Lista zasobów do dalszej nauki

Podsumowanie AI

• Temat: Lista zasobów do dalszej nauki
• Cel materiału: Źródła, kursy i publikacje rozszerzające tematykę warsztatów AI Literacy Lab. Dobrane pod kątem studentów i badaczy. Dane aktualne na marzec 2026, zweryfikowane. Licencja CC BY-SA 4.0.
• Jak pracować z treścią: czytaj sekcjami, testuj zrozumienie pytaniami i wykorzystuj AI do aktywnej powtórki.

Jak korzystać z tej listy

Zasoby są pogrupowane tematycznie — odpowiadają kolejnym modułom warsztatów. Każda pozycja zawiera krótki opis i poziom trudności:

• 🟢 Podstawowy — bez wcześniejszej wiedzy technicznej
• 🟡 Średniozaawansowany — przydatna znajomość podstaw AI
• 🔴 Zaawansowany — wymaga wiedzy technicznej lub akademickiej

Wszystkie linki prowadzą do zasobów bezpłatnych lub z darmowym dostępem próbnym, chyba że zaznaczono inaczej.

Uwaga: Rynek AI zmienia się szybko. Przed zapisem na kurs sprawdź aktualność materiałów na stronie dostawcy.

CZĘŚĆ I — Podstawy AI: LLM, RAG, Agenty, MCP

Odpowiada modułowi 1: „Podstawy AI – LLM, RAG, Agenty AI, MCP"

Kursy i interaktywne materiały

Model Context Protocol (MCP) — zasoby 2026

MCP to otwarty standard (Anthropic, 2024) zarządzany od grudnia 2025 przez Linux Foundation. Obsługiwany przez OpenAI, Google DeepMind, Microsoft i ponad 500 publicznych serwerów.

• 🟢 What is MCP? Model Context Protocol Explained — przystępne wprowadzenie, marzec 2026
• 🟡 Everything your team needs to know about MCP in 2026 — WorkOS, historia i architektura
• 🔴 Model Context Protocol – specyfikacja — Anthropic, dokumentacja techniczna

Artykuły i raporty

• 🟢 What is a large language model? — Cloudflare Learning, przystępne wprowadzenie
• 🟢 Software 2.0 — Andrej Karpathy, dlaczego AI zmienia programowanie
• 🟡 Attention Is All You Need — Vaswani et al. (2017), oryginalny artykuł o architekturze Transformer
• 🟡 A Survey of Large Language Models — Zhao et al. (2023), kompleksowy przegląd
• 🟡 DeepSeek-R1: Incentivizing Reasoning Capability in LLMs — DeepSeek (2025), open-source model rozumowania

CZĘŚĆ II — AI w codziennej pracy: produktywność i research

Odpowiada modułowi 2: „AI na co dzień – produktywność, research i organizacja pracy"

Kursy i przewodniki

Narzędzia warte poznania

• Perplexity AI — wyszukiwarka z cytowaniami, dobra do szybkiego researchu
• NotebookLM — analiza własnych dokumentów, generowanie podcastów i streszczeń
• Elicit — AI do przeszukiwania literatury naukowej
• Consensus — wyszukiwarka twierdzeń naukowych z metaanalizą
• Connected Papers — wizualizacja sieci cytowań

Nowe narzędzia 2026

• Google NotebookLM — od 2026 dostępny w Google Workspace for Education (UW, UJ i inne uczelnie); analiza dokumentów, generowanie podcastów audio
• Gemini for Google Workspace — dostępny na uczelniach z pakietem Google Workspace for Education

Artykuły

• 🟢 How to use AI tools for research without getting burned — Nature, praktyczne wskazówki
• 🟢 OECD Digital Education Outlook 2026: Generative AI in Education — raport OECD o AI w dydaktyce
• 🟡 Augmenting human intellect with AI — Stanford HAI

CZĘŚĆ III — Prompt Engineering

Odpowiada modułowi 3: „Prompt Engineering – techniki, struktury i iteracje"

Kursy

Repozytoria i zbiory promptów

• Awesome ChatGPT Prompts — GitHub, ponad 200 gotowych promptów
• Fabric — framework do budowania promptów i automatyzacji
• OpenAI Cookbook — oficjalne przykłady i techniki
• Anthropic Prompt Library — gotowe szablony od twórców Claude

Techniki 2026 — co nowego

W 2026 r. lepsze modele bardziej reagują na dobrze skonstruowane prompty (nie mniej). Kluczowe techniki:

Artykuły

• 🟡 Prompt Engineering Guide 2026: 12 Techniques That Actually Work — AI Learning Hub, marzec 2026
• 🟡 Chain-of-Thought Prompting Elicits Reasoning in Large Language Models — Wei et al. (2022)
• 🟡 Large Language Models Are Zero-Shot Reasoners — Kojima et al. (2022), „Let's think step by step"
• 🔴 Principled Instructions Are All You Need for Questioning LLaMA-1/2, GPT-3.5/4 — 26 zasad skutecznych promptów
• 🔴 AI Prompting Techniques for Reasoning Models 2026 — techniki dla modeli rozumowania (o1, R1, Gemini 2.0)

CZĘŚĆ IV — AI w nauce: metodologia, cytowanie i etyka

Odpowiada modułowi 4: „AI w nauce – metodologia, cytowanie i etyka"

Wytyczne instytucjonalne

• 🟢 Wytyczne UJ dotyczące korzystania z AI — Uniwersytet Jagielloński (sprawdź aktualną wersję)
• 🟢 UNESCO Recommendation on the Ethics of AI — UNESCO, 2021
• 🟡 COPE Guidelines on AI in Academic Publishing — Committee on Publication Ethics
• 🟡 Nature's AI policy for authors — Nature Portfolio

Kursy i materiały

Kluczowe raporty i publikacje

• 🟢 State of AI Report 2025 — coroczny raport o stanie branży AI
• � OECD Digital Education Outlook 2026 — AI w edukacji, personalizacja, etyka dydaktyczna
• 🟡 AI Index Report 2025 — Stanford HAI, dane i trendy
• 🟡 UNESCO Recommendation on the Ethics of AI — UNESCO, globalne ramy etyczne
• 🔴 Sparks of Artificial General Intelligence — Microsoft Research (2023), analiza GPT-4

Nowe narzędzia AI na polskich uczelniach (2026)

• NotebookLM + Gemini na UW — Google Workspace for Education dostępny dla @uw.edu.pl i @student.uw.edu.pl
• Sprawdź analogiczne wdrożenia na swojej uczelni — wiele polskich uczelni uruchamia podobne pakiety w 2026 r.

CZĘŚĆ V — AI w programowaniu

Odpowiada modułowi 5: „AI w programowaniu – Copilot, agenty i automatyzacja"

Kursy

Narzędzia AI do kodowania — porównanie 2026

Według badań z 2026 r. doświadczeni programiści używają średnio 2,3 narzędzi AI jednocześnie.

Wskazówka: GitHub Copilot i Cursor dobrze się uzupełniają — Copilot do codziennych sugestii, Claude Code do złożonych zadań architektonicznych.

Lokalne modele (prywatność i offline)

• Ollama — uruchamianie LLM lokalnie (Llama 3, Mistral, Gemma)
• LM Studio — GUI do lokalnych modeli
• llama.cpp — wydajna inferencja na CPU/GPU

CZĘŚĆ VI — Pogłębione źródła: newslettery, podcasty i blogi

Newslettery (bezpłatne)

Podcasty

• Lex Fridman Podcast — długie rozmowy z badaczami i twórcami AI
• Hard Fork — NYT, technologia i AI w kulturze
• The TWIML AI Podcast — wywiady z naukowcami ML
• Latent Space Podcast — dla programistów i inżynierów AI
• AI w Polsce — polskojęzyczny podcast o AI

Blogi i kanały YouTube

• Andrej Karpathy – YouTube — głębokie wyjaśnienia LLM (seria „Neural Networks: Zero to Hero")
• 3Blue1Brown – Neural Networks — wizualne wyjaśnienia sieci neuronowych
• Yannic Kilcher – YouTube — omówienia artykułów naukowych
• Sebastian Raschka – Blog — praktyczne artykuły o LLM i ML
• Simon Willison's Weblog — LLM, agenty, MCP — codzienne notatki praktyka

CZĘŚĆ VII — Polskie zasoby i społeczności

Portale i blogi

• AI w Polsce — aktualności, wywiady, edukacja
• Sztuczna Inteligencja PL — społeczność na Facebooku
• No Fluff Jobs – AI — oferty pracy i artykuły branżowe

Kursy po polsku

Instytucje i inicjatywy

• NASK – Centrum AI — badania i edukacja AI w Polsce
• IDEAS NCBR — centrum badań AI przy NCBR
• Centrum Cyfrowe — polityka cyfrowa i AI w Polsce
• UW – AI w dydaktyce — wdrożenie NotebookLM i Gemini na Uniwersytecie Warszawskim (2026)

Konferencje i wydarzenia 2026

• DataWeek 2026 — 5–6 maja, Oslo — „Data Fjords: Unlocking AI for Industry and Society"
• Digital Decade Strategic Workshop — Komisja Europejska, online, marzec 2026
• Forum Prawno-Ekonomiczne „AI – wyzwania i możliwości" — Politechnika Częstochowska, 19 marca 2026

Mapa drogowa: od czego zacząć?

Jeśli nie wiesz, od czego zacząć, skorzystaj z tej ścieżki:

Tydzień 1–2 — Fundament

1. Ukończ Elements of AI (bezpłatny, po polsku, ~6 godzin)
2. Przejrzyj Prompt Engineering Guide
3. Zapisz się do newslettera The Rundown AI — codzienny przegląd w 5 minut

Tydzień 3–4 — Praktyka 4. Zrób kurs ChatGPT Prompt Engineering for Developers (~1,5 godziny) 5. Wypróbuj NotebookLM — załaduj artykuł naukowy i wygeneruj podcast 6. Sprawdź, czy Twoja uczelnia ma dostęp do Google Workspace for Education (NotebookLM + Gemini)

Miesiąc 2 — Pogłębienie 7. Wybierz jeden kurs z sekcji odpowiadającej Twojej dziedzinie (nauka, programowanie, etyka) 8. Zacznij śledzić Andrej Karpathy na YouTube — seria „Neural Networks: Zero to Hero" 9. Przeczytaj State of AI Report 2025 — żeby rozumieć, gdzie jesteśmy

Miesiąc 3+ — Specjalizacja 10. Dla programistów: wypróbuj Cursor lub Claude Code 11. Dla badaczy: zainstaluj Elicit i Consensus 12. Dla wszystkich: przeczytaj OECD Digital Education Outlook 2026

Licencja: CC BY-SA 4.0 — możesz swobodnie używać, adaptować i udostępniać z podaniem źródła.

FAQ (rozwiń)

Ucz się z tym plikiem MDX w narzędziach AI