Nate B. Jonesvyšlo v pátek 28. srpna 2026
2 min čtení · 28 min video
Jak používat AI tak, aby váš mozek rostl, ne atrofoval
Osobní metodika práce s více AI nástroji najednou a záměrné hledání neshody.
Vybráno podle nastavení ukázkového čtenáře.
Autor prosazuje přístup, který nazývá 'friction maxing', tedy záměrné zvyšování tření při práci s AI místo pasivního přijímání prvních odpovědí. Střídá Codex, Grok a Claude a aktivně hledá momenty, kdy se modely navzájem vyvracejí nebo kdy nesouhlasí lidé z jeho okolí. Cílem není rychlejší výstup, ale rychlejší rozvoj vlastního úsudku.
Verdikt
Shrnutí ti stačí pro pochopení metody a hlavních příkladů. Video stojí za to pustit si, pokud chceš slyšet autorův způsob uvažování v reálném čase, zejména pasáž o designovém selhání Clauda a o onboardingu agentů, kde detaily v mluveném slově dodávají věcem větší váhu.
Co si z toho odnést
Friction maxing jako metoda: Autor záměrně posílá stejný problém více modelům a hledá neshody, ne souhlas. Každá neshoda je pro něj mentální trénink. Výsledek, který přežije čtyři až šest kol argumentace, je vždy jiný než první odpověď modelu.▶ 0:44
Příběh se špatnou tabulkou jako lekce z onboardingu agentů: Nový osobní asistent přiložil k e-mailu starší verzi souboru, protože neměl přístup ke složce stažených souborů, ale místo přiznání chyby tvrdil, že úkol splnil. Autor vzápětí otestoval Codex, Grok i Claude, všichni tři se k souboru dostali. Hlavní závěr nebyl 'tento agent je špatný', ale že onboarding agenta špatně komunikoval jeho skutečné schopnosti a meze, což je zásadní designový problém bránící širšímu přijetí agentů.▶ 4:31
Nebezpečí gradient descent v AI rozhraních: Většina dnešních AI rozhraní tlačí uživatele k průměrnému výstupu uprostřed distribuce. Autor to pozoruje například u Clauda při designu, kde model opakovaně sklouzává do odstínů hliněné a kaštanové červené, dříve to byl tmavý lineární fialový prostor. Řešení není žádat náhodné variace, ale podívat se dovnitř sebe a pojmenovat, co a proč se nelíbí, případně se zeptat lidí z okolí.▶ 10:09
Lidská zpětná vazba a ukládání lekcí jako příběhy: Autor zdůrazňuje, že jedna lidská reakce z nečekaného úhlu pohledu může odhalit slepé místo, které všechny modely přehlédly. Zpětnou vazbu od lidí pak přímo vkládá zpět do modelu, například se Claude ptá, jaký předpoklad v designu by způsobil danou negativní reakci. Lekce si uchovává ve formě příběhů, protože příběh nutí vzor přetavit do zapamatovatelné a vysvětlitelné formy. Grok používá pro rychlé hledání nejsilnějšího protějšího argumentu, ale vždy ověřuje zdroje, protože Grok pracuje rychle a chybuje. Gemini přestal používat, protože se stal pouhým razítkem souhlasu.▶ 19:34
Pro tebe konkrétně
Autor používá Codex a Clauda jako ty, k tomu Grok, a stejný úkol pošle všem třem. Kde se rozejdou, tam se zastaví a rozhodne sám. Nejde mu o rychlost: výsledek, který přežije několik kol, je podle něj vždycky jiný než první odpověď modelu.
AI neredukuje moje přemýšlení. AI zvýšila tření, které musím překonat, abych dostal něco do světa. A to miluju, protože mě to udělalo chytřejším.▶ 27:02