyciel instytut.ai

Prowadzi agencję, w której ChatGPT, Claude i automatyzacje codziennie pracują dla klientów. Na szkoleniach i w kursach online uczy tego, co sam stosuje w pracy.

100+

firm na szkoleniach zamkniętych od 2025

21

kursów online

1 200+

zweryfikowanych opinii

50 000+

kursantów online