{"id":2278,"date":"2026-06-09T13:25:00","date_gmt":"2026-06-09T11:25:00","guid":{"rendered":"https:\/\/pletzenauer.com\/?p=2278"},"modified":"2026-08-05T17:24:14","modified_gmt":"2026-08-05T15:24:14","slug":"metoda-karpathy-jak-korzystac-z-ai","status":"publish","type":"post","link":"https:\/\/pletzenauer.com\/pl\/2026\/06\/09\/metoda-karpathy-jak-korzystac-z-ai\/","title":{"rendered":"Metoda Karpathy’ego: korzysta\u0107 z AI 10\u00d7 efektywniej"},"content":{"rendered":"

<\/p>\n

Andrej Karpathy – wsp\u00f3\u0142za\u0142o\u017cyciel OpenAI i by\u0142y szef AI w Tesli – od d\u0142u\u017cszego czasu t\u0142umaczy w wyk\u0142adach i wywiadach, dlaczego wi\u0119kszo\u015b\u0107 ludzi u\u017cywa AI niew\u0142a\u015bciwie.<\/strong> Nie dlatego, \u017ce za ma\u0142o \u0107wicz\u0105, lecz dlatego, \u017ce \u017ale rozumiej\u0105 to narz\u0119dzie. Jego metod\u0119 na wyra\u017anie szybsz\u0105 prac\u0119 z AI da si\u0119 roz\u0142o\u017cy\u0107 na trzy warstwy: spec<\/em>, weryfikacja<\/em> i \u015brodowisko<\/em>. Oto, co naprawd\u0119 za tym stoi – bez szumu, za to do zastosowania od razu.<\/p>\n

\n

Najwa\u017cniejsze w skr\u00f3cie<\/p>\n

    \n
  • AI jest genialna w tym, co mierzalne, i \u015blepa na kontekst.<\/strong> Nie zna Pa\u0144stwa celu – to Pa\u0144stwo musz\u0105 go dostarczy\u0107.<\/li>\n
  • Warstwa 1 – spec:<\/strong> Najpierw wyja\u015bni\u0107 cel, potem pracowa\u0107 ma\u0142ymi krokami (zwinnie) i precyzyjnie.<\/li>\n
  • Warstwa 2 – weryfikacja:<\/strong> Ustali\u0107 kryteria oceny z g\u00f3ry, drugi model jako krytyk, w\u0142\u0105czy\u0107 sygna\u0142y zewn\u0119trzne.<\/li>\n
  • Warstwa 3 – \u015brodowisko:<\/strong> CLAUDE.md, w\u0142asna baza wiedzy, Skills wielokrotnego u\u017cytku i prawdziwe guardraile.<\/li>\n
  • Sedno:<\/strong> „Mo\u017cna oddelegowa\u0107 swoje my\u015blenie – ale nie swoje zrozumienie.“<\/li>\n<\/ul>\n<\/div>\n
    \n \"Metoda
    Trzy warstwy metody Karpathy’ego na jeden rzut oka.<\/figcaption><\/figure>\n

    Dlaczego AI zawodzi przy prostych pytaniach<\/h2>\n

    Karpathy podaje prosty przyk\u0142ad: „Chc\u0119 pojecha\u0107 do myjni, jest 50 metr\u00f3w st\u0105d. Mam jecha\u0107 czy i\u015b\u0107?“ Dzisiejsze czo\u0142owe modele – Claude, Gemini, Grok, ChatGPT – odpowiadaj\u0105 wszystkie: i\u015b\u0107, przecie\u017c to tak blisko<\/em>. B\u0142\u0105d. Bo \u017ceby umy\u0107 samoch\u00f3d<\/strong>, potrzebuj\u0105 Pa\u0144stwo samochodu na miejscu.<\/p>\n

    To jest ca\u0142e sedno sprawy: AI jest genialna we wszystkim, co da si\u0119 zmierzy\u0107 – i \u015blepa na wszystko, co wymaga kontekstu.<\/strong> Pa\u0144stwa cel, Pa\u0144stwa warunki brzegowe, Pa\u0144stwa wyczucie: co do tego AI nie ma \u017cadnego sygna\u0142u. Zadanie nie polega wi\u0119c na tym, \u017ceby „lepiej promptowa\u0107“, lecz \u017ceby zamkn\u0105\u0107 t\u0119 luk\u0119 mi\u0119dzy Pa\u0144stwa zrozumieniem a moc\u0105 obliczeniow\u0105 AI. Dok\u0142adnie to robi\u0105 te trzy warstwy.<\/p>\n

    Warstwa 1: spec – Pa\u0144stwa zrozumienie w u\u017cytecznej formie<\/h2>\n

    Spec to spos\u00f3b, w jaki przekazuj\u0105 Pa\u0144stwo swoje zrozumienie do AI – w formacie, z kt\u00f3rym potrafi ona co\u015b zrobi\u0107. Znany „tryb planowania“ w Claude idzie w dobrym kierunku, ale dla Karpathy’ego jest zbyt powierzchowny. Jego rada: wsp\u00f3lnie z narz\u0119dziem AI zaprojektowa\u0107 naprawd\u0119 szczeg\u00f3\u0142owy spec<\/strong>. Oto jak to si\u0119 udaje w trzech krokach.<\/p>\n

    1. Odkry\u0107 w\u0142a\u015bciwy cel<\/h3>\n

    „Utw\u00f3rz raport miesi\u0119czny“ to zadanie<\/em>. Celem<\/em> jest wniosek, kt\u00f3ry Pa\u0144stwo wyci\u0105gn\u0105, decyzja, kt\u00f3r\u0105 raport wyzwoli. Tego, co jest celem, AI nigdy nie ustali za Pa\u0144stwa. Prosz\u0119 zamiast tego da\u0107 si\u0119 wypyta\u0107:<\/p>\n

    „Przeprowad\u017a ze mn\u0105 wywiad, \u017ceby zidentyfikowa\u0107 cel tego projektu, zanim zaczniesz.“<\/p><\/blockquote>\n

    2. Pracowa\u0107 zwinnie, nie kaskadowo<\/h3>\n

    Wi\u0119kszo\u015b\u0107 ludzi rzuca AI wszystko naraz (kaskada) i liczy na gotowy wynik. Lepsze jest zwinne tworzenie specu<\/strong>: w\u0105skie ramy, jasny checkpoint, sprawdzi\u0107 wynik, skorygowa\u0107, powt\u00f3rzy\u0107. Dzi\u0119ki temu wcze\u015bnie wida\u0107, gdy kierunek si\u0119 nie zgadza.<\/p>\n

    „Sk\u0142aniaj si\u0119 ku mniejszym, mocniej odgraniczonym specom z jasnymi wynikami po\u015brednimi.“<\/p><\/blockquote>\n

    3. By\u0107 precyzyjnym – i my\u015ble\u0107 samemu<\/h3>\n

    Im s\u0105 Pa\u0144stwo precyzyjniejsi, tym mniej AI musi zak\u0142ada\u0107. A ka\u017cde za\u0142o\u017cenie to szansa na zboczenie z po\u017c\u0105danego wyniku. Gdy AI pisze spec za Pa\u0144stwa, prosz\u0119 czyta\u0107 go krytycznie – w\u0142asn\u0105 g\u0142ow\u0105.<\/p>\n

    „Ka\u017c mi wyra\u017anie potwierdzi\u0107 kluczowe decyzje, \u017ceby nic nie zosta\u0142o przeoczone.“<\/p><\/blockquote>\n

    Trzy elementy, jeden wynik: w\u0105sko uj\u0119ty, przemy\u015blany spec, kt\u00f3ry pasuje do Pa\u0144stwa rzeczywistego celu. Karpathy nazywa to modern engineering<\/em> – postawa, kt\u00f3rej w przysz\u0142o\u015bci potrzebowa\u0107 b\u0119dzie ka\u017cdy, kto powa\u017cnie pracuje z AI.<\/p>\n

    Warstwa 2: weryfikator – niech AI sprawdza w\u0142asn\u0105 prac\u0119<\/h2>\n

    Najbardziej frustruj\u0105ce w AI jest sprawdzanie wyniku. \u017beby zrozumie\u0107 dlaczego, pomaga model mentalny Karpathy’ego. M\u00f3wi on o „zwierz\u0119tach“ w przeciwie\u0144stwie do „duch\u00f3w“: ludzie s\u0105 jak zwierz\u0119ta – z motywami i emocjami. Gdy powiedz\u0105 Pa\u0144stwo komu\u015b „zosta\u0144 w 14 dni specjalist\u0105 SEO albo wylatujesz“, ta osoba znajdzie spos\u00f3b. AI dzia\u0142a inaczej.<\/p>\n

    Bardziej obrazowe por\u00f3wnanie: prosz\u0119 wyobrazi\u0107 sobie AI jako robota-bibliotekarza<\/strong>. Odpowiada na pytania wy\u0142\u0105cznie na podstawie ksi\u0105\u017cek w swojej bibliotece. Gdy brakuje ksi\u0105\u017cki, nie potrafi pom\u00f3c – i cz\u0119sto tego nie zauwa\u017ca. Dlatego b\u0142yszczy w matematyce i potyka si\u0119 o kontekst: tam, gdzie jasne odpowiedzi stoj\u0105 w bibliotece, jest genialna; tam, gdzie nie – jest pewnie siebie b\u0142\u0119dna. Krzyk, b\u0142aganie czy „zr\u00f3b to lepiej“ nie pomagaj\u0105. Jedyn\u0105 prawdziw\u0105 d\u017awigni\u0105 jest weryfikacja<\/strong>. Trzy punkty zaczepienia:<\/p>\n