Jak funguje umělá inteligence, lze shrnout do jedné věty: počítačový program se z obrovského množství příkladů naučí rozpoznávat vzorce a ty pak využívá k odhadu nejpravděpodobnější odpovědi. Nepřemýšlí jako člověk, nerozumí světu a nemá vlastní záměry. Počítá pravděpodobnosti, a to tak rychle a v takovém rozsahu, že výsledek často působí jako porozumění.
Text vysvětluje základní pojmy bez matematiky: co je umělá inteligence, jak probíhá strojové učení, co jsou neuronové sítě a jak pracuje velký jazykový model, který stojí za chatboty. Věnuje se také tomu, proč AI někdy sebejistě tvrdí nepravdu, kde se s ní lidé setkávají každý den, jaká rizika přináší a co mění evropský AI Act. Na konci je přehledná tabulka pojmů a odpovědi na časté otázky.
Co je umělá inteligence a čím není?
Umělá inteligence je souhrnný název pro počítačové systémy, které zvládají úkoly, k nimž byl dosud potřeba lidský úsudek: rozpoznat obličej na fotografii, přeložit větu, odhadnout riziko podvodu u platby nebo napsat odpověď na otázku. Nejde o vědomí ani o myšlení, ale o statistické modely naučené na datech.
Klasický počítačový program funguje podle pravidel, která mu někdo přesně napsal. Má-li kalkulačka sečíst dvě čísla, programátor jí postup zadá krok za krokem. U umělé inteligence je to jinak. Pravidla nikdo nevypisuje ručně, systém si je odvodí sám z tisíců či miliard příkladů.
Dnešní AI je takzvaná úzká umělá inteligence. Model, který výborně rozpoznává nádorové buňky na snímcích, neumí řídit auto ani napsat báseň. I velké jazykové modely, které zvládají široké spektrum textových úloh, zůstávají nástrojem bez vlastní vůle. Představa obecné umělé inteligence, která by se člověku vyrovnala ve všem, je zatím předmětem výzkumu a sporů odborníků.
Jak funguje umělá inteligence při učení z dat?
Umělá inteligence se učí pomocí strojového učení. Model dostane velké množství příkladů, zkouší předpovědět správný výsledek, porovná ho se skutečností a podle chyby si upraví vnitřní nastavení. Tento cyklus se opakuje milionkrát, dokud chyby neklesnou na přijatelnou úroveň. Výsledkem je model, který si poradí i s příklady, jaké předtím neviděl.
Dobrým příkladem je spamový filtr v e-mailové schránce. Vývojáři mu nedodají seznam všech podvodných vět, ale miliony zpráv označených jako „spam“ nebo „běžná pošta“. Model si sám všimne, která slova, odkazy či vzorce odesílatelů se v nevyžádané poště opakují, a podle toho třídí i nové zprávy.
Klíčovou roli hrají data. Pokud jsou neúplná, zastaralá nebo jednostranná, model si osvojí i jejich chyby. Odborníci to popisují jednoduchou zásadou: jaká data vstupují, takový výsledek vychází.
Jaký je rozdíl mezi učením s učitelem a bez učitele?
Při učení s učitelem má každý příklad správnou odpověď, například fotografie s popiskem „kočka“ nebo „pes“. Při učení bez učitele model dostane data bez označení a sám v nich hledá skupiny a souvislosti, třeba zákazníky s podobným nákupním chováním. Třetím přístupem je zpětnovazební učení, při kterém systém zkouší různé kroky a dostává „odměnu“ za úspěšná rozhodnutí. Takto se učí například programy hrající šachy či go.
Co jsou neuronové sítě a proč se jim říká „hluboké“?
Neuronová síť je matematický model volně inspirovaný mozkem. Skládá se z vrstev jednoduchých výpočetních jednotek, takzvaných neuronů, které si předávají čísla. Každé spojení má váhu, jež určuje jeho důležitost. Při učení se právě tyto váhy postupně dolaďují. Hluboká síť má mnoho vrstev, a proto zvládne složité úlohy.
Fungování sítě lze ukázat na rozpoznávání obrázků. První vrstvy zachycují jen hrany a kontrasty, další z nich skládají tvary jako oko či ucho a nejvyšší vrstvy rozhodnou, že na snímku je kočka. Žádný programátor přitom síti neřekl, jak kočka vypadá. Váhy se nastavily samy během trénování.
Moderní modely mají miliardy takových vah, kterým se říká parametry. Jejich trénování vyžaduje specializované grafické čipy a datová centra s vysokou spotřebou energie. Hluboké učení se prosadilo kolem roku 2012, kdy se spojily tři faktory: dostatek dat, výkonný hardware a lepší algoritmy.
Jak funguje jazykový model, který odpovídá na otázky?
Velký jazykový model je neuronová síť natrénovaná na obrovském množství textů. Jeho základní úkol je překvapivě jednoduchý: odhadnout, jaké slovo nebo jeho část pravděpodobně následuje po předchozím textu. Opakováním tohoto kroku vzniká celá odpověď. Model tedy nevyhledává hotové věty v databázi, ale skládá text postupně.
Když uživatel do chatbota, jako je ChatGPT, Gemini nebo Claude, napíše otázku, model ji zpracuje celou najednou a vypočítá pravděpodobnosti pro další část textu. Vybere jednu z vhodných možností, připojí ji k odpovědi a výpočet zopakuje. Takto pokračuje, dokud odpověď nedokončí. Mírná náhodnost při výběru způsobuje, že stejná otázka může pokaždé dostat trochu jinou odpověď.
Silnou stránkou současných modelů je architektura zvaná transformer, kterou výzkumníci představili v roce 2017. Umožňuje modelu sledovat vztahy mezi slovy i na velkou vzdálenost v textu, například pochopit, na koho odkazuje zájmeno o tři věty dál.
Co je token a proč na něm záleží?
Jazykový model nepracuje s celými slovy, ale s tokeny. Token je kousek textu: krátké slovo, část delšího slova, číslice nebo interpunkční znaménko. České slovo „nepravděpodobný“ se může rozdělit na několik tokenů. Každý token má číselné vyjádření, se kterým síť počítá. Od počtu tokenů se odvíjí i to, jak dlouhý text model najednou zpracuje.
Jak se jazykový model trénuje?
Trénování probíhá ve dvou hlavních fázích. V předtrénování model čte obrovské sbírky textů a učí se doplnit chybějící pokračování. Získá tak slovní zásobu, gramatiku i spoustu faktů. Poté následuje doladění, při kterém lidé hodnotí odpovědi modelu a označují, které jsou užitečné, přesné a bezpečné. Model se podle toho naučí chovat jako ochotný asistent, a ne pouze jako stroj na doplňování vět.
Proč umělá inteligence „halucinuje“?
Halucinace je odpověď, která zní přesvědčivě, ale je nepravdivá nebo vymyšlená. Vzniká proto, že jazykový model neověřuje fakta, pouze odhaduje pravděpodobné pokračování textu. Pokud mu chybějí správné informace, vytvoří větu, která „vypadá“ správně. Typicky jde o neexistující citace, nepřesná data nebo smyšlené zdroje.
Příčin je několik. Model se učil z textů, které obsahují i chyby. Jeho znalosti končí datem, kdy trénování skončilo. A konečně byl trénován tak, aby vždy odpovídal plynule, nikoli aby přiznal nejistotu. Výsledkem je sebejistý tón i tam, kde by byl na místě otazník.
Vývojáři halucinace omezují například tím, že model před odpovědí vyhledá informace v ověřených dokumentech nebo na webu a uvede zdroje. Zcela je však zatím odstranit neumějí. U důležitých témat, jako je zdraví, právo či finance, proto odborníci doporučují výstupy AI vždy ověřit ve spolehlivém zdroji.
Kde se umělá inteligence používá v běžném životě?
Umělá inteligence je součástí běžných služeb, často aniž by si to lidé uvědomovali. Odemyká telefon podle obličeje, doporučuje filmy a hudbu, třídí e-maily, překládá texty, navrhuje trasu podle dopravy a pomáhá bankám odhalit podvodné platby. Nejviditelnější podobou jsou chatboty, které píší a shrnují texty.
Růst je patrný i ve statistikách. Podle Eurostatu použilo v roce 2025 nástroje generativní AI 32,7 % obyvatel EU ve věku 16 až 74 let, nejčastěji pro soukromé účely. V Česku podle Českého statistického úřadu používalo v roce 2025 nástroje umělé inteligence pro tvorbu obsahu 32 % osob ve věku 16 a více let. Ve věkové skupině 16 až 24 let to bylo 78 %.
Mezi seniory je využití výrazně nižší. Podle přehledu ČSÚ o digitálních dovednostech používala AI v roce 2025 jen 4 % lidí nad 65 let. Umělou inteligenci využívalo 18 % podniků, tedy trojnásobek oproti roku 2023, a mezi velkými firmami 54 %. Průměr EU činil podle Eurostatu 20,0 % podniků s deseti a více zaměstnanci.
Typické oblasti, kde se AI uplatňuje:
- zdravotnictví: vyhodnocování rentgenových a CT snímků, přepis lékařských zpráv,
- doprava: navigace, odhad kolon, asistenční systémy v autech,
- finance: odhalování podvodů, posuzování úvěrů,
- veřejná správa a služby: chatboty na webových stránkách, třídění podání,
- domácnost: hlasoví asistenti, doporučení ve streamovacích službách, automatické titulky.
Jaká rizika přináší umělá inteligence?
Mezi hlavní rizika AI patří nepravdivé odpovědi, zkreslení převzaté z dat, zneužití k podvodům a dezinformacím, ohrožení soukromí a vysoká spotřeba energie. Přidávají se obavy z dopadu na pracovní místa a z toho, že nejvýkonnější modely jsou stále méně transparentní. Řadu těchto rizik lze zmírnit pravidly a kontrolou.
Zkreslení vzniká, když model kopíruje nerovnosti zachycené v datech, například při automatickém třídění životopisů. Deepfake videa a klonované hlasy usnadňují podvodníkům vydávat se za jiné lidi. Citlivé osobní údaje vložené do chatbota mohou skončit na serverech provozovatele.
Výrazná je i ekologická stopa. Podle Stanford AI Index 2026 dosáhla kapacita datových center pro AI 29,6 GW. Tatáž zpráva uvádí, že globální firemní investice do AI vzrostly v roce 2025 na 581,7 miliardy USD, tedy o 130 %. Generativní AI podle ní začalo do tří let od nástupu používat 53 % populace, což je rychleji než u osobního počítače či internetu. Průměrné skóre transparentnosti velkých modelů zároveň kleslo z 58 na 40 bodů.
Co upravuje evropský AI Act?
AI Act je nařízení EU, které reguluje umělou inteligenci podle míry rizika. Zakazuje nejnebezpečnější praktiky, jako je sociální skórování, přísně kontroluje vysoce rizikové systémy, například ve zdravotnictví či při náboru zaměstnanců, a po poskytovatelích vyžaduje transparentnost. Platí v celé unii, tedy i v Česku, a uplatňuje se postupně.
Podle Evropské komise vstoupil AI Act v platnost 1. srpna 2024. Zákazy nepřijatelných praktik platí od 2. února 2025, pravidla pro obecné modely AI od 2. srpna 2025 a pravidla transparentnosti od srpna 2026. Právě ta vyžadují, aby lidé věděli, že komunikují s chatbotem, a aby byl obsah vytvořený AI označen.
Balíček zjednodušení známý jako Digital Omnibus vstoupil v platnost 27. července 2026 a posunul část termínů. Přísné povinnosti pro vysoce rizikové systémy v citlivých oblastech se budou uplatňovat od 2. prosince 2027, pro AI zabudovanou do regulovaných výrobků od 2. srpna 2028. Od prosince 2026 přibude zákaz aplikací, které vytvářejí intimní obsah bez souhlasu zobrazené osoby.
Jaké pojmy patří k základům umělé inteligence?
K pochopení toho, jak AI funguje, stačí znát několik základních pojmů. Tabulka shrnuje nejčastější výrazy, které se objevují ve zprávách i v popisech aplikací, a vysvětluje je jednou větou bez odborné terminologie. Pojmy na sebe navazují od nejširšího po nejužší.
| Pojem | Jednoduché vysvětlení |
| Umělá inteligence (AI) | Systémy, které zvládají úkoly dosud vyžadující lidský úsudek. |
| Strojové učení | Způsob, jakým se AI učí pravidla z příkladů místo ručního programování. |
| Neuronová síť | Model z vrstev propojených výpočetních jednotek s nastavitelnými vahami. |
| Hluboké učení | Strojové učení pomocí neuronových sítí s mnoha vrstvami. |
| Parametr | Číselná váha v síti, která se mění během trénování. |
| Jazykový model | Model, který předpovídá další část textu, a tak vytváří odpovědi. |
| Token | Kousek textu, se kterým jazykový model počítá. |
| Trénování | Proces, při kterém model na datech dolaďuje své parametry. |
| Halucinace | Přesvědčivě znějící, ale nepravdivá odpověď modelu. |
| Generativní AI | AI, která vytváří nový obsah: text, obrázky, zvuk či video. |
Co si zapamatovat
- Umělá inteligence nepřemýšlí, ale z dat se učí vzorce a odhaduje nejpravděpodobnější odpověď.
- Strojové učení nahrazuje ručně psaná pravidla učením z příkladů, kvalita dat určuje kvalitu výsledku.
- Jazykový model tvoří text po tokenech, vždy odhadne další část na základě předchozí.
- Halucinace vznikají, protože model neověřuje fakta. Důležité informace je třeba ověřit.
- AI v roce 2025 používala zhruba třetina lidí v EU i v Česku, podniky zaostávají.
- AI Act se uplatňuje postupně, přísná pravidla pro vysoce rizikové systémy přijdou od prosince 2027.
Časté otázky o umělé inteligenci
Co je umělá inteligence jednoduše řečeno?
Umělá inteligence je počítačový systém, který se z velkého množství příkladů naučil řešit úkoly, jako je rozpoznávání obrázků, překlad nebo psaní textu. Nemá vědomí ani vlastní vůli, pracuje s pravděpodobnostmi a vzorci, které našel v datech.
Rozumí jazykový model tomu, co píše?
Ne v lidském smyslu. Jazykový model zachycuje statistické vztahy mezi slovy a pojmy, díky čemuž dokáže odpovídat smysluplně. Nemá však zkušenost se skutečným světem a pravdivost vlastních vět neověřuje, proto se může mýlit i velmi přesvědčivě.
Odkud bere umělá inteligence informace?
Jazykový model čerpá především ze vzorců naučených během trénování na textech z knih, webových stránek a dalších zdrojů. Některé chatboty navíc vyhledávají aktuální informace na internetu nebo v přiložených dokumentech a uvádějí odkazy na zdroje.
Může umělá inteligence nahradit lidi v práci?
AI automatizuje část úkolů, zejména rutinní práci s textem, daty a obrázky. Podle Stanford AI Index 2026 klesla od roku 2024 zaměstnanost mladých softwarových vývojářů ve věku 22 až 25 let v USA téměř o 20 %. U většiny profesí se však mění spíše náplň práce než její existence.
Je bezpečné vkládat do chatbota osobní údaje?
Odborníci na ochranu osobních údajů doporučují do chatbotů nevkládat rodná čísla, hesla, zdravotní záznamy ani firemní tajemství. Podmínky zpracování údajů se liší podle provozovatele služby a vložený text může být uložen na jeho serverech.
Platí AI Act i v Česku?
Ano. AI Act je nařízení EU, které se uplatňuje přímo ve všech členských státech včetně Česka bez potřeby zvláštního zákona. Česko však musí určit orgány, které budou na dodržování pravidel dohlížet.
Umělá inteligence není kouzlo ani digitální mozek, ale výkonná statistika naučená na obrovském množství dat. Kdo rozumí tomu, jak jazykový model skládá odpovědi z tokenů, snáze odhadne, kde mu může důvěřovat a kde je potřeba kontrola. S postupným uplatňováním AI Actu budou pravidla srozumitelnější i pro běžné uživatele.
Použité obrázky: Perplexity AI
