AI (Artificial Intelligence, česky umělá inteligence) se zabývá vytvářením programů a strojů schopných provádět úkoly, které běžně vyžadují lidskou inteligenci.

Patří sem například rozpoznávání řeči, porozumění přirozenému jazyku, učení se z dat, vizuální vnímání nebo na druhou stranu produkce těchto věcí.

Stručná historie

Termín umělá inteligence je mnoho desítek let starý.

Od té doby prošla AI několika vlnami velkého očekávání a následného zklamání (tzv. AI winters). Současný boom mezi běžnými lidmi začal v roce 2022, kdy byl spuštěn ChatGPT.

Proč se AI tak rozmohla až v posledních letech?

Principy umělé inteligence se zkoumají už desítky let, ale teprve nedávno se sešlo několik faktorů, které umožnily dnešní „AI boom“:

• Výpočetní výkon – moderní grafické karty (GPU/TPU) a cloud umožňují trénovat obrovské modely, které by dříve nešlo vůbec spočítat.
• Obrovské množství dat – internet, sociální sítě, e-shopy a chytrá zařízení generují data, na kterých se modely mohou učit.
• Lepší algoritmy – hluboké učení a zejména architektura transformerů škálují s daty a výkonem, takže „víc dat + víc výpočtů“ reálně znamená lepší výsledky.
• Dostupné nástroje – knihovny jako TensorFlow, PyTorch nebo hotová API zpřístupnily AI běžným vývojářům, nejen výzkumníkům.
• Ekonomická motivace – vyhledávání, reklama, doporučování obsahu, automatizace a produktivita přinášejí firmám přímé peníze, takže do AI proudí obří investice.
• Snadné použití pro běžné uživatele – nástroje jako ChatGPT, Claude nebo Gemini ukázaly AI v podobě jednoduchého chatu, což dramaticky zvýšilo zájem veřejnosti i médií.

Typy umělé inteligence

AI se často rozděluje podle toho, jak široké a obecné má schopnosti:

Slabá AI (úzká AI)

Slabá AI (Narrow AI) je navržena pro konkrétní úkol. Je to typ AI, se kterým se dnes setkáváme nejčastěji:

• Hlasové asistentky (Siri, Alexa, Google Assistant)
• Doporučovací systémy (Netflix, Spotify, YouTube)
• Rozpoznávání obličejů
• Chatboti (ChatGPT, Claude)
• Autonomní řízení vozidel

Silná AI (obecná AI)

Silná AI (Artificial General Intelligence, AGI) by měla být schopna provádět jakýkoli intelektuální úkol, který zvládne člověk.

Tento typ AI zatím neexistuje a je předmětem intenzivního výzkumu a debat.

Superinteligence

Superinteligence je hypotetická AI, která by výrazně převyšovala lidskou inteligenci ve všech oblastech. Jde spíše o teoretický koncept a oblíbené téma sci-fi.

Jak AI funguje?

Většina moderních AI systémů je založena na strojovém učení (Machine Learning).

Strojové učení

Strojové učení je postup, při kterém se algoritmy učí z dat, aniž by pro každý konkrétní úkol musel programátor přesně popsat všechna pravidla.

Existují tři hlavní přístupy:

1. Učení s učitelem (Supervised Learning) – model se učí z označených dat (např. obrázky mají popisky, zda je na nich pes nebo kočka).
2. Učení bez učitele (Unsupervised Learning) – model hledá vzory v neoznačených datech. Typicky seskupuje podobné věci k sobě.
3. Posilované učení (Reinforcement Learning) – model se učí metodou pokus–omyl, za správná rozhodnutí dostává odměny a za špatná „tresty“.

Neuronové sítě

Neuronové sítě jsou volně inspirovány strukturou lidského mozku. Skládají se z vrstev jednoduchých výpočetních jednotek („neuronů“), které zpracovávají a předávají si informace.

Hluboké učení (Deep Learning) využívá neuronové sítě s mnoha vrstvami a stojí za většinou současných průlomů v AI.

AI mimo strojové učení

Umělá inteligence nemusí být jen o strojovém učení. Existují i další přístupy, například:

• Symbolická (pravidlová) AI – systémy založené na ručně psaných pravidlech typu „když nastane X, udělej Y“.
• Hledání a plánování – algoritmy, které procházejí možnosti a hledají nejlepší tah nebo plán (např. šachové programy).

V praxi se často používají hybridní systémy, které kombinují strojové učení s pravidly nebo plánováním.

Problém černé skříňky

Paradoxem moderní AI je, že ani její tvůrci často přesně nevědí, proč konkrétní model dává konkrétní odpovědi (black box problem).

Výzkumníci chápou:

• Matematické principy (lineární algebra, statistika, optimalizace)
• Architekturu sítí (jak jsou vrstvy propojeny)
• Trénovací proces (jak se síť učí z dat)

Co zůstává nejasné:

• Proč konkrétní kombinace miliard vah vede k danému výsledku.
• Jaké interní „koncepty“ si síť vytvořila.
• Proč model někdy selhává zdánlivě nepředvídatelným způsobem.

Je to podobné jako u lidského mozku – rozumíme neuronům a synapsím, ale přesně nevíme, jak z nich vzniká vědomí. Proto se rozvíjí obor interpretabilita AI (AI interpretability), který se snaží nahlédnout dovnitř těchto „černých skříněk“.

Velké jazykové modely (LLM)

LLM (Large Language Models) jsou velké neuronové sítě trénované na obrovském množství textu. Dokáží generovat text, odpovídat na otázky, překládat a dělat mnoho dalších jazykových úloh.

• GPT od OpenAI (pohání ChatGPT)
• Claude od Anthropic
• Gemini od Google
• LLaMA od Meta

Jak funguje ChatGPT?

ChatGPT je konkrétní velký jazykový model zabalený do chatovacího rozhraní. Funguje velmi zjednodušeně takto:

• Model byl natrénovaný na velkém množství textů, aby se naučil, jak lidé píšou a jak vypadají smysluplné odpovědi.
• Při psaní odpovědi dostane jako vstup celou historii konverzace a po jednom „hádá“, které slovo (nebo token) má přijít jako další.
• Některé verze jsou navíc doladěné pomocí zpětné vazby od lidí, aby odpovědi byly užitečnější a bezpečnější.

Halucinace

Halucinace (hallucinations) jsou označení pro situace, kdy AI generuje informace, které znějí věrohodně, ale jsou nepravdivé nebo zcela vymyšlené.

Příklady halucinací:

• Citování neexistujících knih nebo studií
• Vymýšlení biografických údajů o reálných lidech
• Generování falešných statistik s konkrétními čísly
• Uvádění neexistujících příkazů a funkcí v programovacích jazycích

K halucinacím dochází proto, že LLM jsou trénovány na predikci pravděpodobného textu, nikoli na ověřování faktů. Model „neví“, co je pravda – pouze generuje text, který statisticky dává smysl.

Jak se proti halucinacím bránit:

• Ověřovat důležité informace z jiných zdrojů
• Být obzvláště opatrný u specifických faktů (data, čísla, jména)
• Používat AI s přístupem k internetu pro aktuální data

Je to skutečně inteligence?

Označení „inteligence“ je předmětem debat. Hodně záleží na tom, jak si inteligenci definujeme.

Argumenty proti

• Chybí porozumění – AI zpracovává vzory, ale „nechápe“ význam ve smyslu lidského chápání.
• Žádné vědomí – AI nemá subjektivní prožívání, emoce ani sebeuvědomění.
• Čínský pokoj – myšlenkový experiment, kdy člověk v místnosti následuje pravidla pro odpovídání v čínštině, aniž by čínsky rozuměl. Je AI v principu něco jiného?
• Statistická predikce – LLM predikuje „co by pravděpodobně následovalo“, nerozmýšlí a nemá vlastní záměry.

Argumenty pro

• Funkční definice – pokud systém řeší úkoly, které dříve vyžadovaly lidskou inteligenci, proč ho nenazývat inteligentním?
• Vynořování (emergence) – z jednoduchých pravidel může vznikat komplexní chování, podobně jako u biologického mozku.
• Turingův test – pokud v běžné konverzaci nepoznáte rozdíl od člověka, je rozdíl „pod kapotou“ pro praktické použití vůbec důležitý?

Hodně lidí bere současnou AI spíš jako sofistikovaný nástroj pro zpracování vzorů než inteligenci v lidském smyslu. Termín „umělá inteligence“ je částečně marketingový a částečně historický – vznikl v době, kdy byly ambice jiné než dnešní realita.

Prakticky je to podle mě celkem jedno – podstatné mi přijde, co si pod tím pojmem lidé představují, než řešit jestli to je nebo není inteligence.

Kde se s AI setkáváme?

AI je dnes všudypřítomná, často aniž si to uvědomujeme:

• Vyhledávače – Google používá AI pro lepší výsledky vyhledávání
• Sociální sítě – algoritmy určují, co vidíme ve feedu
• E-maily – filtrování spamu, chytré odpovědi
• Navigace – optimalizace tras v reálném čase
• Finance – detekce podvodů, algoritmické obchodování
• Zákaznická podpora – chatboti a virtuální asistenti

AI a programování

Pro vývojáře jsou obzvlášť zajímavé nástroje využívající AI pro psaní a čtení kódu:

• Cursor – editor s integrovanou AI
• Claude Code – programování pomocí AI bez potřeby editoru
• GitHub Copilot – AI asistent přímo v editoru

Více o využití AI při programování najdete v článku 10+ způsobů, jak AI pomáhá při programování.

Rizika

S rozvojem AI přichází i řada obav:

• Ztráta pracovních míst – automatizace může nahradit některé profese
• Dezinformace – generování falešných zpráv a deepfakes (podle mě spíš pozitivní, protože se tím lidé učí věci ověřovat)
• Předpojatost – AI může přebírat předsudky z trénovacích dat
• Soukromí – sběr a analýza osobních dat
• Bezpečnost – zneužití AI pro kybernetické útoky

Ztráta pracovních míst a nové profese

Častou obavou je, že AI „vezme lidem práci“. V praxi ale většinou dochází spíš k proměně práce.

Historicky už byla spousta průlomových vynálezů, které lidem braly práci. Nakonec to znamenalo změnu profesí a vyšší životní úroveň, tak je otázka, proč by to s dnešní AI mělo být jinak.

Jak automatizace mění trh práce

Nové technologie obvykle:

• automatizují především rutinní a opakující se úkoly,
• zvyšují produktivitu lidí, kteří technologii umí využít,
• vytvářejí nové typy práce, které dříve neexistovaly.

Pro jednotlivce je problém v tom, že nová pracovní místa často:

• nevznikají ve stejný okamžik, kdy ta stará zanikají,
• nejsou ve stejném regionu nebo firmě,
• často vyžadují jiné dovednosti než ta původní.

Rekvalifikace a celoživotní učení

Klíčová je rekvalifikace a celoživotní vzdělávání – čím rychleji se lidé naučí nové dovednosti a práci s AI, tím menší dopad má automatizace na jejich uplatnění.

Co pomáhá:

• sledovat, které části vlastní práce jsou nejvíce automatizovatelné,
• rozvíjet dovednosti, které se těžko nahrazují (kreativita, komunikace, systémové myšlení),
• učit se AI aktivně používat, aby zvyšovala produktivitu a neohrožovala pracovní místo.

Závěr

• AI je technologie umožňující strojům provádět úkoly, které dříve vyžadovaly lidskou inteligenci.

• Dnešní AI je převážně slabá (úzká) – specializovaná na konkrétní úkoly.

• Základem moderní AI je strojové učení a neuronové sítě.

• AI je již součástí našeho každodenního života a její význam bude dál růst.