Sebastian Raschka

O Sebastianovi Raschkovi

Sebastian Raschka je Staff Research Engineer v Lightning AI a jednym z najvplyvnejsich edukatorov v komunite strojoveho ucenia. Je autorom niekolkych siroko pouzivanych ucebnic, vratane Build a Large Language Model from Scratch a Build a Reasoning Model from Scratch — knih, ktore stelesniuju filozofiu, ze najlepsi sposob ako porozumiet AI je implementovat ju sami.

Predtym bol asistentom profesora statistiky na University of Wisconsin–Madison (2018–2023). Raschka opustil akademicku sferu, aby sa naplno venoval vyskumu a vyvoju LLM v Lightning AI. Jeho praca premostuje priepast medzi najnovsim vyskumom a praktickou implementaciou, pricom sprristupnuje zlozite temy prostrednictvom vysvetleni ridenych kodom.

Jeho newsletter Ahead of AI a vzdelavacie kurzy na YouTube z neho urobili klucovy zdroj pre praktikov, ktori chcu pochopit, ako LLM skutocne funguju na urovni implementacie.

Karierne milniky

• Staff Research Engineer v Lightning AI (2022–sucasnost)
• Byvaly asistent profesora statistiky, University of Wisconsin–Madison (2018–2023)
• Autor knihy Build a Large Language Model from Scratch (bestseller)
• Autor knihy Build a Reasoning Model from Scratch
• Autor knihy Machine Learning with PyTorch and Scikit-Learn
• Tvorca newslettera Ahead of AI a vzdelavacich kurzov
• 10+ rokov skusenosti vo vyskume a inzinierstve AI

Vyznacne postoje

O konkurencii v AI v roku 2026

Raschka argumentuje proti narativu vitaz-berie-vsetko v AI, pricom zdoraznuje, ze napady uz nie su proprietarne, pretoze vyskumnici sa presuvaju medzi firmami a laboratoriami. Skutocnou konkurencnou vyhodou je rozpocet na vypocty a pristup k hardveru, nie tajne techniky.

O vyzve rozhrania pre agentov

Nastouje fundamentalny problem specifikacie pre autonomnych agentov: aj ked LLM dokaze vykonavat ulohy, ako pouzivatelia komunikuju zlozite ciele v nestrukturovanych prostrediach? Kodovanie funguje, pretoze prostredie je dobre definovane, ale agenti na vseobecne ucely celia ovela tazssiemu problemu dizajnu rozhrania.

O pouzivani nastrojov AI

Opisuje pragmaticky multi-modelovy pristup: rychly rezim ChatGPT na rychle vyhladavanie, rezim Pro na dokladne kontroly dokumentov a Gemini na ulohy s dlhym kontextom, ako je hladanie ihiel vo velkych dokumentoch. Na pomoc pri kodovani pouziva plugin Codex pre VS Code, pricom si udrzuje kontrolu nad procesom.

Klucove citaty

• "I don't think nowadays in 2026 that there will be any company who has access to a technology that no other company has access to. Researchers are frequently changing jobs, changing labs, they rotate." (Nemyslim si, ze v roku 2026 bude existovat firma, ktora ma pristup k technologii, ku ktorej nema pristup ziadna ina firma. Vyskumnici casto menia pracu, menia laborratoria, rotuju.) — o konkurencii v AI
• "The problem is for arbitrary tasks, you still have to specify what you want your LLM to do. What is the environment? How do you specify?" (Problem je, ze pri lubovolnych ulohach mussite stale specifikovat, co chcete, aby vas LLM robil. Ake je prostredie? Ako to specifikujete?) — o agentoch
• "I use it until it breaks and then I explore other options." (Pouzivam to, kym sa to nerozbije, a potom skumam ine moznosti.) — o prepinani modelov

Suvisiace clanky

• Scaling Laws - Ustredna tema v jeho analyze pokroku AI
• AI Agents - Diskutuje vyzvu specifikacie
• Pre-training - Vysvetluje pretrvavajuci vyznam vypoctov pre pre-training