Maciej Kwas

AI/ML Engineer at

[Maciej Kwas @prowseed]

@stevenstrogatz Thought experiment: could literally any response - no matter „correctness” - be a proof for understanding or not understanding? Another: is it possible to have an opinion without any assumptions? And: how to measure „understanding” of random input for random program?

[Maciej Kwas @prowseed]

@stevenstrogatz Except this is not how AI and „understanding” works. You have an event that triggers chain of reactions. There is no english nor chinese. Trying to interpret these reactions with symbols is like reading from someone’s face what do they think. You might have few correct guesses

[Maciej Kwas @prowseed]

@takidrugi @LeszBuk To jest ewidentna wina czlowieka - jak nie potrafisz korzystac z narzedzia, tylko liczysz, ze jakos to bedzie, to jest wlasnie Twoja wina jako inzyniera odpowiedzialnego za serwis i jego stabilnosc. Oddali kontrole w rece loterii, to zwykle lenistwo.

[Maciej Kwas @prowseed]

@hyhieu226 @OpenAI @xai I can relate. Research takes its toll, and at the end of the day, you start questioning yourself, your contributions, your solutions; despite the evidence, it simply doesn't mean anything. Burnout is terrifying, hang in there.

[Maciej Kwas @prowseed]

@michalkobuszek @TCzajka Rtx pro 2000 z 16GB VRAM ma max 70W i pozwala na uruchomienie dobrej jakosci VLMa + kilku mikroagentow / modeli wspomagajacych. Miliony danych nie sa potrzebne - ewolucja juz zrobila swoje.

[SkyFi® @SkyfiApp]

🚀 SkyFi's next chapter starts today. We’ve officially closed our oversubscribed $12.7M Series-A!

From expanding multiple government contracts, building for the @USSpaceForce through @DIU_x , to working with @SOCOM, and being selected for @NATO DIANA - all while growing our network to 50+ commercial satellite and analytic partners - 2025 was a massive year for us.

This new capital means we will ship faster, build smarter AI tools, and continue to deliver answers from space at speed for every industry and individual.

🌎 Earth Intelligence is no longer just for specialized experts. With SkyFi, actionable, on-demand, dual-use data from space is just a few clicks away.

Special thanks to our investors! More in the press release 👉 https://t.co/axMoiqG6Ko

#earthobservation #VentureCapital #Geospatial

[Maciej Kwas @prowseed]

@Prieslort @TCzajka No man, that’s how educational gap looks like, you can’t force people to understand. Think about it like imbalanced scenario 3 ppl agree - 7 ppl disagree, the rest have no opinion.

[Maciej Kwas @prowseed]

@TCzajka divergence is natural sampling artifact. Fundamentally, it’s about superposition and tension in latent space. We are just traversing a world model. Tokens are our time-space approximations, can be sampled separately. LeCun seems to ignore that.

[Maciej Kwas @prowseed]

@karpathy Is it „weights and bias” joke? Or I’m looking at „ current slope” from wrong angle and can’t see the „point” of it…?

[SkyFi® @SkyfiApp]

See you in Vegas - come find the SkyFi team at CES! Don't miss Kate Van Dam (@therealkmgvd) speaking about Earth Observation with AI at the @Novaspace_ space track.

Reach out to Kate, Luke (@lukefischer) or Evan (@each_iron) to connect in person! 🚀 🌎

#CES2026 #CES26

[Maciej Kwas @prowseed]

@LeszBuk Problemem nie jest pamięć, tylko brak jawnej dynamiki pamięci. Model może coś zapisać, ale nie modeluje tego, skąd zmiana stanu wynika i jak determinuje kolejne decyzje. To jest słaby punkt.

[Maciej Kwas @prowseed]

@FrodsomJerzy @TCzajka @kawecki_maciej A gdyby tak znalezc hiper-sciezke ktora teleportuje nas bezposrednio z A do B? To nie jest czysto-teoretyczne pytanie :)

[Maciej Kwas @prowseed]

@LeszBuk @TCzajka @kawecki_maciej @PawelChoinski To, że dziś trzeba policzyć cały dolny trójkąt, wynika z tego, że operator jest bezstanowy. Ale to nie jest jedyna możliwa konstrukcja. Gdy mechanizm ma własną pamięć i dynamikę, relacje nie muszą być rekonstruowane w każdej iteracji.

[Maciej Kwas @prowseed]

@LeszBuk @TCzajka @kawecki_maciej @PawelChoinski No to niedlugo trzeba bedzie zaktualizowac swoje zalozenia… ;)

[Maciej Kwas @prowseed]

@KinasRemek @TCzajka @kawecki_maciej @PawelChoinski Różnica nie dotyczy tego, czy wagi się zmieniają w czasie inferencji, tylko czy system ma stan, który wpływa na przyszłe przekształcenia. dzisiejsze modele mają pamięć w danych (kontekst), nie w dynamice przekształceń. Mózg ma oba.

[Maciej Kwas @prowseed]

@kawecki_maciej AI moze dzialac doslownie jak ludzki mozg, wynika to zwyczajnie z fizyki, nie mowie oczywiscie o dzialaniu biologicznym, ale o tych samych mechanizmach.

[Maciej Kwas @prowseed]

@KinasRemek @kawecki_maciej Token =/= strukturalna zmienność. Attention i MoE zmieniają routing, nie geometrię reprezentacji. Architektura pozostaje ta sama, tylko aktywujemy inne fragmenty. To nadal „dynamiczne wykonanie statycznego programu”, a nie system, który zmienia własne ograniczenia.

[Maciej Kwas @prowseed]

@kawecki_maciej @TCzajka To jest dosc trafne porownanie, pojemnosc wymiarow w modelu jest stala (co tez nie zawsze jest prawda), ale pojemnosc znaczen nie. Zalozenie, ze struktura sieci musi byc zawsze splatana jest wysoce ograniczajace, ale przeciez siec nie musi byc gesto splatana…

[Maciej Kwas @prowseed]

@kawecki_maciej @KinasRemek AI nie przegrywa z mózgiem na „inteligencję”, tylko na zmienność architektury w czasie. Stała struktura + uczenie to uproszczenie, nie konieczność.

[Maciej Kwas @prowseed]

@willdepue Bottlenecks are good. Bottlenecks ARE the architecture. It’s a different signal of a same information for free.