\u201eJe\u017celi na potrzeby dalszej dyskusji po prostu zdefiniujemy inteligencj\u0119 jako umiej\u0119tno\u015b\u0107 dostrzegania analogii…\u201d \u2013 to stwierdzenie, na kt\u00f3rym stoi ca\u0142a argumentacja \u201eQuo vAIdis\u201d Andrzeja Dragana. Wydaje si\u0119 ono uczciwe metodologicznie: autor uprzedza, \u017ce przyjmuje robocz\u0105 definicj\u0119. W praktyce jednak wszystko, co nast\u0119puje potem, wynika z tego w\u0142a\u015bnie za\u0142o\u017cenia. Je\u015bli je przyjmiemy, argumentacja jest sp\u00f3jna. Je\u015bli je zakwestionujemy, konstrukcja b\u0119dzie wymaga\u0107 ponownej oceny.<\/p>
\u201eQuo vAIdis\u201d \u2013 tytu\u0142 z wplecionym \u201eAI\u201d \u2013 obiecuje ksi\u0105\u017ck\u0119 o przysz\u0142o\u015bci ludzko\u015bci wobec AI. Dostajemy jednak co innego: solidn\u0105 popularyzacj\u0119 mechaniki sieci neuronowych. Rozumiemy lepiej, jak dzia\u0142aj\u0105 LLM, dlaczego generuj\u0105 koherentny tekst. Ale fina\u0142owy rozdzia\u0142 o przysz\u0142o\u015bci jest spekulatywny w stopniu, jakiego reszta ksi\u0105\u017cki unika. Dysproporcja mi\u0119dzy ambicj\u0105 tytu\u0142u a tym, co ksi\u0105\u017cka dostarcza, jest znaczna.<\/p>
Dragan odwo\u0142uje si\u0119 do Marcusa Huttera, informatyka zwi\u0105zanego z DeepMind oraz inicjatywy Hutter Prize \u2013 konkursu bezstratnej kompresji korpusu danych opartego na Wikipedii. Przedstawia Huttera jako autorytet wspieraj\u0105cy definicj\u0119 \u201einteligencji jako dostrzegania analogii\u201d. Ale czy Hutter nie m\u00f3wi przypadkiem o czym\u015b innym?<\/p>
W artykule \u201eUniversal Intelligence: A Definition of Machine Intelligence\u201d, napisanym wsp\u00f3lnie z Shane’em Leggiem, Hutter definiuje inteligencj\u0119 jako \u201ezdolno\u015b\u0107 agenta do osi\u0105gania cel\u00f3w w szerokiej gamie \u015brodowisk\u201d. Na oficjalnej stronie Hutter Prize czytamy, \u017ce zdolno\u015b\u0107 do skutecznej kompresja jest \u201e\u015bci\u015ble powi\u0105zana” (\u201eclosely related\u201d) z inteligencj\u0105. Nie \u201eto\u017csama\u201d (\u201eequivalent\u201d). Kompresja jest dla Huttera \u015brodkiem do przewidywania, a przewidywanie \u015brodkiem do dzia\u0142ania w \u015bwiecie. W jego formalnych definicjach inteligencja nie jest definiowana jako \u201edostrzeganie analogi\u201d, to raczej skuteczno\u015b\u0107 osi\u0105gania cel\u00f3w w r\u00f3\u017cnorodnych \u015brodowiskach.<\/p>
Sk\u0105d wi\u0119c ta definicja u Dragana? By\u0107 mo\u017ce od Douglasa Hofstadtera, kt\u00f3ry w eseju \u201eAnalogy as the Core of Cognition\u201d argumentuje: \u201eAnalogia nie jest bynajmniej drobnym punktem \u2013 jest raczej tym b\u0142\u0119kitem, kt\u00f3ry wype\u0142nia ca\u0142e niebo poznani\u201d. Tyle \u017ce Hofstadter sam przyznaje, \u017ce jest to \u201enieortodoksyjny punkt widzenia\u201d.<\/p>
Dragan zdaje si\u0119 \u0142\u0105czy\u0107 dwie tradycje (kompresyjn\u0105 teori\u0119 Huttera i analogiczn\u0105 teori\u0119 Hofstadtera) bez wyja\u015bnienia, jak si\u0119 do siebie maj\u0105. Hutter podkre\u015bla w inteligencji optymalno\u015b\u0107 i uniwersalno\u015b\u0107, Hofstadter akcentuje kreatywny transfer mi\u0119dzy domenami. Zr\u00f3wnanie ich pozycji wymaga wyja\u015bnienia, kt\u00f3rego brakuje: w jaki spos\u00f3b matematyczna optymalizacja kompresji mia\u0142aby rodzi\u0107 to, co Hofstadter nazywa \u201etw\u00f3rczym skokiem\u201d? Krajobraz definicji inteligencji jest szerszy: Chollet akcentuje efektywno\u015b\u0107 uczenia si\u0119, Tegmark \u2013 osi\u0105ganie z\u0142o\u017conych cel\u00f3w, Russell i Norvig \u2013 racjonalne dzia\u0142anie. \u017badna nie jest to\u017csama z \u201edostrzeganiem analogii\u201d.<\/p>
Dragan nie musi si\u0119 z nimi zgadza\u0107, ale uwa\u017cam, \u017ce ich pomini\u0119cie sprawia, \u017ce czytelnik nie wie, w jakim krajobrazie intelektualnym si\u0119 porusza, ani dlaczego akurat ta definicja, a nie inna. G\u0142\u00f3wne wyja\u015bnienie jest takie, \u017ce definicja autora jest \u201eprosta i klarowna\u201d, a inne s\u0105 \u201em\u0119tne\u201d.<\/p>
Jest w \u201eQuo vAIdis\u201d fragment, kt\u00f3ry uwa\u017cam za metodologicznie problematyczny. Dragan odrzuca termin \u201estochastyczna papuga\u201d wprowadzony przez Emily Bender i wsp\u00f3\u0142autor\u00f3w w artykule \u201eOn the Dangers of Stochastic Parrots\u201d pisz\u0105c: \u201ejedynymi papugami w naszej historii s\u0105 osoby papuguj\u0105ce to okre\u015blenie po jego autorce\u201d. Bardzo chwytliwe i troch\u0119 z\u0142o\u015bliwe (zreszt\u0105 takich drobnych z\u0142o\u015bliwo\u015bci jest w ksi\u0105\u017cce wi\u0119cej, zw\u0142aszcza w odniesieniu do Yanna LeCuna).<\/p>
Dragan w dalszych rozdzia\u0142ach przeprowadza eksperymenty wykazuj\u0105ce, \u017ce modele AI potrafi\u0105 generalizowa\u0107, czyli rozwi\u0105zywa\u0107 zadania, kt\u00f3rych nie widzia\u0142y w danych treningowych. Problem w tym, \u017ce argument Bender dotyczy czego\u015b innego: nie twierdzi ona, \u017ce modele nie generalizuj\u0105 wzorc\u00f3w, lecz \u017ce robi\u0105 to \u201ebez gwarancji semantycznego odniesienia\u201d \u2013 sklejaj\u0105 formy j\u0119zykowe wed\u0142ug statystyki, bez dost\u0119pu do znaczenia, a sama zdolno\u015b\u0107 do generalizacji nie dowodzi jeszcze rozumienia. Co wi\u0119cej, gdy Dragan konfrontuje si\u0119 z zarzutem LeCuna \u2013 \u017ce modele bez dost\u0119pu do \u015bwiata nie mog\u0105 go rozumie\u0107 \u2013 odpowiada kolejnym przyk\u0142adem generalizacji, zak\u0142adaj\u0105c to, co ma udowodni\u0107: \u017ce skuteczno\u015b\u0107 operacyjna jest to\u017csama z rozumieniem.<\/p>
Tymczasem kilkadziesi\u0105t stron dalej Dragan pisze o ludziach: \u201enasz m\u00f3zg \u00abto tylko przep\u0142ywy elektrochemiczne w papce bia\u0142kowej, steruj\u0105ce przyklejonym od spodu mi\u0119sem\u00bb\u201d. Cudzys\u0142\u00f3w sugeruje dystans, ale kontekst wskazuje, \u017ce autor u\u017cywa tej formu\u0142y jako argumentu przeciwko tym, kt\u00f3rzy przyznaj\u0105 ludziom szczeg\u00f3lny status poznawczy.<\/p>
Dostrzegam tu asymetri\u0119. Gdy krytycy AI opisuj\u0105 modele jako \u201estochastyczne papugi\u201d, to jest to b\u0142\u0105d, kt\u00f3ry trzeba wy\u015bmia\u0107. Gdy Dragan opisuje m\u00f3zg cz\u0142owieka jako \u201eprzep\u0142ywy [\u2026] w papce bia\u0142kowej\u201d, to jest to trze\u017awa obserwacja. Dlaczego ta sama operacja intelektualna jest wadliwa w jednym kierunku, a uprawniona w drugim?<\/p>
Za\u0142\u00f3\u017cmy, \u017ce Dragan ma racj\u0119. Za\u0142\u00f3\u017cmy, \u017ce inteligencja to rzeczywi\u015bcie dostrzeganie analogii i \u017ce AI robi to lepiej ni\u017c ludzie. Co z tego wynika?<\/p>
Zaskakuj\u0105co ma\u0142o, i jest to moim zdaniem, najpowa\u017cniejsza luka w argumentacji \u201eQuo vAIdis\u201d. Dragan po\u015bwi\u0119ca znaczn\u0105 cz\u0119\u015b\u0107 ksi\u0105\u017cki na udowodnienie, \u017ce AI jest inteligentna wed\u0142ug przyj\u0119tej definicji. Ale tytu\u0142 brzmi \u201eQuo vAIdis\u201d \u2013 dok\u0105d zmierzasz. Samo stwierdzenie, \u017ce co\u015b jest inteligentne, nie m\u00f3wi nam, dok\u0105d to co\u015b zmierza ani dlaczego mia\u0142oby gdziekolwiek zmierza\u0107.<\/p>
Inteligencja w rozumieniu Dragana, czyli umiej\u0119tno\u015b\u0107 dostrzegania analogii, jest zdolno\u015bci\u0105 pasywn\u0105. To narz\u0119dzie, nie projekt. M\u0142otek jest doskona\u0142y we wbijaniu gwo\u017adzi, ale nie ma ambicji budowania dom\u00f3w. Kompas wskazuje p\u00f3\u0142noc z niezawodn\u0105 precyzj\u0105, ale nie chce nigdzie dotrze\u0107. System, kt\u00f3ry doskonale kompresuje dane i dostrzega wzorce, nie ma powodu, by \u201epragn\u0105\u0107\u201d czegokolwiek.<\/p>
Dragan wyra\u017anie oddziela inteligencj\u0119 od \u015bwiadomo\u015bci (zreszt\u0105, to \u017ce w ksi\u0105\u017cce nie ma rozwa\u017ca\u0144 na temat \u201e\u015bwiadomo\u015bci\u201d AI jest dla mnie akurat plusem): \u201einteligencja zdefiniowana jako umiej\u0119tno\u015b\u0107 dostrzegania analogii nie ma nic wsp\u00f3lnego ze \u00ab\u015bwiadomo\u015bci\u0105\u00bb, \u00abemocjami\u00bb, \u00abuczuciami\u00bb\u201d. Ok, ale je\u015bli tak, to sk\u0105d bierze si\u0119 alarmistyczny ton ksi\u0105\u017cki? Sk\u0105d wizja konkurencji gatunkowej? Sk\u0105d pytanie, czy \u201eprzetrwamy\u201d?<\/p>
Mi\u0119dzy \u201eAI jest inteligentna\u201d a \u201eAI zagra\u017ca ludzko\u015bci\u201d zieje luka, kt\u00f3rej Dragan nie wype\u0142nia argumentacj\u0105. Brakuje wyja\u015bnienia, jak inteligencja (rozumiana jako pasywna zdolno\u015b\u0107) mia\u0142aby przekszta\u0142ci\u0107 si\u0119 w sprawczo\u015b\u0107 (aktywne d\u0105\u017cenie do cel\u00f3w). Brakuje mechanizmu, kt\u00f3ry prowadzi\u0142by od \u201edobrze kompresuje dane” do \u201ekonkuruje o zasoby\u201d.<\/p>
Jest jeszcze jeden problem, kt\u00f3ry przenika ca\u0142\u0105 ksi\u0105\u017ck\u0119: AI funkcjonuje w niej niemal jak obiekt fizyczny: izolowany, mierzalny, definiowany matematycznie. Ale AI to nie elektron. Istnieje w sieci relacji ekonomicznych, politycznych, spo\u0142ecznych.<\/p>
Dragan pyta \u201edok\u0105d zmierza [AI]\u201d, ale to pytanie nie ma sensu bez pytania \u201ekto ni\u0105 kieruje\u201d i \u201ew czyim interesie to robi\u201d. Wprawdzie Dragan nie twierdzi wprost, \u017ce AI jest autonomicznym aktorem, ale jego metafora ewolucyjna \u2013 gatunki konkuruj\u0105ce o nisz\u0119 ekologiczn\u0105 \u2013 sugeruje w\u0142a\u015bnie to (a przecie\u017c AI nie jest gatunkiem, jest technologi\u0105). Ka\u017cdy model j\u0119zykowy ma w\u0142a\u015bcicieli, inwestor\u00f3w, u\u017cytkownik\u00f3w. Ka\u017cda decyzja o jego architekturze, danych treningowych, dost\u0119pno\u015bci jest decyzj\u0105 ludzk\u0105, podejmowan\u0105 w konkretnym kontek\u015bcie.<\/p>
Rywalizacja o zasoby, w\u0142adz\u0119 i wp\u0142ywy toczy si\u0119 i b\u0119dzie si\u0119 toczy\u0107 \u2013 tyle \u017ce nie mi\u0119dzy lud\u017ami a maszynami, lecz mi\u0119dzy lud\u017ami za pomoc\u0105 maszyn. Ksi\u0105\u017cka pretenduj\u0105ca do odpowiedzi na pytanie \u201edok\u0105d zmierza AI\u201d powinna konfrontowa\u0107 t\u0119 perspektyw\u0119, a \u201eQuo vAIdis\u201d tego nie robi. AI zawieszone jest w pr\u00f3\u017cni: bez ekonomii, bez polityki, bez spo\u0142ecze\u0144stwa.<\/p>
W bibliografii \u201eQuo vAIdis\u201d znajdziemy Searle’a z argumentem Chi\u0144skiego Pokoju. Znajdziemy Bender, potraktowan\u0105 ad hominem. Znajdziemy entuzjast\u00f3w AI. Nie znajdziemy jednak innych g\u0142os\u00f3w, np. Josepha Weizenbauma, tw\u00f3rcy programu ELIZA (1966) i autora \u201eComputer Power and Human Reason\u201d. Weizenbaum, b\u0119d\u0105cy pionierem AI, wprowadzi\u0142 rozr\u00f3\u017cnienie mi\u0119dzy kalkulacj\u0105 a os\u0105dem, mi\u0119dzy mechaniczn\u0105 manipulacj\u0105 symbolami a ludzk\u0105 zdolno\u015bci\u0105 wymagaj\u0105c\u0105 m\u0105dro\u015bci. Zdefiniowa\u0142 te\u017c \u201eefekt ELIZA\u201d: sk\u0142onno\u015b\u0107 ludzi do przypisywania maszynom rozumienia, kt\u00f3rego nie posiadaj\u0105. Po obserwacji, jak u\u017cytkownicy zwierzali si\u0119 jego prymitywnemu chatbotowi, Weizenbaum stwierdza: \u201eNie zdawa\u0142em sobie sprawy, \u017ce tak kr\u00f3tki kontakt z relatywnie prostym programem komputerowym mo\u017ce wywo\u0142a\u0107 silne urojenia u ca\u0142kiem normalnych ludzi\u201d. Czy ChatGPT nie jest wsp\u00f3\u0142czesn\u0105 ELIZ\u0104 dzia\u0142aj\u0105c\u0105 na wi\u0119ksz\u0105 skal\u0119? Czy \u201eefekt ELIZA\u201d nie wyja\u015bnia cz\u0119\u015bci entuzjazmu wobec LLM? To pytania, kt\u00f3re warto zada\u0107.<\/p>
Nie ma te\u017c np. Huberta Dreyfusa, kt\u00f3rego fenomenologiczna krytyka zakwestionowa\u0142a za\u0142o\u017cenie, \u017ce inteligencj\u0119 mo\u017cna sformalizowa\u0107 i oderwa\u0107 od cia\u0142a.<\/p>
Te nieobecno\u015bci tworz\u0105 obraz debaty, w kt\u00f3rej powa\u017cni krytycy albo nie istniej\u0105, albo mo\u017cna ich zby\u0107 jednym zdaniem.<\/p>
Weizenbaum ostrzega\u0142 w wywiadzie z niemieckim dziennikarzem Bernhardem P\u00f6rksenem: \u201eW erze nazistowskiej \u017byd\u00f3w przedstawiano jako robactwo \u2013 metafora, kt\u00f3ra legitymizowa\u0142a masowe morderstwa. Dzi\u015b idea, \u017ce cz\u0142owiek jest zaledwie maszyn\u0105 do przetwarzania informacji, kt\u00f3r\u0105 mo\u017cna zast\u0105pi\u0107 robotem, nabiera substancji i mocy”.<\/p>
Ta obawa, \u017ce redukcjonistyczny obraz cz\u0142owieka legitymizuje jego instrumentalizacj\u0119, wydaje si\u0119 istotna tak\u017ce dla lektury \u201eQuo vAIdis\u201d. Dragan napisa\u0142 dobr\u0105 ksi\u0105\u017ck\u0119 o czym\u015b innym ni\u017c obiecuje tytu\u0142. Jego popularyzacja mechaniki sieci neuronowych jest pierwszorz\u0119dna: klarowna, precyzyjna, wolna od marketingowego entuzjazmu. Kto chce zrozumie\u0107, jak dzia\u0142aj\u0105 LLM, znajdzie tu solidny przewodnik. Ale \u201eQuo vAIdis\u201d obiecuje odpowied\u017a na pytanie dok\u0105d, a tej odpowiedzi ksi\u0105\u017cka nie dostarcza. I nie mo\u017ce dostarczy\u0107, bo pytanie o przysz\u0142o\u015b\u0107 wymaga kontekstu, kt\u00f3rego fizyczny redukcjonizm nie oferuje. Inteligencja, jakkolwiek j\u0105 zdefiniujemy, nie istnieje w pr\u00f3\u017cni. Jest osadzona w cia\u0142ach, kulturach, systemach w\u0142adzy, relacjach ekonomicznych. Definicja, kt\u00f3ra od tego abstrahuje, mo\u017ce by\u0107 matematycznie elegancka. Mo\u017ce nawet by\u0107 prawdziwa w jakim\u015b formalnym sensie. Ale nie powie nam, dok\u0105d zmierza AI i cz\u0142owiek, bo \u201ezmierzanie” to kategoria ludzkiego \u015bwiata, nie \u015bwiata r\u00f3wna\u0144.<\/p>
Nie twierdz\u0119, \u017ce Dragan si\u0119 myli. Twierdz\u0119, \u017ce warto przyjrze\u0107 si\u0119 temu, co poprzedza jego wnioski. Bo \u201eQuo vAIdis\u201d to ksi\u0105\u017cka ciekawa, dobra w warstwie popularyzatorskiej, a przy tym, jak s\u0105dz\u0119, s\u0142absza w warstwie argumentacyjnej.<\/p>
Bibliografia<\/strong><\/p> Bender, E.M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? \ud83e\udd9c. Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency,<\/p> Chollet, F. (2019). On the Measure of Intelligence. arXiv:1911.01547.<\/p> Dragan, A. (2025). Quo vAIdis. Spo\u0142eczny Instytut Wydawniczy Znak.<\/p> Dreyfus, H.L. (1972). What Computers Can’t Do: A Critique of Artificial Reason. Harper & Row. [wyd. rozszerzone: What Computers Still Can’t Do, MIT Press, 1992]<\/p> Hofstadter, D.R. (2001). Analogy as the Core of Cognition. W: D. Gentner, K.J. Holyoak, & B.N. Kokinov (red.), The Analogical Mind: Perspectives from Cognitive Science. MIT Press.<\/p> Legg, S., & Hutter, M. (2007). Universal Intelligence: A Definition of Machine Intelligence. Minds and Machines.<\/p> P\u00f6rksen, B. (2023). The Image of Man in Artificial Intelligence: A Conversation with Joseph Weizenbaum. Weizenbaum Journal of the Digital Society<\/em>,.<\/p> Russell, S., & Norvig, P. (2024). Sztuczna inteligencja. Nowe spojrzenie (wyd. IV). Helion. [oryg. Artificial Intelligence: A Modern Approach, 2021]<\/p> Tegmark, M. (2019). \u017bycie 3.0. Cz\u0142owiek w erze sztucznej inteligencji. Prze\u0142. T. Krzyszto\u0144. Pr\u00f3szy\u0144ski i S-ka. [oryg. Life 3.0: Being Human in the Age of Artificial Intelligence, 2017]<\/p> Weizenbaum, J. (1976). Computer Power and Human Reason: From Judgment to Calculation. W.H. Freeman.<\/p>","protected":false},"excerpt":{"rendered":" Niekt\u00f3re ksi\u0105\u017cki przekonuj\u0105 do swojej tezy. Inne \u2013 nie\u015bwiadomie \u2013 ucz\u0105 czytelnika, jakie pytania powinien zada\u0107, zanim tez\u0119 przyjmie. \u201eQuo vAIdis” nale\u017cy do tych drugich i by\u0107 mo\u017ce to jej najwi\u0119ksza warto\u015b\u0107.<\/p>\n","protected":false},"author":568,"featured_media":17149,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"rank_math_lock_modified_date":false,"footnotes":""},"categories":[760],"tags":[],"popular":[],"difficulty-level":[38],"ppma_author":[974],"class_list":["post-17145","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-kultura_media","difficulty-level-medium"],"acf":[],"authors":[{"term_id":974,"user_id":568,"is_guest":0,"slug":"zbigniew-rzepkowski","display_name":"Zbigniew Rzepkowski","avatar_url":{"url":"https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/10\/zbigniew-rzepkowski-scaled.jpg","url2x":"https:\/\/haimagazine.com\/wp-content\/uploads\/2025\/10\/zbigniew-rzepkowski-scaled.jpg"},"first_name":"","last_name":"","user_url":"","job_title":"","description":"Project Manager i AI Manager. \u0141\u0105czy \u015bwiat biznesu, technologii i humanistyki. Pisze o sztucznej inteligencji z perspektywy praktyka i obserwatora przemian \u2013 o etyce, geopolityce i wp\u0142ywie AI na cz\u0142owieka. W swoich tekstach szuka r\u00f3wnowagi mi\u0119dzy innowacj\u0105 a odpowiedzialno\u015bci\u0105. "}],"_links":{"self":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts\/17145","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/users\/568"}],"replies":[{"embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/comments?post=17145"}],"version-history":[{"count":4,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts\/17145\/revisions"}],"predecessor-version":[{"id":17177,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/posts\/17145\/revisions\/17177"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/media\/17149"}],"wp:attachment":[{"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/media?parent=17145"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/categories?post=17145"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/tags?post=17145"},{"taxonomy":"popular","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/popular?post=17145"},{"taxonomy":"difficulty-level","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/difficulty-level?post=17145"},{"taxonomy":"author","embeddable":true,"href":"https:\/\/haimagazine.com\/pl\/wp-json\/wp\/v2\/ppma_author?post=17145"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}