Token Introspection to standardowy sposób, w jaki API pyta serwer autoryzacyjny, czy dany token jest wciąż ważny i co dokładnie sobą reprezentuje. Zrozumienie tego mechanizmu jest kluczowe, gdy projektuje się bezpieczną autoryzację w architekturze mikroserwisowej i trzeba wybrać między natychmiastową kontrolą stanu a maksymalną wydajnością.
OpenID Connect (OIDC) to warstwa uwierzytelniania zbudowana na OAuth 2.0, która od 2014 roku stała się globalnym standardem logowania w aplikacjach webowych, mobilnych i mikroserwisach. Wyjaśniamy, czym różni się od OAuth 2.0, jak działa ID Token, czym jest endpoint UserInfo i które przepływy autoryzacji warto stosować dziś.
PKI to zestaw standardów, instytucji i procedur, który pozwala bezpiecznie powiązać klucz kryptograficzny z konkretną tożsamością w internecie. To niewidoczny fundament zaufanego HTTPS — bez niego przeglądarka nie wie, czy serwer po drugiej stronie jest tym, za kogo się podaje.
Architektura sterowana zdarzeniami (EDA) to sposób budowania systemów, w którym usługi komunikują się asynchronicznie, reagując na fakty, które już zaszły, zamiast wzajemnie się o coś prosić i czekać na odpowiedź. To fundament, na którym działają platformy pokroju Ubera, Shopify czy Netflixa — i coraz częściej także autonomiczni agenci AI oraz floty robotów.
Wagi to miliardy liczb, w których model AI przechowuje całą wyuczoną wiedzę. To one decydują o tym, co model potrafi, ile pamięci zajmuje i czy uruchomisz go na laptopie, czy tylko w chmurze.
Każdy duży model językowy przechodzi przez kilka rozdzielnych faz uczenia: najpierw chłonie biliony tokenów z internetu, potem uczy się być posłusznym asystentem. Zrozumienie tego podziału jest kluczem do tego, kiedy warto fine-tuningować model, kiedy wystarczy RAG, a kiedy nic z tego nie ma sensu.
Okno kontekstowe to pamięć robocza modelu językowego — wyznacza, ile tekstu sztuczna inteligencja może wziąć pod uwagę naraz. Zrozumienie, jak działa i gdzie ma granice, tłumaczy zarówno koszty, jak i zaskakujące błędy współczesnych modeli.
Model Context Protocol to otwarty standard, który ujednolica sposób łączenia modeli AI z zewnętrznymi narzędziami i danymi. Warto go rozumieć, bo w niespełna półtora roku stał się de facto wspólnym językiem integracji dla całej branży — od Anthropic po OpenAI i Google DeepMind.
Modele językowe coraz częściej obsługują długie, wieloetapowe zadania, ale ich mechanizm uwagi skaluje się słabo wraz z długością kontekstu. LLM Sleep to pomysł, by — wzorem biologicznego snu — model okresowo „przespał" świeży kontekst i przekuł go w trwałe wagi, zanim wyczyści pamięć podręczną.
Modele świata to systemy AI, które uczą się wewnętrznej symulacji rzeczywistości i przewidują, co stanie się dalej — zamiast tylko reagować na bieżący obraz. To jeden z kierunków, w którym sztuczna inteligencja przesuwa się od dopasowywania wzorców ku planowaniu i rozumieniu przyczyn i skutków.
Uczenie maszynowe (ang. machine learning, ML) to gałąź sztucznej inteligencji, w której systemy komputerowe budują swoje reguły działania na podstawie danych zamiast otrzymywać je w postaci ręcznie napisanego kodu. To dziś rdzeń niemal każdej praktycznej technologii AI — od filtra spamu po duże modele językowe i autonomiczne roboty.
Wektorowe bazy danych to wyspecjalizowane systemy przechowujące dane w postaci wielowymiarowych reprezentacji numerycznych, które pozwalają wyszukiwać informacje na podstawie znaczenia. Stanowią kluczowy element architektury RAG, dzięki której modele językowe sięgają po aktualną, weryfikowalną wiedzę zewnętrzną.
