Série
Základy AI
Série od celkové mapy umělé inteligence po jednotlivé algoritmy. Každý díl jde číst samostatně — přesné definice pro ty, kdo je chtějí, laické vysvětlení pro všechny.
-
Osnova
Osnova série Základy AI: od základů po jazykové modely a agenty
Mapa všech článků série — matematika, hledání, strojové učení, zpracování signálu, neuronové sítě, LSTM, transformery, generativní modely a AI agenti.
-
Díl 1
Mapa umělé inteligence: co je co a jak to do sebe zapadá
Umělá inteligence, strojové učení, hluboké učení, jazykové modely a AI agenti — jak spolu souvisí, na jedné stránce. Úvodní díl série Základy AI.
-
Díl 2
Stručná historie umělé inteligence: od Turinga po jazykové modely
Turingův test, Dartmouthský seminář, zlatá léta, dvě zimy AI a expertní systémy, statistické učení, hluboké učení a jazykové modely — časová osa s odkazy na díly série a hořká lekce sedmdesáti let výzkumu.
-
Díl 3
Data, model, trénink, inference: základní pojmy na jednom příkladu
Celá cesta strojového učení na odhadu ceny bytu: data a jejich rozdělení, model s parametry, trénink gradientním sestupem, hyperparametry a rychlost učení, vyhodnocení, inference a slovníček pojmů s odkazy na díly série.
-
Díl 4
Jak číst matematický zápis: symboly, indexy, sumy a kvantifikátory
Slovníček asi čtyřiceti symbolů, se kterým přečtete každou definici v sérii Základy AI — od indexů a řeckých písmen přes ∑ a argmin po ∀ a ∃. S tahákem na konci.
-
Díl 5
Množiny a relace: stavebnice, ze které se skládají definice v AI
Množiny, podmnožiny, operace, kartézský součin, relace, ekvivalence a uspořádání — s Vennovými diagramy, maticí relace a tím, k čemu je to všechno v umělé inteligenci.
-
Díl 6
Funkce a zobrazení: proč je každý model v AI funkce
Definiční obor, obraz, injektivita, skládání, inverze, funkce více proměnných a konvexita — s grafy sigmoidy, ReLU a chybové krajiny.
-
Díl 7
Logika a důkazy: pravidla, podle kterých se v AI uvažuje
Výroky, spojky a pravdivostní tabulky, past s implikací, kvantifikátory a druhy důkazů — a proč XOR zastavil první neuronové sítě.
-
Díl 8
Grafy a stromy: struktura, na které stojí hledání i neuronové sítě
Vrcholy a hrany, stupně, matice sousednosti, cesty a komponenty, BFS a Dijkstra, stromy, minimální kostra a výpočetní graf neuronu — vše na jednom grafu se sedmi městy.
-
Díl 9
Lineární algebra pro strojové učení: vektory, matice a proč AI hlavně násobí
Vektory, skalární součin a kosinová podobnost, matice jako transformace, determinant, vrstva neuronové sítě jako Wx + b a vlastní vektory — s obrázky, které spočítá kód.
-
Díl 10
Derivace, gradient a řetízkové pravidlo: jak model zjistí, kterým směrem se učit
Derivace jako rychlost změny, parciální derivace, gradient a řetízkové pravidlo — a zpětné šíření chyby spočítané číslo po čísle na jednom neuronu.
-
Díl 11
Gradientní sestup: jak se model učí
Rychlost učení, cik-cak v úzkých údolích, momentum, Adam, stochastický sestup po dávkách a lokální minima — s animacemi skutečných trajektorií.
-
Díl 12
Co je pravděpodobnost: od hodu kostkou ke Kolmogorovovým axiomům
Náhodný pokus, prostor výsledků, jevy a operace s nimi, klasická a četnostní pravděpodobnost a axiomy, na kterých stojí všechno další — na příkladu dvou kostek.
-
Díl 13
Podmíněná pravděpodobnost a Bayesova věta: jak změnit odhad, když se dozvíte něco nového
Podmíněná pravděpodobnost, pravidlo součinu, nezávislost, úplná pravděpodobnost a Bayesova věta — a proč pozitivní test na vzácnou nemoc znamená jen 16,7 %.
-
Díl 14
Náhodná veličina a distribuční funkce: jedna funkce, která o rozdělení řekne všechno
Co je náhodná veličina, rozdělení a distribuční funkce, čím se liší diskrétní a spojité veličiny a jak se distribuční funkce odhadne z dat.
-
Díl 15
Funkce hustoty a pravděpodobnostní funkce: proč má spojitá veličina v bodě pravděpodobnost nula
Pravděpodobnostní funkce, hustota pravděpodobnosti a plocha pod křivkou — proč hustota není pravděpodobnost, může být větší než 1 a jak ji z dat odhadne histogram.
-
Díl 16
Střední hodnota, rozptyl a kovariance: kde rozdělení leží, jak je široké a co s čím souvisí
Střední hodnota jako těžiště, linearita, rozptyl a směrodatná odchylka, Čebyševova nerovnost, kovariance a korelace — a proč nulová kovariance ještě neznamená nezávislost.
-
Díl 17
Přehled pravděpodobnostních rozdělení: Bernoulli, binomické, Poisson, rovnoměrné, normální a exponenciální
Šest nejdůležitějších rozdělení s definicemi, středními hodnotami a rozptyly — Galtonova deska, Poissonova limitní věta, pravidlo 68–95–99,7 a kdy které rozdělení použít.
-
Díl 18
Zákon velkých čísel a centrální limitní věta: proč se průměry chovají tak předvídatelně
Výběrový průměr, zákon velkých čísel a centrální limitní věta s animacemi — proč je normální rozdělení všude, odkud se bere chyba průzkumů ±3 % a proč dvakrát přesnější odhad stojí čtyřikrát víc dat.
-
Díl 19
Statistika a odhady parametrů: maximální věrohodnost, MAP a intervaly spolehlivosti
Výběr, odhad, nestrannost a proč výběrový rozptyl dělí n − 1, metoda maximální věrohodnosti, bayesovský odhad MAP a intervaly spolehlivosti — a proč je trénování neuronové sítě odhad parametrů.
-
Díl 20
Teorie informace: entropie, křížová entropie a KL divergence — odkud se berou ztrátové funkce
Informace jako překvapení, entropie a Huffmanův kód, křížová entropie, KL divergence a informační zisk — a proč je ztrátová funkce jazykových modelů křížová entropie.
-
Díl 21
Prohledávání stavového prostoru: BFS, DFS, UCS a A* s animacemi
Základy umělé inteligence názorně: co je stavový prostor, jak fungují BFS, DFS, UCS, hladové hledání a A*, co je heuristika a jak s tím souvisí strojové učení.
-
Díl 22
Hry a protivník: minimax, alfa-beta ořezávání a Monte Carlo tree search
Hra jako úloha prohledávání, herní strom, minimax, alfa-beta ořezávání, ohodnocovací funkce a MCTS — na piškvorkách, kde se dá spočítat všechno, a s cestou od Deep Blue k AlphaZero.
-
Díl 23
Splňování omezujících podmínek: backtracking, propagace omezení a AC-3 na sudoku a mapě krajů
Proměnné, domény a podmínky, graf podmínek, backtracking, heuristiky MRV a LCV, dopředná kontrola, AC-3 a min-conflicts — na barvení krajů Česka, sudoku a osmi dámách.
-
Díl 24
Logika a znalostní systémy: dopředné a zpětné řetězení, rezoluce a expertní systémy
Znalostní báze, vyplývání a kontrola modelů, Hornovy klauzule, dopředné a zpětné řetězení, rezoluce, Prolog a expertní systémy od MYCINu po znalostní grafy — na malém systému, který pozná zvíře.
-
Díl 25
Plánování: STRIPS, svět kostek, heuristiky z relaxace a plánování v AI agentech
Jazyk STRIPS a PDDL, dopředné a zpětné plánování, heuristiky hmax a hadd, Sussmanova anomálie, hierarchické plánování a přeplánování — od robota Shakeyho po AI agenty, kteří si píšou seznam úkolů.
-
Díl 26
Lokální hledání a simulované žíhání: obchodní cestující přes krajská města
Optimalizační úloha, problém obchodního cestujícího, horolezec s okolím 2-opt, lokální minima a restarty, simulované žíhání, teplota a rozvrh chlazení — na trase přes třináct krajských měst se známým optimem.
-
Díl 27
Genetické algoritmy: populace, křížení, mutace a výběr na batohu na výlet
Genom a zdatnost, turnajový výběr, jednobodové křížení, mutace a elitismus, věta o schématech a předčasná konvergence — na úloze batohu se známým optimem, od stanu po FunSearch a AlphaEvolve.
-
Díl 28
Evoluční strategie a genetické programování: od pravidla jedné pětiny po Keplerův zákon
(1+1)-ES a pravidlo jedné pětiny, populace a sebeadaptace na Rastriginově funkci, CMA-ES, programy jako stromy, symbolická regrese, která z dat o planetách najde Keplerův třetí zákon, a nabobtnání programů.
-
Díl 29
Optimalizace mravenčí kolonií: jak feromonová stopa najde krátkou cestu
Stigmergie, pokus s dvojitým mostem, Dorigův mravenčí systém, role parametrů α, β a ρ a vylepšené varianty — na okruhu přes krajská města a na 60 městech, ve srovnání se žíháním.
-
Díl 30
Optimalizace hejnem částic: setrvačnost, vlastní zkušenost a zkušenost hejna
Boidi a hejna, algoritmus PSO, tři složky rychlosti, běh na Rastriginově funkci ve srovnání s evoluční strategií, role setrvačnosti, stabilita částice, topologie hejna a věta o žádném obědu zdarma.
-
Díl 31
Neuroevoluce: evoluce vah i tvaru neuronových sítí a algoritmus NEAT
Neuron a síť v kostce, evoluce regulátoru pro kyvadlo na vozíku, proč evoluce místo gradientu, XOR a skryté neurony, NEAT s historickými značkami a speciací, co se stane bez speciace a následovníci od HyperNEAT po AmoebaNet.
-
Díl 32
Fuzzy množiny a funkce příslušnosti: jak zapsat „trochu teplo“
Ostrá hranice a paradox hromady, fuzzy množina a stupeň příslušnosti, tvary funkcí příslušnosti, lingvistická proměnná, nosič, jádro a α-řezy, Zadehovy operace a modifikátory „velmi“ a „trochu“ — na teplotě od zimy po horko.
-
Díl 33
Fuzzy logika a pravděpodobnost: proč „trochu teplo“ neznamená „pravděpodobně teplo“
Náhodnost a vágnost, Bezdekovy dvě láhve, axiomy pravděpodobnosti proti fuzzy příslušnosti, Fréchetovy meze, pravděpodobnost fuzzy jevu na předpovědi počasí a slova o pravděpodobnosti jako fuzzy množiny.
-
Díl 34
Fuzzy logika: t-normy, implikace a pravidla KDYŽ–PAK
Stupně pravdivosti, t-normy a t-konormy (minimum, součin, Łukasiewicz), které klasické zákony přežijí, reziduované implikace a vyhodnocení pravidel na ventilátoru řízeném teplotou a vlhkostí.
-
Díl 35
Fuzzy řízení: Mamdani a Sugeno od ventilátoru po kyvadlo na vozíku
Regulátor a zpětná vazba, fuzzifikace, odvozování a defuzzifikace, těžiště, bisektor a střed maxim, regulátor Takagi–Sugeno, řídicí plochy a fuzzy regulátor, který udrží tyč na vozíku.
-
Díl 36
Fuzzy shlukování: algoritmus fuzzy c-means a body mezi shluky
K-means a jeho ostré přiřazení, fuzzy c-means s příslušnostmi ke všem shlukům, fuzzifikátor m, koeficient rozkladu a Xieův–Beniho index pro volbu počtu shluků — a proč odlehlé body dostanou vysoké příslušnosti.
-
Díl 37
Neuro-fuzzy systémy (ANFIS): fuzzy pravidla, která se učí z dat
Sugenův fuzzy systém jako pětivrstvá síť, hybridní učení nejmenšími čtverci a gradientem, učení funkce ze zašuměných dat, volba počtu pravidel a přeučení, čitelnost naučených pravidel a vztah k sítím RBF.
-
Díl 38
Markovovy řetězce: přechodová matice, stacionární rozdělení a PageRank
Markovova vlastnost, přechodová matice a vývoj rozdělení na modelu počasí, stacionární rozdělení a ergodická věta, Markovův rozbor samohlásek na Máchově Máji, PageRank a generování textu.
-
Díl 39
Skryté Markovovy modely: Viterbiho algoritmus a nepoctivé kasino
Skrytý Markovův model, tři úlohy podle Rabinera, dopředný algoritmus, Viterbiho algoritmus, aposteriorní dekódování a Baumův–Welchův algoritmus — na kasinu, které občas tajně vymění kostku za falešnou.
-
Díl 40
Bayesovské sítě: proč je tráva mokrá a co z toho plyne pro postřikovač
Sdružené rozdělení a jeho faktorizace, bayesovská síť a tabulky podmíněných pravděpodobností, odvozování výčtem, vysvětlení pryč, d-separace a přibližné odvozování vzorkováním — na síti zataženo, postřikovač, déšť, mokrá tráva.
-
Díl 41
Kalmanův filtr: jak z nepřesných měření odhadnout, kde auto je a jak rychle jede
Spojení dvou měření a Kalmanův zisk, filtr jako průběžný průměr, stavový model, předpověď a oprava, sledování auta podle GPS s odhadem neměřené rychlosti, ladění šumů Q a R, optimalita a nelineární rozšíření.
-
Díl 42
Druhy strojového učení: s učitelem, bez učitele, s částečným učitelem a další
Učení s učitelem, bez učitele, s částečným učitelem, samoučení a zpětnovazební učení — s přesnými definicemi, laickým vysvětlením a animacemi skutečných algoritmů.
-
Díl 43
Přeučení a regularizace: proč model, který zná data nazpaměť, selže
Polynomiální regrese na dvanácti bodech ze sinusovky, trénovací a testovací chyba, rozklad na vychýlení a rozptyl, hřebenová a lasso regularizace, vliv počtu dat, validace a dvojitý sestup moderních sítí.
-
Díl 44
Vyhodnocení modelu: křížová validace, F1 a křivka ROC
Trénovací, validační a testovací data, únik dat, křížová validace, matice záměn, paradox přesnosti, preciznost, úplnost a F1, křivky ROC a preciznost–úplnost, regresní chyby a měření jazykových modelů.
-
Díl 45
Shlukování a snížení dimenze: k-means, PCA a t-SNE
k-means krok za krokem, lokální optima a k-means++, volba počtu shluků loktem a siluetou, DBSCAN na nekonvexních shlucích, prokletí dimenze, analýza hlavních komponent a mapa t-SNE ručně psaných číslic.
-
Díl 46
Klasifikace a regrese: dvě úlohy učení s učitelem
Stejná data o bytech, dvě otázky: kolik byt stojí a jestli je dražší než osm milionů. Výchozí model, průměr proti mediánu, pravděpodobnost a Bayesova chyba, převody mezi úlohami a další podoby odpovědi.
-
Díl 47
Lineární regrese: nejmenší čtverce geometricky i maticově
Metoda nejmenších čtverců na osmi bytech, normální rovnice pro více příznaků, regrese jako kolmý průmět, koeficient determinace R², náhodné příznaky, kolinearita a vliv jednoho překlepu.
-
Díl 48
Polynomiální a nelineární regrese: jak přímku ohnout
Spotřeba auta podle rychlosti a graf reziduí, Rungeho jev a kubické spliny, chladnutí kávy jako model nelineární v parametrech, Gaussova–Newtonova a Levenbergova–Marquardtova metoda a proč polynom neumí extrapolovat.
-
Díl 49
Logistická regrese: sigmoida, šance a křížová entropie
Proč na třídy nestačí přímka, sigmoida a pravděpodobnost, šance a logit, křížová entropie proti kvadratické chybě, rozhodovací hranice ve dvou rozměrech, ohnutí hranice příznaky a dokonale oddělitelná data.
-
Díl 50
Vícetřídní klasifikace a softmax: od dvou tříd k mnoha
Čtyři třídy v rovině: jeden proti všem, jeden proti jednomu a softmaxová regrese, matice záměn, vlastnosti softmaxu, teplota při výběru dalšího slova a klasifikace s více štítky.
-
Díl 51
Naivní Bayesův klasifikátor: spamový filtr, který funguje lépe, než by měl
Bayesova věta jako klasifikátor, učení počítáním slov, výpočet krok za krokem, problém nulové četnosti a Laplaceovo vyhlazení, přehnaná jistota a kalibrace, a proč naivní Bayes vyhrává, když je dat málo.
-
Díl 52
Ztrátové funkce: co přesně model minimalizuje
Ztráta, riziko a metrika; kvadratická, absolutní a Huberova ztráta při poruše čidla; kvantilová ztráta a předpověď rozpětí; klasifikační ztráty podle marže a proč s hinge ztrátou rozhodují jen body u hranice.
-
Díl 53
Rozhodovací stromy a k nejbližších sousedů: modely bez vzorců
Kdo splatí půjčku: rozhodovací strom a Giniho nečistota, hloubka a přeučení, schodovité hranice, k nejbližších sousedů, volba k a proč u sousedů záleží na měřítku příznaků.
-
Díl 54
Ansámbly: náhodný les a gradient boosting
Moudrost davu a proč musí být chyby nezávislé, bagging, náhodný les a korelace stromů, odhad chyby z vynechaných vzorků, gradient boosting a rychlost učení — na datech o splácení půjček.
-
Díl 55
SVM a jádrový trik: nejširší hranice a jak ji ohnout
Hranice s největším okrajem a podpůrné vektory, měkký okraj a parametr C, zvednutí dat do většího prostoru, jádrový trik s polynomiálním a gaussovským jádrem a vliv parametru γ na přeučení.
-
Díl 56
Signál a vzorkování: proč platí Nyquistův teorém
Co je signál, vzorkování a vzorkovací frekvence, aliasing a falešné frekvence, Nyquistův–Shannonův teorém a rekonstrukce funkcí sinc, antialiasingový filtr a kvantizace na bity.
-
Díl 57
Fourierova transformace: rozklad signálu na frekvence
Skládání obdélníku ze sinusovek a Gibbsův jev, DFT a spektrum akordu, frekvenční rozlišení, prosakování a Hannovo okno, tón ukrytý v šumu a proč je FFT tak rychlá.
-
Díl 58
Filtry a konvoluce: vyhlazení, hrany a odstranění šumu
Klouzavý průměr a definice konvoluce, frekvenční odezva a konvoluční věta, odstranění brumu 50 Hz z EKG, hledání hran derivací gaussovky, mediánový filtr proti výstřelům a součet kostek jako konvoluce.
-
Díl 59
Zvuk a řeč: spektrogram, melová škála a MFCC
Jak vzniká hlas (zdroj a filtr, formanty), spektrogram a krátkodobá Fourierova transformace, melová škála a banka filtrů, log-mel spektrogram modelu Whisper a proč MFCC poznají samohlásku nezávisle na výšce hlasu.
-
Díl 60
Obraz jako signál: pixely, barvy, konvoluce a hrany
Obraz jako matice čísel, barvy a jas, 2D konvoluce (rozmazání a zostření), Sobelův detektor hran v šumu, aliasing a moaré při zmenšování a cesta od ručně navržených jader ke konvolučním sítím.
-
Díl 61
Perceptron a umělý neuron: nejjednodušší neuronová síť a co neumí
Umělý neuron a logická hradla, Rosenblattovo učicí pravidlo, Novikoffova věta o konvergenci, proč perceptron nezvládne XOR a jak ho vyřeší dvě vrstvy.
-
Díl 62
Neuronová síť od nuly: zpětné šíření chyby krok za krokem
Dopředný průchod a zpětné šíření chyby ručně s konkrétními čísly, řetízkové pravidlo, kontrola numerickou derivací, učení XOR ze sta náhodných startů a síť, která si na dvou měsících ohne hranici sama.
-
Díl 63
Aktivace, inicializace a normalizace: drobnosti, na kterých hluboká síť stojí
Aktivační funkce a jejich derivace, mizející a explodující gradient ve dvaceti vrstvách, Xavierova a Heova inicializace, past symetrie, normalizace vstupů a vrstev a pokus s hlubokou sítí na dvou měsících.
-
Díl 64
Konvoluční sítě: jak síť poznává obrázky
Proč obyčejná síť nepozná posunutou číslici, konvoluční vrstva se sdílenými vahami, pooling a receptivní pole, naučené filtry a mapy příznaků, augmentace dat a cesta od LeNetu k ImageNetu — na síti napsané od nuly.
-
Díl 65
Rekurentní sítě: paměť pro posloupnosti a mizející gradient
Síť se skrytým stavem, zpětné šíření v čase, úloha s pamětí, na které obyčejná RNN narazí, útlum gradientu krok za krokem, ořezání gradientu a předpověď časové řady — na síti napsané od nuly.
-
Díl 66
LSTM a GRU: brány, které rozhodují, co si síť zapamatuje
Brány a paměťová buňka LSTM, ručně nastavená buňka, která si podrží symbol přes sto kroků, jednodušší GRU, útlum chybového signálu podle nastavení zapomínací brány a poctivý pokus s učením — na buňkách napsaných od nuly.
-
Díl 67
Autoenkodéry: síť, která se učí data stlačit a zase rozbalit
Autoenkodér s úzkým hrdlem proti PCA, latentní prostor jako mapa dat, odšumovací autoenkodér a hledání podivností podle chyby rekonstrukce — na síti napsané od nuly a ručně psaných číslicích.
-
Díl 68
Embeddingy a word2vec: jak se slovo stane vektorem
Proč nestačí one-hot, distribuční hypotéza, word2vec se skip-gramem a negativními vzorky, nejbližší slova, analogie král − muž + žena, mapa slov a předsudky převzaté z dat — na textu z gramatiky a modelu napsaném od nuly.
-
Díl 69
Mechanismus pozornosti: jak se model naučí, kam se dívat
Pozornost jako měkký slovník s dotazy, klíči a hodnotami, úloha, kterou bez ní obyčejná síť nezvládne, čitelné váhy, proč se dělí √d, sebepozornost a cesta k transformerům — na modelu napsaném od nuly.
-
Díl 70
Transformery a velké jazykové modely: architektura krok za krokem
Jazykový model a perplexita, blok transformeru s kauzální pozorností, MLP a rezidui, malý znakový transformer napsaný od nuly, srovnání s bigramem, naučená shoda podle rodu, generování s teplotou a cesta k modelům se stovkami miliard parametrů.
-
Díl 71
Tokenizace: jak se text rozseká na kousky pro model
Znaky proti slovům, algoritmus BPE napsaný od nuly a naučený na článcích tohoto webu, velikost slovníku, proč je čeština s cizím tokenizátorem dražší, bajty UTF-8 a podivné dělení čísel.
-
Díl 72
Předtrénování a škálování: proč větší model a víc dat funguje
Předtrénování jako předpovídání dalšího tokenu, zákon škálování změřený na pěti velikostech vlastního transformeru, přeučení na malých datech, výpočet 6ND, pravidlo Chinchilly a meze, kde škálování přestává stačit.
-
Díl 73
Doladění a RLHF: jak se z doplňovače textu stane asistent
Základní model, který na otázku odpoví další otázkou, doladění na ukázkách (SFT), učení z lidských preferencí, DPO napsané od nuly na malém transformeru, síla β a přeoptimalizace, a proč doladění mění chování, ne znalosti.
-
Díl 74
Prompty, kontext a RAG: jak modelu dát správné informace
Prompt a kontextové okno, RAG krok za krokem, vyhledávání BM25 napsané od nuly nad články tohoto webu, skloňování a kmeny, otázky jinými slovy, velikost úseků, sestavení promptu a prompt injection.
-
Díl 75
Variační autoenkodéry (VAE): nové obrázky ze spojitého latentního prostoru
Generativní model s latentní proměnnou, VAE napsaný od nuly s trikem převzorkování, uspořádaný latentní prostor, generování číslic ze šumu proti obyčejnému autoenkodéru, vliv β a zhroucení, interpolace a kde se VAE používají.
-
Díl 76
Generativní adversariální sítě (GAN): padělatel proti detektivovi
Hra generátoru a diskriminátoru, GAN napsaný od nuly, nesaturující ztráta, osm shluků na kružnici a zhroucení módů, číslice ostřejší než u VAE, ale ne všechny, a cesta od GAN k difúzním modelům.
-
Díl 77
Difúzní modely: jak se z čistého šumu stane obrázek
Dopředný proces přidávání šumu, síť, která odhaduje šum, DDPM a DDIM napsané od nuly, osm shluků bez zhroucení módů, kolik kroků vzorkování je potřeba, srovnání s VAE a GAN na číslicích a cesta k obrázkům podle textu.
-
Díl 78
Markovovy rozhodovací procesy: stavy, akce, odměny a Bellmanovy rovnice
MDP na mřížkovém světě s útesem, výnos a diskont, hodnotová funkce a Bellmanova rovnice, hodnotová iterace a iterace strategie napsané od nuly, jak diskont, klouzání a cena kroku mění optimální chování, a kontrola simulací.
-
Díl 79
Q-learning a DQN: učení hodnoty akcí od tabulky po neuronovou síť
Učení s časovým rozdílem, Q-learning a SARSA na chůzi po útesu, ε-hladový průzkum, on-policy a off-policy, DQN s pamětí zážitků a cílovou sítí na vozíku s tyčí napsané od nuly, a proč se učení DQN tak snadno rozpadne.
-
Díl 80
Policy gradient a PPO: učení přímo strategie
Stochastická strategie jako síť, REINFORCE a věta o gradientu strategie, základní úroveň a výhoda, actor-critic, PPO s ořezem napsané od nuly na vozíku s tyčí, co se stane bez ořezu, a jak PPO doladilo jazykové modely.
-
Díl 81
Jak funguje AI agent: jazykový model ve smyčce s nástroji
Smyčka úvaha – volání nástroje – výsledek na skutečné úloze nad články webu, tři postupy a jejich cena v tokenech, proč roste kontext, plán a paměť, spolehlivost dlouhých úloh s kontrolou a bez ní, a proč agent potřebuje schvalování.
-
Díl 82
Programování s AI agenty: zadání, testy a kontrola
Jak agentovi napsat zadání s kritérii přijetí, proč pracovat po malých krocích, pokus s mutačním testováním (kolik chyb odhalí testy šťastné cesty, okrajové případy a vlastnostní testy), kdo má psát testy a na co si dát pozor.
-
Díl 83
Vyhodnocení a bezpečnost AI systémů: jak měřit a jak hlídat
Benchmarky a nejistota měření, jak výběr podle testovací sady nadsazuje výsledky, kontaminace dat na pokusu, druhy rizik, filtr příkazů agenta jako zákaz proti povolení a obrana do hloubky.