Alternatywy dla Immutable X – wybierz najlepszy blockchain dla Twojej gry

Maciej Zieliński

20 lut 2022
Alternatywy dla Immutable X – wybierz najlepszy blockchain dla Twojej gry

Gwałtowny wzrost zainteresowania NFT sprawił, że uruchomienie gry NTF stało się lukratywną opcją inwestycyjną. Dlatego coraz więcej przedsiębiorców poszukuje niezawodnych narzędzi, które umożliwią im wypuszczenie własnego tytułu. Obecnie najpopularniejszym z nich wydaje się rozwiązania stworzone przez Immutable i StarkWare. Jednak jakie są alternatywy Immutable X?

Spis treści

  • Polygon 
  • Immutable X
  • Solana a gry NFT
  • Rozwiązania skalujące dla NFT
  • Opłaty za gaz

Polygon 

Polygon, wcześniej znany jako Matic network, to bezpieczne i skalowalne rozwiązanie, które wykorzystuje boczne łańcuchy (side-chains) Blockchain, aby zapewnić szybsze i tańsze transakcje na Ethereum. Pod wieloma względami Polygon przypomina inne projekty Layer 2, takie jak Avalanche i Cosmos, jednak według swoich twórców wyróżnia go znacznie wyższa wydajność i bezpieczeństwo. Praktyka i sukces rynkowy zdają się to potwierdzać.

Sieci blockchain kompatybilne z Ethereum

Ethereum jest obecnie najczęściej używanym protokołem Blockchain, niestety ma też ono swoje ograniczenia, w tym:

  • Wysokie koszty transakcji
  • Niska przepustowość
  • Problematyczny UX

Stanowią one poważne wyzwanie dla produktów Blockchain, w tym NFT. Zwłaszcza z uwagi na ich negatywny wpływ na skalowalność projektów. Wysokie opłaty za gaz i niska przepustowość są szczególnie uciążliwe w przypadku projektów, w których regularnie emituję się i sprzedaje duże ilości tokenów NFT, a takimi właśnie są gry NFT.

Dlatego wiele projektów bada obecnie wykorzystanie sieci Blockchain kompatybilnych z Ethereum jako sposób na złagodzenie tych ograniczeń przy jednoczesnym wykorzystaniu zalet całego ekosystemu. Takie sieci nazywane są rozwiązaniami Layer 2. (Więcej o rozwiązaniach Layer 2, przeczytaj tutaj). To właśnie Polygon jest zdecydowanie jednym z najbardziej obiecujących wśród nich.

Jako rozwiązanie Layer 2, Polygon odpowiada na różnorodne potrzebydeweloperów, dostarczając narzędzia do tworzenia skalowalnych dApps, które na pierwszym miejscu stawiają bezpieczeństwo, modułowość i przejrzysty UX. Jest to możliwe dzięki architekturze protokołów składającej się z Commit Chains (działających w modelu Proof of Stake - PoS) oraz More Viable Plasma (MoreVP).

W skrócie, działanie sieci Matic opiera się na Commit Chains, czyli sieciach transakcyjnych, które działają na głównym Blockchainie, Ethereum. Commit Chains łączą transakcję w partie, które następnie zatwierdzaną są zbiorczo przed zwróceniem danych do głównej sieci Ethereum.

Zero opłat za gaz

Najważniejsze zalety: w sieci Polygon można za darmo wybijać, kupować i przenosić własność NFT. Tak to prawda. Jest to gigantyczna przewaga nad Layer 1 Ethereum, gdzie wybicie jednego NFT może kosztować nawet ponad 100 USD.

Jest to szczególnie ważne w przypadku gier NFT, w które opierają się na emisji i sprzedaży dużych ilości NFT. Sieć Polygon może obsługiwać te procesy przy niskich kosztach, bez utraty bezpieczeństwa i identyfikowalności zapewnianych przez główną sieć Ethereum.

Co więcej, NFT stworzonymi na Polygon można łatwo handlować za ETH. Dla graczy jest to znaczące udogodnienie, jako że ETH jest jedną z najpopularniejszych i najbardziej stabilnych kryptowalut, obecną na praktycznie każdej giełdzie (zarówno CEX, jak i DEX).

Solana

W przeciwieństwie do innych protokołów wymienionych w tym artykule, Solana nie jest rozwiązaniem Layer 2 opartym na Ethereum, a zupełnie nowym Blockchainem.

Uruchomiona w 2020 roku przez fundację Solana, Solana Blockchain ma na celu rozwiązanie problemów ze skalowalnością, z którą boryka się z większością współczesnych protokołów Blockchain. Jego głównym celem jest wspieranie rozwoju ekosystemu Defi poprzez wpasowanie się w tzw. trylemat Blockchain: decentralizację, bezpieczeństwo i skalowalność.

Połączenie tych trzech czynników jest swoistym świętym Graalem świata Blockchain. Wielu projektom udaje się wesprzeć jeden lub nawet dwa z tych czynników, jednak zawodzą, jeśli chodzi o pozostałe. Inżynierowie Solany są zdania, że wdrożyli wszystkie 3.  

Solana to Blockchain trzeciej generacji, który w odróżnieniu od innych protokołów Blockchain wykorzystuje hybrydowy algorytm konsensusu. Mówiąc dokładniej, łączy proof-of-history (PoH) z proof-of-stake (PoS). Dzięki temu jest w stanie przetwarzać ponad 50 000 transakcji na sekundę. Dla porównania, Ehereum w tym samym czasie nie obsłuży więcej niż 30. Teraz już wiesz, dlaczego oczekiwania wobec Solany są tak wysokie.

Kolejnym istotnym problemem z Layer 1 Ethereum jest opłata za gaz. Opłaty za gaz są kluczową kwestią w grach NFT, gdyż bicie i handel NFT wymagają ich uiszczenia. Zasadniczo budowanie gier NFT tylko na Layer 1 byłoby prawie niemożliwe, ponieważ uruchamianie tego byłoby zbyt kosztowne zarówno dla graczy, jak i twórców. A nawet gdyby to było możliwe, krąg potencjalnych graczy byłby niezwykle wąski. Tutaj znowu wracamy do problemów ze skalowalnością.

Dlatego twórcy gier NFT starają się znaleźć inne protokoły, które będą oferować niższe opłaty. Jak już wspominaliśmy, Solana jest zdecydowanie jedną z nich. Oferuje prawie zerowe opłaty za gaz. Co to znaczy? Opłata za gaz Ethereum może z łatwością przekroczyć 100 USD, gdy na Solanie średni koszt transakcji wynosi tylko… 0,00025 USD. Bez wątpienia jest to znacząca różnica.

Bicie NFT na Solanie

Ok, mamy więc szybki, bardzo obiecujący Blockchain o szybko rosnącej popularności. Dlaczego nie mielibyśmy go używać do bicia NFT? Wiele z niedawno powstałych projektów NFT udowadnia, że ​​jest to świetny pomysł.

Dzięki swojej szybkości i niskim opłatom Solana jest idealnym rozwiązaniem dla każdego projektu NFT, który wiąże się z wybijaniem i handlem dużą ich ilością. Oczywiście dotyczy to również gier NFT. Ale to nie wszystko. Korzystając z Solany, możliwe byłoby nawet wykonanie większości mechaniki gry na Blockchainie.

Immutable X

Immutable X

Mówiąc o alternatywach dla Immutable X, nie mogliśmy zapomnieć o… Immutable X. Istnieją dobre powody, dla których projekt ten uważany jest za kamień milowy dla grywalnych NFT.

Wydany w kwietniu 2021 roku Immutable X to pierwsze rozwiązanie warstwy 2 dedykowane grywalnym tokenom NFT. Nawet za jej stworzeniem stoją twórcy gry – australijski zespół Immutable, odpowiedzialny za grę karcianą opartą na NFT – Gods Unchained. Ich głównym celem było umożliwienie masowego zastosowania NFT w grach.

Tak jak wiele innych systemów blockchain, Immutable X został zbudowany w oparciu o technologię skalowania Layer 2, tutaj stworzoną przez StarWare. Tym samym platforma stała się pierwszym rozwiązaniem Layer 2 dedykowanym NFT. Dzięki czemu użytkownicy mogą korzystać z bezpieczeństwa zapewnianego przez Ethereum bez konieczności uiszczania wysokich opłat za gaz.

Alternatywą dla korzystania z ekosystemu Ethereum mogłoby być stworzenie zupełnie nowego, szybszego protokołu Blockchain z inną metodą uzyskiwania konsensusu lub opracowanie łańcuchów bocznych, które przetwarzają transakcje na swój własny sposób. Jednak zdaniem twórców Immutable X takie rozwiązania byłyby niewystarczające, gdyż najprawdopodobniej nie osiągnęłyby poziomu bezpieczeństwa, jaki gwarantuje Ethereum.

Wydaje się, że to właśnie bezpieczeństwo odgrywa tutaj kluczową rolę „Jeśli bezpieczeństwo zawiedzie, to samo stanie się z autentycznością NFT, a to będzie miało koszmarne konsekwencje”. mówią twórcy platformy.

Zoptymalizowane tworzenie NFT

Jedną z najważniejszy funkcji platformy jest narzędzie Immutable X Mint, które umożliwia łatwe i bezpieczne tworzenie oraz dystrybucję tokenów ERC-721 i ERC-20. Jego największe zalety to:

  • Brak opłat za gaz
  • Natychmiastowa możliwość handlu nowo utworzonymi aktywami
  • Takie same zabezpieczenia jak w głównej sieci Ethereum.

Uruchamianie własnej gry NFT to skomplikowany proces. Dlatego każda pomoc może się przydać. Na szczęście twórcy Immutable X są jednymi z najbardziej kooperatywnych w całej branży.

Jeśli chcesz uruchomić własną grę NFT, możesz liczyć na ich wsparcie. Przeprowadzą Cię przez swoje rozwiązanie, zapewnią konsultacje rozwojowe, a w niektórych przypadkach nawet pomogą w kampaniach marketingowych i skalowaniu.

Immutable X a ślad węglowy

Według swojego twórcy, Immutable X ma stać się pierwszym całkowicie neutralnym pod względem emisji dwutlenku węgla projektem skoncentrowanym na NFT.

Immutable X jako rozwiązanie Layer 2 jest znacznie bardziej energooszczędne niż Ethereum. Dlatego tworzenie na nim NFT pociąga za sobą niższą emisję dwutlenku węgla. Ale to nie wszystko. Platforma twierdzi, że kupi kredyty węglowe, aby zrównoważyć ślad energetyczny wszelkich wybijanych NFT. Będą kontynuować tę praktykę, aż warstwa 1 Ethereum w całości przejdzie na Proof-of-Stake.

Tworzenie gier NFT z Nextrope

Wybór odpowiednich rozwiązań technologicznych jest  pierwszym krokiem do sukcesu Twojego projektu. Należy jednak mieć świadomość, że uruchomienie gry NFT, która przyciągnie globalną publiczność, będzie wymagało dużych umiejętności i wiedzy zarówno ze strony technologicznej, jak i biznesowej branży Blockchain. Dlatego wiele projektów decyduje się na zatrudnienie zewnętrznej firmy Blockchain jako partnera technologicznego.

W Nextrope możemy nazwać się pionierami technologii Blockchain w Europie Środkowo-Wschodniej. Przeprowadziliśmy jedną z pierwszych tokenizacji na świecie i od tego czasu pozostajemy na bieżąco z branżą. Gry NFT nie są tu wyjątkiem.

Czy chcesz wiedzieć, jak zespół Nextrope może wynieść Twoją grę NFT na nowy poziom? Zapraszamy do kontaktu z naszymi specjalistami, którzy chętnie odpowiedzą na wszystkie pytania.

Most viewed


Never miss a story

Stay updated about Nextrope news as it happens.

You are subscribed

AI w Branży Nieruchomości. Jak wspiera rynek mieszkań?

Miłosz Mach

13 mar 2025
AI w Branży Nieruchomości. Jak wspiera rynek mieszkań?

Obecnie wiele sektorów gospodarki przechodzi transformację cyfrową. AI w 2025 to już nie tylko gadżet, a narzędzie, które przeprowadza rozmowy z klientami, usprawnia podejmowanie decyzji i optymalizuje procesy sprzedażowe. Równolegle, technologia blockchain zapewnia bezpieczeństwo , transparentność i skalowalność transakcji. Tym wpisem rozpoczynamy serię publikacji o AI w biznesie, a dzisiejszy artykuł poświęcimy wykorzystaniu sztucznej inteligencji w branży nieruchomości.

AI vs. Tradycja: Kluczowe Implementacje AI w Sektorze Nieruchomości

Projektowanie, sprzedaż, i zarządzanie - dotychczasowe metody ustępują miejsca decyzjom wspieranym danymi.

Przełom w Obsłudze Klienta

Chatboty i Asystenci AI zmieniają sposób, w jaki firmy komunikują się z klientami. Obsługują równocześnie setki zapytań, personalizują oferty i prowadzą klientów przez proces zakupowy. Wdrożenie agentów AI może prowadzić do wzrostu jakościowych leadów dla deweloperów oraz automatyzacji odpowiedzi na większość standardowych zapytań klientów. Wyzwania techniczne przy implementacji takich systemów obejmują:

  • Integrację z istniejącymi bazami danych nieruchomości - chatbot musi mieć dostęp do aktualnych ofert, cen i dostępności
  • Personalizację komunikacji - system musi dostosowywać komunikację do indywidualnych potrzeb klienta
  • Zarządzanie wiedzą branżową - chatbot potrzebuje specjalistycznej wiedzy o lokalnym rynku nieruchomości

Zaawansowana Analiza Danych

Systemy kognitywnej AI wykorzystują uczenie głębokie (deep learning) do analizy złożonych zależności na rynku nieruchomości, t.j. trendów makroekonomicznych, lokalnych planów zagospodarowania czy zachowań użytkowników na platformach społecznościowych. Wdrożenie takiego rozwiązania wymaga:

  • Zebrania wysokiej jakości danych historycznych
  • Stworzenia infrastruktury do przetwarzania danych w czasie rzeczywistym
  • Opracowania odpowiednich modeli uczenia maszynowego
  • Ciągłego monitorowania i aktualizacji modeli w oparciu o nowe dane

Inteligentne Projektowanie

Generatywna sztuczna inteligencja rewolucjonizuje projektowanie architektoniczne. Te zaawansowane algorytmy potrafią generować dziesiątki wariantów projektu budynku uwzględniających ograniczenia działki, wymogi prawne, efektywność energetyczną i preferencje estetyczne.

Optymalizacja Efektywności Energetycznej Budynków

Inteligentne systemy zarządzania budynkami (BMS) wykorzystują AI do optymalizacji zużycia energii przy jednoczesnym zachowaniu komfortu mieszkańców. Algorytmy uczenia ze wzmocnieniem (reinforcement learning) badają dane z czujników temperatury, wilgotności i jakości powietrza, a następnie dostosowują parametry ogrzewania, klimatyzacji i wentylacji.

Integracja AI z Blockchain a Tokenizacja Nieruchomości

Połączenie AI z technologią blockchain stwarza nowe możliwości dla branży nieruchomości. Blockchain to rozproszona baza danych, w której informacje są przechowywane w niezmienialnych "blokach". Zapewnia bezpieczeństwo transakcji i transparentność danych, podczas gdy AI analizuje te dane i wyciąga wnioski. W praktyce oznacza to, że historia własności, wszystkie transakcje i modyfikacje nieruchomości są zapisane w sposób niemożliwy do podrobienia, a AI pomaga w interpretacji tych danych i podejmowaniu decyzji.

Przyszłość AI w Branży Nieruchomości: Trendy i Prognozy

AI w sektorze nieruchomości ma potencjał przyniesienia branży wartości od 110 do 180 miliardów dolarów amerykańskich, jak podkreślają eksperci McKinsey & Company.

Kluczowe kierunki rozwoju w najbliższych latach to:

  • Autonomiczne systemy negocjacyjne - agenci AI wyposażeni w strategie teorii gier, zdolni do prowadzenia złożonych negocjacji
  • AI w planowaniu urbanistycznym - algorytmy planujące rozwój miast i optymalną alokację przestrzeni
  • Tokenizacja nieruchomości - wykorzystanie blockchain do podziału nieruchomości na cyfrowe tokeny, umożliwiające inwestowanie w części nieruchomości

Wnioski

Pytanie dla firm nie brzmi już "czy", ale "jak" wdrażać AI, aby maksymalizować korzyści i konkurencyjność swoich ofert. Strategiczne podejście zaczyna się od zdefiniowania konkretnych problemów biznesowych, a następnie doboru odpowiednich technologii.

Jakie wartości potencjalnie wniesie do Twojej organizacji?
  • Obniżenie kosztów operacyjnych dzięki automatyzacji
  • Poprawę doświadczenia klienta i skrócenie czasu transakcji
  • Zwiększenie dokładności prognoz i wycen, redukcja ryzyka biznesowego
Nextrope Logo

Chcesz wdrożyć AI w swoim biznesie nieruchomości?

Nextrope specjalizuje się w implementacji rozwiązań AI i blockchain dostosowanych do konkretnych potrzeb biznesowych. Nasze doświadczenie pozwala na:

  • Tworzenie inteligentnych chatbotów obsługujących klientów 24/7
  • Implementację systemów analitycznych do wyceny nieruchomości
  • Budowę bezpiecznych rozwiązań blockchain dla transakcji nieruchomościowych
Umów bezpłatną konsultację

Lub sprawdź pozostałe artykuły z serii "AI w biznesie"

AI w automatyzacji frontendowej – jak zmienia pracę programisty?

Gracjan Prusik

10 mar 2025
AI w automatyzacji frontendowej – jak zmienia pracę programisty?

Rewolucja AI w Warsztacie Frontendowca

W dzisiejszych czasach programowanie bez wsparcia AI to rezygnacja z potężnego narzędzia, które radykalnie zwiększa produktywność i wydajność developera. Dla współczesnego developera AI w automatyzacji frontendowej to nie tylko ciekawostka, ale kluczowe narzędzie zwiększające produktywność. Od automatycznego generowania komponentów, przez refaktoryzację, aż po testowanie - narzędzia AI fundamentalnie zmieniają naszą codzienną pracę, pozwalając skupić się na kreatywnych aspektach programowania zamiast na żmudnym pisaniu powtarzalnego kodu. W tym artykule pokażę, jak najczęściej wykorzystywane są te narzędzia, aby pracować szybciej, mądrzej i z większą satysfakcją.

Ten wpis rozpoczyna serię poświęconą zastosowaniu AI w automatyzacji frontendowej, w której będziemy analizować i omawiać konkretne narzędzia, techniki i praktyczne przypadki użycia AI, pomagające programistom w codziennej pracy.

AI w automatyzacji frontendowej – jak pomaga w refaktoryzacji kodu?

Jednym z najczęstszych zastosowań AI jest poprawianie jakości kodu i znajdowanie błędów. Narzędzia potrafią analizować kod i sugerować optymalizacje. Dzięki temu będziemy w stanie pisać kod znacznie szybciej, a także znacznie zmniejszyć ryzyko związane z ludzkim błędem.

Jak AI ratuje nas przed frustrującymi błędami

Wyobraź sobie sytuację: spędzasz godziny debugując aplikację, nie rozumiejąc dlaczego dane nie są pobierane. Wszystko wydaje się poprawne, składnia jest prawidłowa, a jednak coś nie działa. Często problem tkwi w drobnych szczegółach, które trudno wychwycić podczas przeglądania kodu.

Spójrzmy na przykład:

function fetchData() {
    fetch("htts://jsonplaceholder.typicode.com/posts")
      .then((response) => response.json())
      .then((data) => console.log(data))
      .catch((error) => console.error(error));
}

Na pierwszy rzut oka kod wygląda poprawnie. Jednak po uruchomieniu nie otrzymamy żadnych danych. Dlaczego? W URL-u znajduje się literówka - "htts" zamiast "https". To klasyczny przykład błędu, który może kosztować developera godziny frustrującego debugowania.

Kiedy poprosimy AI o refaktoryzację tego kodu, nie tylko otrzymamy bardziej czytelną wersję wykorzystującą nowsze wzorce (async/await), ale również - co najważniejsze - AI automatycznie wykryje i naprawi literówkę w adresie URL:

async function fetchPosts() {
    try {
      const response = await fetch(
        "https://jsonplaceholder.typicode.com/posts"
      );
      const data = await response.json();
      console.log(data);
    } catch (error) {
      console.error(error);
    }
}

Jak AI w automatyzacji frontendowej przyspiesza tworzenie UI?

Jednym z najbardziej oczywistych zastosowań AI w frontendzie jest generowanie komponentów UI. Narzędzia takie jak GitHub Copilot, ChatGPT czy Claude potrafią wygenerować kod komponentu na podstawie krótkiego opisu lub przesłanego im obrazu.

Dzięki tym narzędziom możemy tworzyć złożone interfejsy użytkownika w zaledwie kilkadziesiąt sekund. Wygenerowanie kompletnego, funkcjonalnego komponentu UI zajmuje często mniej niż minutę. Co więcej, wygenerowany kod jest zazwyczaj pozbawiony błędów, zawiera odpowiednie animacje i jest w pełni responsywny, dostosowując się do różnych rozmiarów ekranu. Ważne jest, aby dokładnie opisać czego oczekujemy.

Widok wygenerowany przez Claude po wpisaniu "Na podstawie wczytywanych danych wyświetl posty. Strona ma być responsywna. Kolory przewodnie to: #CCFF89, #151515 i #E4E4E4".

Wygenerowany widok postów

AI w analizie i rozumieniu kodu

AI może analizować istniejący kod i pomóc w jego zrozumieniu, co jest szczególnie przydatne w przypadku dużych, skomplikowanych projektów lub kodu napisanego przez kogoś innego.

Przykład: Generowanie podsumowania działania funkcji

Załóżmy, że mamy funkcję do przetwarzania danych użytkowników, której działania nie rozumiemy na pierwszy rzut oka. AI może przeanalizować kod i wygenerować jego czytelne wyjaśnienie:

function processUserData(users) {
  return users
    .filter(user => user.isActive) // Sprawdza wartość `isActive` dla każdego użytkownika i zostawia tylko te obiekty, gdzie `isActive` jest prawdziwe (true)
    .map(user => ({ 
      id: user.id, // Pobiera wartość `id` z każdego obiektu użytkownika
      name: `${user.firstName} ${user.lastName}`, // Tworzy nowy string, łącząc `firstName` i `lastName`
      email: user.email.toLowerCase(), // Zamienia adres e-mail na małe litery
    }));
}

W tym przypadku AI nie tylko podsumowuje działanie kodu, ale też rozbija poszczególne operacje na łatwiejsze do zrozumienia fragmenty.

AI w automatyzacji frontendowej – tłumaczenia i wykrywanie błędów

Każdy frontendowiec wie, że praca programisty to nie tylko kreatywne tworzenie interfejsów, ale także mnóstwo powtarzalnych, żmudnych zadań. Jednym z nich jest implementacja tłumaczeń dla aplikacji wielojęzycznych (i18n). Dodawanie tłumaczeń dla każdego klucza w plikach JSON, a następnie ich weryfikacja, potrafi być czasochłonna i podatna na błędy.

Dzięki AI możemy jednak znacznie przyspieszyć ten proces. Wykorzystanie ChatGPT, DeepSeek czy Claude pozwala na automatyczne generowanie tłumaczeń dla interfejsu użytkownika, a także wychwytywanie błędów językowych i stylistycznych.

Przykład:

Mamy plik tłumaczeń w formacie JSON:

{
  "welcome_message": "Witaj w naszej aplikacji!",
  "logout_button": "Wyloguj się",
  "error_message": "Coś poszło nie tak. Spróbuj ponownie później."
}

AI może automatycznie wygenerować jego wersję w języku angielskim:

{
  "welcome_message": "Welcome to our application!",
  "logout_button": "Log out",
  "error_message": "Something went wrong. Please try again later."
}

Co więcej, AI potrafi wykryć błędy ortograficzne czy niekonsekwencje w tłumaczeniach. Jeśli na przykład w jednym miejscu użyliśmy "Wyloguj się", a w innym "Wyjdź", AI może zasugerować ujednolicenie terminologii.

Tego typu automatyzacja nie tylko oszczędza czas, ale też minimalizuje ryzyko ludzkich błędów. A to tylko jeden z przykładów – AI pomaga również w generowaniu dokumentacji, pisaniu testów oraz optymalizacji wydajności – o czym opowiemy w kolejnych artykułach.

Podsumowanie

Sztuczna inteligencja zmienia sposób, w jaki frontendowcy pracują na co dzień. Od generowania komponentów, przez refaktoryzację kodu i wykrywanie błędów, aż po automatyczne testowanie i dokumentację – AI znacząco przyspiesza i usprawnia pracę. Bez tych narzędzi stracimy bardzo dużo czasu, czego oczywiście nie chcemy.

W kolejnych częściach serii omówimy m.in.:

Śledź nas, aby być na bieżąco!