Podsumowanie AI
- Temat: AI na co dzień – Porównanie narzędzi
- Cel materiału: Praktyczne porównanie głównych narzędzi AI dostępnych w 2026 — od ChatGPT po lokalne modele — z naciskiem na dobór narzędzia do zadania i świadomość prywatności danych badawczych.
- Jak pracować z treścią: czytaj sekcjami, testuj zrozumienie pytaniami i wykorzystuj AI do aktywnej powtórki.
Wprowadzenie
W poprzednim module zbudowałeś/zbudowałaś fundament pojęciowy — wiesz już czym jest LLM, RAG i agent AI. Czas przejść od teorii do praktyki: jakiego narzędzia używać i kiedy?
W 2026 roku liczba dostępnych modeli i interfejsów jest przytłaczająca. Tylko przez OpenRouter masz dostęp do ponad 290 modeli od kilkudziesięciu dostawców. ChatGPT, Claude, Gemini — każde z tych narzędzi ma swoje mocne strony, ograniczenia i — co kluczowe dla studenta — różne polityki prywatności danych.
Ten moduł daje Ci mapę tego ekosystemu i kompas do podejmowania świadomych wyborów. Nie chodzi o to, żeby znaleźć „jedno najlepsze" narzędzie. Chodzi o to, żebyś wiedział/wiedziała które narzędzie wybrać do konkretnego zadania — i kiedy żadne z chmurowych nie powinno zobaczyć Twoich danych.
1. Mapa ekosystemu AI w 2026
1.1 Trzy kategorie narzędzi
Zanim przejdziemy do konkretnych produktów, warto zrozumieć podział rynku:
Zamknięte modele chmurowe to narzędzia firm takich jak OpenAI (ChatGPT), Anthropic (Claude) i Google (Gemini). Trenowane na ogromnych zbiorach danych, oferowane jako subskrypcje lub API. Twoje dane trafiają na serwery tych firm.
Otwarte modele lokalne to modele, których wagi są publicznie dostępne — Llama (Meta), Mistral, Phi (Microsoft), DeepSeek. Możesz uruchomić je na własnym komputerze przez LM Studio. Twoje dane nie opuszczają komputera.
Agregatory i narzędzia hybrydowe to serwisy takie jak OpenRouter (dostęp do 290+ modeli przez jedno API), Perplexity AI (wyszukiwarka z LLM), czy NotebookLM (RAG na Twoich dokumentach).
1.2 OpenRouter — jeden klucz do wszystkich modeli
OpenRouter to agregator API, który daje dostęp do ponad 290 modeli od wszystkich głównych dostawców przez jeden klucz API i jeden system rozliczeń. Nie dodaje marży na tokenach — pobiera jednorazową opłatę 5,5% przy zakupie kredytów.
Dlaczego to ważne dla warsztatów? Zamiast zakładać 5 osobnych kont i zarządzać 5 kluczami API, w ramach AI Literacy Lab każdy uczestnik dostał kredyty OpenRouter — i ma dostęp do wszystkich modeli omówionych w tym module przez jeden interfejs.
Darmowe modele na OpenRouter (marzec 2026, bez karty kredytowej):
- Meta: Llama 4 Scout (10M context!)
- Google: Gemini 2.5 Flash 8B
- Mistral: Mistral 7B Instruct
- DeepSeek: DeepSeek V3.2 (256K context)
- NVIDIA: Llama 3.3 Nemotron 70B
Łącznie: 25+ modeli za $0
Limity darmowe: 20 zapytań/minutę, 200 zapytań/dzień — wystarczające do ćwiczeń.
2. Przegląd głównych narzędzi (stan marzec 2026)
2.1 ChatGPT (OpenAI)
Czym jest: Najbardziej rozpoznawalne narzędzie AI na świecie. W marcu 2026 działa na modelach rodziny GPT-5.2 i GPT-5.4 (w zależności od planu).
Plany i limity (źródło: chatgpt.com/pricing, 27.03.2026):
| Plan | Cena | Modele | Limity | Reklamy |
|---|---|---|---|---|
| Free | $0 | GPT-5.3 (ograniczony) | ~10 wiad./5h, potem downgrade | Tak (USA, od 02.2026) |
| Go | $8/mies. | GPT-5.2 | Wyższe, bez reklam | Nie |
| Plus | $20/mies. | GPT-5.4 Thinking | ~320 stron kontekstu, Deep Research 10×/mies. | Nie |
| Pro | $200/mies. | GPT-5.4 Pro (unlimited) | Bez limitów, 400K ctx | Nie |
Mocne strony: Ogromna baza użytkowników = bogata dokumentacja i pomoc online. Najszerszy ekosystem (DALL-E, Sora, Codex). Świetny do zadań kreatywnych i analizy kodu.
Słabe strony: Modele GPT-5.x na planie Free są mocno ograniczone. Od lutego 2026 Free ma reklamy (w USA). Polityka prywatności mniej transparentna niż Claude.
Polityka prywatności i trening modelu:
- Domyślnie: Twoje rozmowy mogą być używane do trenowania modeli
- Opt-out: Ustawienia → Kontrola danych → Wyłącz „Improve model for everyone"
- API i plan Business/Enterprise: Dane NIE są używane do trenowania domyślnie
Ważne dla studentów: Jeśli wklejasz fragmenty niepublikowanej pracy badawczej, wyników badań lub danych osobowych respondentów — wyłącz trenowanie lub użyj API / planu Business.
2.2 Claude (Anthropic)
Czym jest: Model AI stworzony przez Anthropic z myślą o bezpieczeństwie i konstytucjonalnym AI. Wyróżnia się największym oknem kontekstu (1M tokenów) i świetną jakością analizy długich dokumentów.
Plany i limity (źródło: claude.ai/pricing, 27.03.2026):
| Plan | Cena | Modele | Charakterystyka |
|---|---|---|---|
| Free | $0 | Sonnet 4.6, Haiku 4.5 | ~10–15 wiad./sesję (nieoficjalnie), brak Projects |
| Pro | $20/mies. ($17 rocznie) | Opus 4.6 + Sonnet + Haiku | ~45 wiad./5h (nieoficjalnie), Projects, Claude Code, pamięć |
| Max 5× | $100/mies. | Jak Pro | 5× więcej niż Pro, Claude w PowerPoint |
| Max 20× | $200/mies. | Jak Pro | 20× więcej niż Pro, priorytet |
| Team | $25/seat/mies. | Jak Pro | Brak trenowania na danych domyślnie, admin |
| Enterprise | Custom | Jak Pro | SSO, SCIM, 500K ctx, HIPAA |
Anthropic oferuje plan edukacyjny dla uczelni — warto sprawdzić czy UJ posiada licencję instytucjonalną.
Mocne strony: Najlepszy do analizy bardzo długich dokumentów (1M tokenów = 750 tys. słów). Wysoka jakość writing i reasoning. Transparentna polityka bezpieczeństwa. Projekty (Projects) — Claude pamięta kontekst między sesjami.
Słabe strony: Anthropic nie publikuje dokładnych limitów wiadomości — trudno zaplanować intensywną pracę. Brak natywnej integracji z wyszukiwaniem w darmowym planie (tylko Pro).
Polityka prywatności:
- Free/Pro: Treści mogą być przeglądane przez pracowników dla bezpieczeństwa; możliwe użycie do trenowania (opt-out dostępny)
- Team/Enterprise: Brak trenowania na danych klientów domyślnie — kluczowe dla danych badawczych
2.3 Gemini (Google)
Czym jest: Model AI Google, głęboko zintegrowany z ekosystemem Google (Workspace, Dysk, Gmail). W marcu 2026 dostępne modele Gemini 3.x.
Plany (źródło: one.google.com/about/ai-premium, 27.03.2026):
| Plan | Cena | Modele | Charakterystyka |
|---|---|---|---|
| Free | $0 | Gemini 3 Flash (8B) | Ograniczone zapytania |
| Google AI Pro | ~$22/mies. | Gemini 3.1 Pro (1M ctx) | Integracja z Workspace |
| API (przez OpenRouter) | $2/1M input, $12/1M output | Gemini 3.1 Pro | Pay-per-use |
Mocne strony: Najlepsza integracja z Google Workspace (Docs, Sheets, Drive). Świetne do analizy obrazów i multimediów. Model Gemini 3 Flash jest darmowy i szybki dla prostych zadań.
Słabe strony: Dane powiązane z kontem Google — jeśli korzystasz z Google'a w celach prywatnych, Gemini ma dostęp do szerokiego kontekstu o Tobie. Gorszy od Claude w długich analizach dokumentów.
Polityka prywatności:
- Rozmowy mogą być przeglądane przez pracowników Google
- Historię można wyłączyć: Gemini → Kontrola aktywności Gemini
2.4 Perplexity AI
Czym jest: Wyszukiwarka z wbudowanym LLM — hybrid między Google a ChatGPT. Każda odpowiedź zawiera cytowania do aktualnych stron internetowych. To narzędzie z RAG domyślnie.
Plany (źródło: perplexity.ai, 27.03.2026):
| Plan | Cena | Charakterystyka |
|---|---|---|
| Free | $0 | Podstawowe wyszukiwanie, ograniczone Pro Searches |
| Pro | $20/mies. ($200/rok) | Unlimited Pro Searches, zaawansowane modele, upload plików, generowanie obrazów |
| Education Pro | $10/mies. (weryfikacja statusu studenta przez SheerID) | Wszystko co Pro, dostęp do Perplexity Academic |
| Max | $200/mies. | Unlimited wszystkiego, wczesny dostęp do nowych modeli |
Dla studentów UJ: Sprawdź Perplexity Education Pro ($10/mies.) — po weryfikacji statusu studenta dostajesz pełny dostęp.
Mocne strony: Zawsze aktualne informacje z internetu. Cytowania ułatwiają weryfikację. Idealne do quick research i fact-checking. Tryb „Academic" przeszukuje recenzowane bazy.
Słabe strony: Nie zastąpi głębokiej analizy dokumentów. Jakość wychodzi poza wyszukiwaniem jest słabsza niż dedykowanych modeli.
Kiedy używać Perplexity zamiast Google:
- Chcesz syntetycznej odpowiedzi, nie listy linków
- Potrzebujesz aktualnych danych z cytatami
- Sprawdzasz czy artykuł/osoba istnieje
- Szybkie porównanie kilku źródeł
2.5 LM Studio — lokalne modele
Czym jest: Aplikacja desktopowa umożliwiająca uruchomienie modeli językowych w 100% lokalnie — na własnym komputerze, bez połączenia z internetem, bez wysyłania danych na zewnątrz.
Aktualna wersja: LM Studio 0.3.x (sprawdź lmstudio.ai dla najnowszej)
Wymagania sprzętowe:
| Konfiguracja | Modele które uruchomisz | Przykład |
|---|---|---|
| 8GB RAM (bez GPU) | Modele 3–7B (jakość dobra) | Phi-4 Mini, Gemma 3 2B |
| 16GB RAM | Modele 7–13B (jakość bardzo dobra) | Mistral 7B, Llama 3.2 8B |
| 32GB RAM / GPU 12GB | Modele 13–30B (jakość frontier-like) | Qwen 2.5 14B |
| GPU 24GB+ | Modele 70B+ | Llama 4 Scout, Qwen 72B |
Instalacja krok po kroku:
- Pobierz LM Studio z lmstudio.ai (Windows/Mac/Linux)
- Uruchom aplikację → zakładka Discover
- W wyszukiwarce wpisz
phi-4-mini(model ok. 2,5 GB, działa na 8GB RAM) - Kliknij Download → poczekaj na pobranie
- Przejdź do zakładki Chat → wybierz pobrany model
- Zacznij rozmawiać — wszystko działa lokalnie
Mocne strony: Pełna prywatność — zero wysyłania danych. Działa offline. Brak limitów zapytań. Możliwość pracy z danymi wrażliwymi (dane osobowe, niepublikowane wyniki badań).
Słabe strony: Modele lokalne są słabsze od frontier models. Wymaga miejsca na dysku (modele 2–40 GB). Na słabym sprzęcie generowanie jest wolne.
3. Tabela porównawcza — przewodnik decyzyjny
Poniższa tabela pomaga wybrać narzędzie do konkretnego zadania. Źródła: oficjalne strony narzędzi, zweryfikowane 27.03.2026.
| Kryterium | ChatGPT Plus | Claude Pro | Gemini Pro | Perplexity Pro | LM Studio |
|---|---|---|---|---|---|
| Cena/mies. | $20 | $20 | ~$22 | $20 ($10 edu) | Bezpłatne |
| Darmowy tier | Ograniczony, reklamy (USA) | Tak, bez reklam | Tak | Tak | — |
| Okno kontekstu | 320K (Plus) | 1M | 1M | ~200K | Zależy od modelu |
| Aktualne dane | Tak (web search) | Tak (web search Pro) | Tak | Tak (domyślnie) | Nie (offline) |
| Prywatność | Opt-out trenowania | Opt-out trenowania | Powiązane z Google | Opt-out | Pełna — lokalnie |
| Najlepsze do | Kreatywne, kod, ekosystem | Długie dok., analiza, pisanie | Google Workspace | Research, fact-checking | Dane wrażliwe, offline |
| Słabe strony | Limity, reklamy (Free) | Niepublikowane limity | Ekosystem Google | Nie zastąpi głębokiej analizy | Słabszy model, wolny |
| Bezpłatny model | GPT-5.3 (ograniczony) | Sonnet 4.6 (ograniczony) | Gemini 3 Flash | Podstawowe wyszukiwanie | Phi-4 Mini, Llama |
4. Prywatność i RODO — co musisz wiedzieć jako student-badacz
4.1 Co faktycznie wysyłasz do chmury?
Kiedy piszesz do ChatGPT, Claude czy Gemini, na serwery firmy trafiają:
- Treść Twoich promptów (wszystko co napiszesz)
- Treść wklejonych dokumentów i plików
- Historia rozmów (do momentu jej usunięcia)
- Metadane: czas, urządzenie, IP
4.2 Kiedy dane mogą trafić do treningu modelu?
Domyślnie — u wszystkich darmowych dostawców — tak. Możesz to wyłączyć:
ChatGPT:
Ustawienia (ikona profilu) → Ustawienia → Kontrola danych
→ Wyłącz: "Popraw model dla wszystkich"
Claude.ai:
Ustawienia → Prywatność
→ Wyłącz: "Ulepszaj produkty Anthropic"
(lub korzystaj z planu Team/Enterprise — tam domyślnie wyłączone)
Gemini:
Konto Google → Dane i prywatność → Kontrola aktywności Gemini
→ Wyłącz historię aktywności Gemini
4.3 Trzy zasady bezpiecznego korzystania z AI w badaniach
Zasada 1 — Dane osobowe respondentów: Nigdy nie wklejaj do modeli chmurowych danych osobowych uczestników badania (imię, wiek, miejsce zamieszkania, odpowiedzi z wywiadu). To naruszenie RODO. Zanonimizuj dane przed wklejeniem.
Zasada 2 — Niepublikowane wyniki badań: Jeśli prowadzisz badania i masz wyniki, które jeszcze nie zostały opublikowane — nie wklejaj ich do modeli chmurowych bez opt-out trenowania lub bez planu Enterprise. Możesz stracić pierwszeństwo odkrycia.
Zasada 3 — Dane wrażliwe = model lokalny: Jeśli Twoje dane wymagają poufności (wywiad kliniczny, dane medyczne, wrażliwe dane socjoekonomiczne) — użyj LM Studio. Żadne dane nie opuszczą Twojego komputera.
4.4 RODO i modele AI
Rozporządzenie AI Act (UE) weszło w życie stopniowo w latach 2024–2026. Kluczowe z perspektywy studenta:
- Narzędzia AI do oceny studentów (np. systemów antyplagiatowych z AI) wymagają transparentności
- Przetwarzanie danych osobowych przez LLM podlega RODO — dostawcy (OpenAI, Anthropic, Google) muszą mieć DPA (Data Processing Agreement)
- Twoje dane przesyłane do serwerów USA są objęte mechanizmami transfer (Privacy Shield następca, SCC)
5. Dobór narzędzia do zadania — praktyczna matryca
Studenci WZiKS i ISI UJ mają różne potrzeby. Oto jak dobierać narzędzie:
| Zadanie | Rekomendowane narzędzie | Dlaczego |
|---|---|---|
| Szybkie sprawdzenie faktu / aktualności | Perplexity AI | RAG domyślnie, cytowania |
| Analiza długiego artykułu PDF | Claude Pro lub NotebookLM | 1M token context, RAG na plikach |
| Pisanie i korekta tekstu akademickiego | Claude Pro | Najlepsza jakość writing |
| Generowanie i debugowanie kodu | ChatGPT Plus lub Claude Pro | Oba bardzo dobre, Codex w ChatGPT |
| Praca z Google Docs/Sheets | Gemini Pro | Natywna integracja |
| Dane wrażliwe / praca offline | LM Studio | Pełna prywatność |
| Porównanie wielu modeli | OpenRouter | Jeden interfejs, 290+ modeli |
| Szybki chat bez rejestracji | Claude Free lub ChatGPT Free | Bez reklam (Claude), dobre modele |
| Streszczenie wielu własnych PDF-ów | NotebookLM (Google) | RAG na własnych dokumentach, bezpłatne |
6. Przebieg modułu — timeline
| Czas | Aktywność | Forma |
|---|---|---|
| 0–10 min | Ankieta wstępna: z jakich narzędzi już korzystasz? | Mentimeter |
| 10–30 min | Mini-wykład: mapa ekosystemu, przegląd narzędzi | Wykład + demo |
| 30–60 min | Ćwiczenie 1: Live comparison — to samo zadanie w 4 narzędziach | Praca w parach |
| 60–80 min | Ćwiczenie 2: Test prywatności — wyłączenie trenowania | Praca własna |
| 80–110 min | Ćwiczenie 3: Instalacja i konfiguracja LM Studio | Praca własna |
| 110–120 min | Podsumowanie, budowanie tabeli rekomendacji, Q&A | Dyskusja grupowa |
7. Ćwiczenia praktyczne
Ćwiczenie 1 — Live Comparison: to samo zadanie, 4 narzędzia (30 min)
Cel: Zobaczyć różnice między narzędziami na własne oczy — nie z opisu, ale z praktyki.
Przygotowanie: Prowadzący dostarcza abstrakt artykułu naukowego (1 akapit po angielsku, z bazy Semantic Scholar). Każdy uczestnik otwiera 4 zakładki w przeglądarce.
Zadanie: Wklej do każdego narzędzia ten sam prompt:
Jesteś asystentem badawczym. Przeczytaj poniższy abstrakt artykułu naukowego
i wykonaj następujące zadania:
1. Streszczenie w 2 zdaniach (po polsku)
2. Typ badania (jakościowe/ilościowe/mixed methods)
3. Główny wynik lub wniosek
4. Jedno ograniczenie badania, które dostrzegasz
Abstrakt: [wklej dostarczony abstrakt]
Tabela oceny (wypełnij dla każdego narzędzia):
| Kryterium | ChatGPT | Claude | Gemini | Perplexity |
|---|---|---|---|---|
| Poprawność streszczenia (1–5) | ||||
| Poprawność typu badania (T/N) | ||||
| Jakość języka polskiego (1–5) | ||||
| Czy podało cytowania/źródła? | ||||
| Czas odpowiedzi (sekundy) | ||||
| Zauważone halucynacje? |
Omówienie po ćwiczeniu:
- Które narzędzie wypadło najlepiej? Dlaczego?
- Czy któreś podało fałszywe informacje?
- Czy Perplexity podało więcej kontekstu (RAG)?
Ćwiczenie 2 — Test prywatności (20 min)
Cel: Świadome skonfigurowanie narzędzi pod kątem ochrony danych.
Krok 1 — ChatGPT:
- Zaloguj się na chat.openai.com
- Kliknij ikonę profilu (prawy górny róg) → Ustawienia
- Zakładka Kontrola danych (lub Data controls)
- Sprawdź czy opcja „Ulepsz model dla wszystkich" jest włączona
- Wyłącz ją jeśli jest włączona
- Sprawdź sekcję Historii czatu — kiedy historia jest wyłączona, rozmowy nie są zapisywane ani używane do trenowania
Krok 2 — Claude.ai:
- Zaloguj się na claude.ai
- Kliknij inicjały (prawy górny róg) → Ustawienia
- Znajdź sekcję prywatności
- Sprawdź opcje dotyczące trenowania modelu
Krok 3 — Porównaj polityki: Wejdź na:
Odpowiedz na pytania:
- Jak długo dane są przechowywane domyślnie?
- Czy firmy mają DPA dla europejskich użytkowników?
- Co dzieje się z danymi po usunięciu konta?
Ćwiczenie 3 — Instalacja i konfiguracja LM Studio (30 min)
Cel: Uruchomić lokalny model językowy i zrozumieć różnicę w prywatności.
Krok 1 — Pobierz i zainstaluj:
- Wejdź na lmstudio.ai
- Pobierz wersję dla swojego systemu (Windows/Mac/Linux)
- Zainstaluj — nie wymaga uprawnień administratora
Krok 2 — Pobierz model:
- Uruchom LM Studio → zakładka Discover (lupa)
- Wyszukaj:
microsoft/phi-4-mini-instruct - Kliknij Download Q4_K_M (około 2,5 GB — dobry balans jakości i rozmiaru)
- Poczekaj na pobranie (zależy od łącza, ~5–10 min na dobrym WiFi)
Krok 3 — Pierwsza rozmowa lokalnie:
- Zakładka Chat (ikona wiadomości)
- Z listy modeli wybierz pobrany phi-4-mini
- Zadaj to samo pytanie co w Ćwiczeniu 1
- Porównaj jakość z odpowiedziami z chmury
Krok 4 — Weryfikacja prywatności:
- Odłącz komputer od sieci WiFi
- Zadaj pytanie w LM Studio — czy nadal działa?
- Otwórz Menedżera zadań/Activity Monitor podczas rozmowy
- Sprawdź czy LM Studio wykonuje jakiekolwiek połączenia sieciowe
Pytania do refleksji:
- W jakich sytuacjach na studiach możesz potrzebować modelu lokalnego?
- Jak jakość phi-4-mini porównuje się z Claude czy ChatGPT?
- Jaki jest kompromis: prywatność vs. jakość modelu?
8. Narzędzia i zasoby
Linki do omówionych narzędzi
| Narzędzie | Link | Darmowe konto |
|---|---|---|
| ChatGPT | chat.openai.com | Tak (z reklamami w USA) |
| Claude | claude.ai | Tak (bez reklam) |
| Gemini | gemini.google.com | Tak (konto Google) |
| Perplexity | perplexity.ai | Tak; edu: $10 |
| LM Studio | lmstudio.ai | Tak (aplikacja) |
| OpenRouter | openrouter.ai | Tak (25+ modeli gratis) |
| NotebookLM | notebooklm.google.com | Tak |
Przydatne narzędzia pomocnicze
- DeepL (deepl.com) — tłumaczenie artykułów naukowych na język roboczy
- Kalkulator tokenów (langcopilot.com/tools/token-calculator) — sprawdzanie kosztów przed wysłaniem zapytania
- Porównywarka modeli AI (lmsys.org/chatbot-arena) — community ranking modeli w zadaniach praktycznych
9. Pytania kontrolne
Po module odpowiedz na poniższe pytania:
-
Masz przeprowadzić wywiad z 20 respondentami i chcesz użyć AI do transkrypcji i analizy. Które narzędzie wybierzesz i dlaczego? Jakie kroki podejmiesz aby zapewnić zgodność z RODO?
-
Piszesz pracę dyplomową i potrzebujesz AI do korekty językowej polskiego tekstu (50 stron). ChatGPT Free, Claude Free, czy LM Studio — co wybierasz i dlaczego?
-
Na której stronie w ustawieniach ChatGPT można wyłączyć używanie rozmów do trenowania modelu? Opisz ścieżkę klikania.
-
Twój kolega twierdzi, że „Perplexity jest lepsze od Google Scholar do szukania artykułów". Zgadzasz się? Kiedy tak, kiedy nie?
-
Komputer koleżanki ma 8GB RAM i brak dedykowanej karty graficznej. Który model polecisz jej w LM Studio i dlaczego?
-
Jaka jest różnica między planem Free a Pro w Claude pod względem prywatności danych? Kiedy ta różnica ma znaczenie?
10. Materiały do dalszej nauki
- Oficjalne porównanie modeli Anthropic: anthropic.com/claude/compare
- OpenRouter modele i ceny (aktualizowane codziennie): openrouter.ai/models
- LMSYS Chatbot Arena — crowdsourced benchmark modeli na prawdziwych zadaniach: lmsys.org/chatbot-arena
- Perplexity Education Pro — weryfikacja statusu studenta przez SheerID: perplexity.ai/hub/education
- Polityka prywatności OpenAI: openai.com/policies/privacy-policy
- Polityka prywatności Anthropic: anthropic.com/privacy
- AI Act UE — podsumowanie dla użytkowników: digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
- LM Studio dokumentacja i poradniki: lmstudio.ai/docs
FAQ (rozwiń)
Jak najlepiej uczyć się z tego materiału?
- Przeczytaj całość raz bez notowania.
- Wypisz 3 najważniejsze pojęcia i 3 pytania, które masz po lekturze.
- Wykonaj mini-ćwiczenie: streść materiał własnymi słowami w 5-7 punktach.
Czy mogę używać AI do wyjaśniania trudnych fragmentów?
Tak. Najlepiej wklejać konkretny fragment i prosić model o:
- wyjaśnienie prostym językiem,
- przykład praktyczny,
- pytanie kontrolne sprawdzające zrozumienie.
Jak zweryfikować poprawność odpowiedzi modelu?
- porównuj odpowiedź z treścią tego pliku,
- sprawdzaj pojęcia w wiarygodnych źródłach,
- nie kopiuj bezrefleksyjnie wygenerowanych wniosków.
Co zrobić, jeśli materiał jest za długi?
Podziel go na sekcje i pracuj etapami: sekcja -> streszczenie -> pytania -> test wiedzy.
Ucz się z tym plikiem MDX w narzędziach AI
Kliknij narzędzie, aby otworzyć nowe okno z gotowym promptem do nauki. Następnie dołącz plik MDX i rozpocznij pracę.