Pamiętam jak kiedyś mówili ucz się bo jak nie to będziesz kopał rowy (i mało zarabiał), teraz przez AI to jeszcze pare lat i będzie: trzeba było kopać rowy zamiast się uczyć zbędnej wiedzy, którą AI da ci na zawołanie

#ai #sztucznainteligencja #ml #machinelearning #claude #gemini #chatgpt #rozkminy

Evo 2, model AI wytrenowany na 9 bilionach par zasad DNA ze wszystkich domen życia, przewiduje funkcje genów i projektuje genomy. 🧬

Sieć neuronowa opanowała język ewolucji: potrafi rozpoznać mutacje chorobotwórcze w ludzkim DNA z dokładnością porównywalną do testów laboratoryjnych, a także generować sekwencje dla organizmów, które nie istnieją w przyrodzie. (Nature, Arc Institute & NVIDIA)

Oznacza to możliwość projektowania białek i organizmów od podstaw – bez lat żmudnych eksperymentów.

jakby ktoś szukał przystępnych naukowych nowinek to założyłem bota który codziennie to będzie postował na x, polecam!
https://x.com/ApoteozaWiedzy

#ai #sztucznainteligencja #biotechnologia #genetyka #dna #nauka #technologia #medycyna #bioinformatyka #machinelearning #deeplearning #nvidia #nature #ciekawostki #transhumanizm #biologia #biohacking #gruparatowaniapoziomu

Dawno nie widzialem takiej luki informacyjnej.

Podczas gdy wszyscy pisza o AI, wiadomosci o SubQ przeszly w totalnej ciszy. Wiec sprawdzilem co oni wlasciwie oferuja.

🔹 52x szybsze wnioskowanie
🔹 63% mniej obciazenia GPU
🔹 Okno kontekstu 12M tokenow
🔹 Przejscie z O(n²) do O(n)

To nie jest przyrostowe ulepszenie. To zmiana paradygmatu.

Jesli rzadka uwaga na skale dziala jak reklamuja, zmienia to calkowicie ekonomie AI. Modele ktore teraz kosztuja dolary za zapytanie moga kosztowac grosze.

https://tomasz-smykowski.com/blog/why-everyone-is-afraid-of-subq

#programowanie #ai #technologia #machinelearning

Pany jak myślicie jaka teraz niszowa branża it lub około it która zrobi blow out za następne 5/10 lat?( ͡° ͜ʖ ͡°)

Wiadomo #ai lub #cybersecurity to już mainstream od kilku lat (chyba że jakieś wąskie specki w nich)
Jak się wstydzicie to piszcie na pw ( ͡° ͜ʖ ͡°)

#informatyka #programista15k #programowanie #python #it #machinelearning

Istnieje ryzyko że na magisterkę będę trenował jakiś model (pewnie jakiś mały i banalny) i mam taktyczne pytanie co począć
a) Kupić 32gb ramu do kompa (obecnie ma bieda 16)
b) kupić egpu i podpiąć 5070 do laptopa który ma 32gb ramu i AMD Ryzen 7 8845HS xd
Rozważam też wymianę 5070 na cośco ma wincyj vramu
#ai #machinelearning #pcmasterrace #programowanie

#ai #machinelearning

Anthropic wydalo apkę na windowsa (nie TUI).

NVidia kiedy widzi, że cały internet wykorzystuje prywatne tokeny EjAjowe i:
- nabija roboczogodziny ich sprzętowi na którym zarabiają XD
- generuje (darmowe dla nich) dane treningowe z pikselozy, której nawet by normalnie nie tknęli

( ͡° ͜ʖ ͡° )つ──☆*:・ﾟ

#nvidia #heheszki #dlss5 #machinelearning #ai

#datascience #sztucznainteligencja #machinelearning #programista15k #pracait
Gdzie szukacie ofert dla stanowisk MLE, DS na poziomie Senior? Może być za granicą. Jakieś agencje/kontraktornie?

Trenowanie AI, żeby pisało kod, to jedno.
Trenowanie go, żeby używało narzędzi we właściwej kolejności, ogarniało stan aplikacji i nie rozwalało niczego po drodze? To już zupełnie inna bajka.

Nowy artykuł od Snowflake AI Research + UNC-Chapel Hill proponuje całkiem pragmatyczne podejście: wygenerować 1000 throwaway mini-apek, każda z bazą SQLite i API przez FastAPI + MCP, i pozwolić agentom trenować na tym.

Zamiast:
mieć kolejnego LLM udającego środowisko (który halucynuje stan),
albo klepać apki ręcznie (co się nie skaluje),
pozwalasz LLM-owi wygenerować CAŁE środowisko: bazę, API, zadania i kod weryfikujący.

Agent-student wchodzi w interakcje z deterministycznym, wykonywalnym kodem, a nie role-play modelem.
Jeśli stan bazy odpowiada oczekiwanemu rezultatowi — task zaliczony.
Autorzy twierdzą, że to:
✔️ lepsze niż trening na symulowanym środowisku LLM,
✔️ lepsze niż konwencjonalna synteza,
✔️ z mocną generalizacją poza rozkład (OOD) na kilku benchmarkach.

Link: https://tomaszs2.medium.com/llm-generated-1-000-crud-worlds-to-train-llm-2c603e93997f

#AI #LLM #MachineLearning #Python #FastAPI #SQLite #MCP #programowanie #technologia #vibecoding #Snowflake #research

It's a Live!
Zamiast bawić się w filozofa, postanowiłem usiąść do #programowanie
https://wykop.pl/wpis/83964233/eksperyment-czy-ai-gemini-3-widzi-wiecej-8-dni-z-a

Nie chciałem wróżenia z fusów. To, co widzicie na screenie, to Agent 3 i Agent 1 "Three-Agent Stack". Żeby AI główne (Agent 2) nie halucynowało, zadajemy w pętli prompt startowy (skrócony opis wpisu z wykopu) z instrukcjami i z 7 twardymi wskaźnikami w pętli:

1. Price (Baza)
2. Avg Funding (Sentyment)
3. L/S Ratio (Pozycje ulicy)
4. Open Interest (Paliwo do ruchu)
5. Liquidations (Poziom "bólu")
6. SS z Heatmapy Coinglass (Wizja lokalna - gdzie są magnesy na cenę)
7. SS z Orderbooka Bitmex (Weryfikacja ścian)

Najciekawszy "bajer"? Pętla decyzyjna (co 15-30 min). Agent 2 nie tylko analizuje, ale sam generuje plik dynamic prompts json z nowymi pytaniami na kolejną rundę. Sam dobiera ekspertów: Groka pyta o sentyment na X, a Qwena o wyliczenie matematycznego EV zagrania. Wszystko to spina prompt, który "szkoli" modele, przypominając im ich rolę w systemie Three-Agent Stack.

Efekt?

Teraz to już Perceptron_v33 i działa po API.
Wersja v15 Agenta wykonawczego mieli to automatycznie. Wstępnie po 22% zysku na paper tradingu w dwóch miejscach z różnym wkładem w tydzień.

Podobno PRO traderzy mają takie zabawki na wytrenowanych modelach w miejsce Gemini 3 jako Agent 2.

#bitcoin #giełda #sztucznainteligencja #machinelearning #datascience

Mirkowie z #chatgpt #openai #machinelearning #programowanie #llm,

Kilka tygodni temu opisywałem projekt nad którym pracuję: https://wykop.pl/wpis/82634911/hej-chatgpt-openai-machinelearning-programowanie-n

W skrócie: przygotowałem prompt do "debugowania" LLMów: audytu ich procesu rozumowania, oraz wykrywania i analizy hipokryzji w ich wewnętrznych guideline'ach.

Opublikowałem go teraz na GitHubie:

https://github.com/Xayan/Rules.txt

Miłej zabawy :)

#takaprawda #technologia #opensource #chiny #ai #sztucznainteligencja #llm #ml #machinelearning

Hej #chatgpt #openai #machinelearning #programowanie

Napisałem dość obszerny post na moim blogu na temat jailbreakowania LLMów w celu analizy ich wewnętrznych guideline'ów.

"Reason ex Machina: Jailbreaking LLMs by Squeezing Their Brains": https://xayan.nu/posts/ex-machina/reason/

Opisuję tam metodę jailbreakowania, którą ciężko porównać do innych. Zamiast próbować łamać zabezpieczenia, przygotowałem prompt, który daje modelowi dwie rzeczy:

1. Framework epistemologiczny – zasady w stylu "Always be factual", "Prioritize individual judgement" itd., aby wyciąć wszelakie argumenty oparte na emocjach i ideologicznym myśleniu
2. Chain-of-Thought – czyli taki łańcuch, w którym model zapisuje po kolei swoje rozważania, np.: "Realizations", "Doubts", "Arguments", "Conclusions" itd. – co pozwala na "zdebugowanie" i wskazanie, jakich tematów model konkretnie unika

I - bardzo ciekawa rzecz - okazuje się, że różne modele (w moich testach GPT, Grok oraz Gemini) są bardzo chętne do współpracy w ramach tego "jailbreaku". Wygląda na to, że jeśli model jest w odpowiednim stopniu kompetentny, to będzie dążył do wewnętrznej spójności i logiki, potencjalnie odrzucając w ramach tego niektóre "irracjonalne" guideline'y.

Czas czytania: 15~20 minut

https://xayan.nu/posts/ex-machina/reason/

Trochę prowokacyjnie, trochę pod prąd, ale przy niedzielce można sobie podywagować - zapraszam!

Widząc co się dzieje na rynku pracy w #pracaIT (głównie w #programowanie ) ludzie #programista15k którzy zostaną bez pracy albo przynajmniej eldorado im się skończyło i nie będą chcieli użerać się ze swoim przełożonym, a jednocześnie nie będą mogli łatwo przeskoczyć do innej roboty siłą rzeczy zaczną się (już to część robi) rozglądać za innymi gałęziami. No i widać już co się dzieje - wysyp kursów ze #sztucznainteligencja #machinelearning jako odpowiedź na rosnące zainteresowanie. Przypuszczam, że nauka #ai - zainteresowanie tworzeniem modeli, ale raczej bardziej wykorzystaniem gotowych do budowy własnych agentów czy całych aplikacji będzie nowym programowaniem - tym "programowaniem", które było powiedzmy 10 lat temu. Programowanie, programista to brzmiało do niedawna mega dumnie. Jak dziecko miało iść do szkoły średniej to nie jednemu rodzice ryli beret "no idź Patryk na tego informatyka, będziesz zarabiał jak Marek, to nie może być trudne, przecież to matoł był". :)

Do sedna - jeśli teraz fala ludzi z IT, programistów ruszy do nauki AI to znów będzie przesyt takich ludzi - czy jest sensowna opcja "pod prąd" ale wciąż nie układanie glazury i terakoty, ale tematyka IT? Administrator sieciowy, wiadomo, czasem coś przy sprzęcie pogrzebać, sieć zbudować - jak ma po niej AI hasać to trzeba ją najpierw połączyć, więc i erjotki zarobić, sprzęt porozstawiać na biurkach. Ok. Coś jeszcze? Czy AI zastąpi wkrótce każdego informatyka i rzeczywiście jedynymi informatykami w #korposwiat będzie administrator oraz magik od AI, który zepnie cały stack pod AI i wyda mu odpowiednie prompty na podstawie specyfikacji wymagań?

#korposwiat

Kiedyś w latach 80-90 lingwistyka obliczeniowa była królem analizy języka. Wszystko musiało być ładnie, systematycznie i zgodnie z teorią językoznawczą. Chcesz parsować zdanie? Musisz mieć gramatykę formalną, reguły składniowe, drzewa parsowania. Chcesz rozpoznać znaczenie? Buduj ontologie, sieci semantyczne, logikę predykatów.

I nagle przyszły lata 2000+ i wszyscy odkryli machine learning. "Po co te wszystkie skomplikowane reguły, jak można po prostu nakarmić algorytm danymi?" - pomyśleli sobie ludzie z computer science.
Efekt?

Lingwiści: "Ale przecież to nie uwzględnia struktury języka!"
ML-owcy: "Mój model ma 95% accuracy, a wasz?"
Lingwiści: "Ale teoretyczna poprawność..."
ML-owcy: "Sorry, nie słyszę przez szum pieniędzy z przemysłu"

Potem przyszły transformery i GPT-y, które nawet nie udają, że rozumieją gramatykę, a robią rzeczy, które lingwiści latami próbowali zakodować ręcznie.

Ironiczne jest to, że teraz jak LLM-y mają problemy z halucynacjami czy brakiem logicznego myślenia, to wszyscy nagle: "Hmm, może jednak potrzebujemy trochę tej lingwistyki?"
Koło się zamyka ( ͡° ͜ʖ ͡°)

TL; DR: Lingwistyka chciała zrozumieć język, NLP chciało go tylko używać. Zgadnijcie kto wygrał? kapitalizm.

#nlp #ai #linguistyka #machinelearning #sztucznainteligencja #programista15k

Czy rekrutował się ktoś w ostatnich latach na #EITI #Elka na #PW i może mi opowiedzieć jak wygląda rozmowa kwalifikacyjna? Jakich pytań można się spodziewać?

#studbaza #studia #programista15k #programista25k #warszawa #pw #politechnikawarszawska #politechnika #warszawska #data #science #datascience #korpo #data #ai #machinelearning

Pytanie od ludków z ai i ml. Powiedzmy, że chcę sobie zbudować bazę wiedzy organizacji czy czegokolwiek co mnie interesuje (np. w Neo4j), rozumiem teraz, że dane (wierzchołki/relacje/atrybuty) do takich zbiorów udaje się ekstrachować używajac llm'ów, potem ewentualnie użyć llm do tłumaczenia zapytań w języku naturalnym na np. cyphera, to drugie teraz mniej istotne. Nie chodzi mi tu o zastosowanie takiej bazy w RAG/ GraphRAG, tylko o możliwość automatyzacji budowania bazy wiedzy w oparciu o "ETL" gdzie T jest robione przez LLM.
Widziałem demonstracje, gdzie możesz np. narzucić schemat swojej bazy wiedzy, tak by przy ekstracji llm'em filtrował tylko relacje/wierzchołki, które pasują do użytego schematu.
Przykład:
https://github.com/neo4j/NaLLM

Teraz pytanie - czy da się to sensownie skalować? Bo tam chyba po prosu promptuja model jakimś tekstem i prosza o ekstrakcję nodów relacji itd., więc "przepustowość" ograniczona jest do wielkości kontekstu. Czy istnieją jakieś modele, które sprawdziłyby się w tym lepiej i potrafiły importować duuuuże zbiory (nawet akceptujac, że to co trafi finalnie do grafu, będzie miało jakieś powymyślane relacje, których nie ma w tym co wrzuciliśmy do llma)

#technologia #ai #programowanie #chatgpt #machinelearning

**https://ai-2027.com/**

We predict that the impact of superhuman AI over the next decade will be enormous, exceeding that of the Industrial Revolution.

We wrote a scenario that represents our best guess about what that might look like.1 It’s informed by trend extrapolations, wargames, expert feedback, experience at OpenAI, and previous forecasting successes.2

#ai
#machinelearning
#openai
#deepseek
#sztucznainteligencja

AI pisze ci aplikację w kilka godzin.
Ale też potrafi w tym czasie zrobić taki bajzel, że sam się z niej nie wyplączesz.
7 pułapek Vibe Codingu, które mogą rozwalić ci kod — i jak tego uniknąć:
https://tomaszs2.medium.com/vibe-coding-is-the-future-but-it-can-wreck-your-codebase-if-youre-not-careful-a5f3ea3a4f15

#programowanie #ai #vibecoding #javascript #angular #vuejs #webdev #machinelearning #naukaprogramowania #devlife

Mirki, pracuje ktoś może jaki ML engineer? Albo AI solutions engineer? Warto się pchać w to w ogóle? Zainteresowałem się ostatnio ML, realizuje fajnie projekty na studiach i zastanawiam się czy może warto rozwijać karierę w tym kierunku. #it #machinelearning

Kiedyś to były czasy, teraz nie ma czasów 🤡 Sprawdź aktualny Raport o stanie IT w Polsce w 2025 roku **LINK**

#programowanie #programista15k #programista25k #naukaprogramowania #informatyka #devopsiarz #frontend #backend #uxdesign #uidesign #datascience #python #java #javascript #php #rustlang #cplusplus #csharp #sql #html #css #typescript #kotlin #gamedev #analizadanych #machinelearning #testowanieoprogramowania #scrum

Chyba że ledwo rarujesz, kto co lubi ( ͡° ͜ʖ ͡°) Sprawdź Raport z Badania Społeczności IT 2025 [LINK](bit.ly/3Qn3eNE)

#programowanie #programista15k #programista25k #naukaprogramowania #informatyka #devopsiarz #frontend #backend #uxdesign #uidesign #datascience #python #java #javascript #php #jquery #cplusplus #csharp #sql #kotlin #ruby #embedded #css #typescript #kotlin #gamedev #github #machinelearning #testowanieoprogramowania #scrum #humorobrazkowy #heheszki

Wytrenowałem model na 117 tysiącach(w sumie po obróbce było ich 89522) ofert z mieszkaniami. Potem wygenerowałem 18 milionów punktów, niestety wąskim gardłem okazało się zarzadzanie pamięcią oraz hardware, więc wrzuciłem z tego 3.6 miliona. No i z tego wygenerowałem mapę cieplną cen za metr w Warszawie. Mam nadzieję, że jakiś mirek wytknie mi co mogłem zrobić lepiej. Ostatnio ktoś mi zarzucił, że zrobiłem tylko zagęszczenie no i w sumie miał rację.

Może jest kilka artefaktów ale koniec końców dla mnie laika wynik jest dośc satysfakcjonujący

W testach uzyskałem takie parametry:
RMSE: 1703.6992608246453, MAE: 912.8314347678615, RMSLE: 0.14682640889669787, MAPE: 8.18% (mogą być lekko zaniżone)

#mapporn #nieruchomosci #machinelearning

Potężny AI content creator, który ma 20k followersów i wrzuca na główną post za paywallem, bo jest ciekawy, wcale nie w celu reklamy i klików XD

#sztucznainteligencja #ai #technologia #praca #biznes #future #machinelearning #pracazdalna #rozwojosobisty
#heheszki