AI Basic Theory Explained – Čeština

Základy teorie AI srozumitelně

Tato sekce představuje klíčové teoretické koncepty, na nichž stojí umělá inteligence. Lektory zde čekají srozumitelně a přehledně zpracovaná vysvětlení, která pokrývají vývoj AI, co vlastně AI je, jak funguje – zejména prostřednictvím strojového učení – a jaká rizika může využívání těchto technologií přinášet.

Materiály jsou vytvořeny tak, aby vám pomohly s jistotou předávat základy AI dospělým studentům a zasadit moderní nástroje i trendy do historického a technického kontextu.

STRUČNÁ HISTORIE AI

Jak se umělá inteligence vyvíjela: od logiky k učení

Umělá inteligence má kořeny už ve starověké filozofii, ale moderní AI začala v 50. letech 20. století díky průkopníkům, jako byli Alan Turing a John McCarthy. Právě Dartmouthská konference v roce 1956 je považována za oficiální začátek AI jako vědeckého oboru.

V 70. a 80. letech zažívala AI období stagnace, tzv. „zimy AI“, způsobené vysokými očekáváními a pomalým pokrokem. Obnova zájmu přišla ve 21. století díky rozvoji výpočetní techniky, velkým datům a strojovému učení.

Dnes žijeme v éře generativní AI, kdy se nástroje jako ChatGPT nebo DALL·E stávají součástí každodenního života.

Porozumění této historii pomáhá studentům ocenit, jak daleko se AI dostala – a kam může směřovat dál.

Klíčové milníky v historii AI

1950 – Navržen Turingův test
Alan Turing publikuje esej "Computing Machinery and Intelligence", ve které představuje myšlenku, že stroj lze považovat za inteligentní, pokud dokáže vést konverzaci nerozeznatelnou od člověka.
1956 – Zrod AI jako vědního oboru
Na Dartmouthské konferenci je poprvé použito označení „umělá inteligence“ (Artificial Intelligence), čímž oficiálně začíná výzkum v této oblasti.
1966 – První Chatbot (ELIZA)
Na MIT vzniká ELIZA – textový program napodobující konverzaci s psychoterapeutem. Jde o jeden z prvních příkladů zpracování přirozeného jazyka.
1997 – AI poráží mistra světa v šachu
Počítač Deep Blue od IBM poráží tehdejšího světového šampiona v šachu Garryho Kasparova. Poprvé tak stroj zvítězí nad člověkem v náročné intelektuální hře.
2011 – AI vítězí v televizní soutěži Jeopardy!
IBM Watson poráží dva nejúspěšnější lidské soutěžící v americké vědomostní soutěži Jeopardy!, čímž ukazuje schopnosti AI v porozumění a zpracování přirozeného jazyka.

2016 – AI poráží šampiona ve hře Go
Systém AlphaGo od Google DeepMind poráží jednoho z nejlepších hráčů hry Go – Lee Sedola. Go je strategicky mnohem složitější než šachy, což činí tento úspěch zásadním milníkem v dějinách AI.
2022 – Uvedení DALL·E a ChatGPT
Modely od OpenAI – DALL·E (pro generování obrázků) a ChatGPT (pokročilý konverzační model) – se stávají veřejně dostupnými a otevírají éru tvůrčích AI nástrojů pro každodenní použití.
2024 – Zavedení modelů s pokročilým uvažováním
Modely nové generace jako GPT-4 Turbo od OpenAI přinášejí výrazný pokrok ve vícekrokovém řešení problémů a složitém rozhodování. AI tak zvládá úkoly vyžadující logiku a strukturované myšlení.
2025 – Nástup AI agentů
Objevují se AI agenti – nástroje, které dokážou samostatně plánovat, podnikat kroky a plnit vícekrokové úkoly napříč aplikacemi a platformami. Otevírá se tím cesta k dynamičtějšímu a samostatnějšímu využití AI v každodenním životě i práci.

CO JE UMĚLÁ INTELIGENCE?

Co dělá stroj inteligentním?

Umělá inteligence (AI) je typ počítačové technologie, která umožňuje strojům vykonávat úkoly srovnatelné s lidskou inteligencí – například porozumět jazyku, rozpoznávat obrazy, řešit problémy nebo se učit z dat.

Na rozdíl od klasického softwaru, který se řídí pevně danými pravidly a dělá pouze to, co mu bylo přesně naprogramováno, dokážou AI systémy reagovat na nové vstupy, analyzovat informace a časem zlepšovat svůj výkon. To znamená, že AI si poradí i se složitými a nepředvídatelnými úkoly – jako je odpovídání na otázky v přirozeném jazyce nebo hledání vzorců v rozsáhlých datech.

Jako lektor můžete studentům ukázat tři klíčové schopnosti, které od AI očekáváme, aby byla srovnatelná s lidskou inteligencí. Ty mohou zároveň sloužit jako jednoduchá definice:

Když dnes lidé mluví o AI, většinou mají na mysli technologie založené na strojovém učení, například:

Virtuální asistent, který rozumí mluveným otázkám a odpovídá na ně
Aplikace jako Netflix, která doporučuje obsah podle vašich předchozích preferencí
Nástroje jako ChatGPT nebo Gemini, které umí shrnout dlouhé články nebo překládat mezi jazyky
E-mailové filtry, které automaticky detekují a odstraňují spam

JAK AI FUNGUJE (VYSVĚTLENÍ STROJOVÉHO UČENÍ)

Jak se stroje učí z dat

Umělá inteligence funguje tak, že analyzuje velké množství dat a hledá v nich vzorce, na základě kterých pak dokáže dělat předpovědi nebo rozhodnutí – tomuto procesu se říká strojové učení (machine learning, ML).

Na rozdíl od klasického programování, kde je každá akce přesně nadefinovaná, se algoritmy strojového učení „učí“ z příkladů. Například pokud chceme AI naučit rozpoznávat kočky, ukážeme jí tisíce obrázků koček. Postupem času se naučí poznat nové obrázky koček tím, že v nich rozpoznává podobné rysy.

Základními pojmy jsou trénovací data, modely a algoritmy.

Lektoři mohou k vysvětlení použít jednoduchá přirovnání, například učení dítěte pomocí kartiček – tím lze dospělým studentům přiblížit pojem učení s učitelem (supervised learning) a udělat celý princip pochopitelnější a konkrétnější.

Jak funguje strojové učení: jednoduchý proces v 5 krocích

1. Sbírání dat
Strojové učení začíná daty — a to ve velkém množství. Například pokud chceme, aby počítač rozpoznával kočky, poskytneme mu tisíce obrázků označených jako „kočka“ a „není kočka“.
2. Trénování modelu
AI se na tato data dívá a začíná se učit rozpoznávat vzorce. Nechápe, co je kočka jako člověk, ale v obrázcích si všímá opakujících se znaků – třeba dvou očí, uší nebo srsti.
3. Testování modelu
Po natrénování je AI otestována na nových datech, která ještě neviděla. Tím zjistíme, jak dobře se naučila. Pokud dělá málo chyb, je úspěšná. Pokud ne, může potřebovat víc dat nebo úpravy.

4. Vytváření předpovědí
Natrénovaný model už umí vytvářet předpovědi. Ukážeme mu nový obrázek a on řekne: „Tohle vypadá jako kočka“ (nebo ne), podle toho, co se naučil.
5. Průběžné zlepšování
Čím víc dat a zpětné vazby model dostává, tím víc se zlepšuje. A právě to je rozdíl oproti klasickému softwaru – strojové učení se vyvíjí a přizpůsobuje, místo aby jen slepě následovalo pevně daná pravidla.

Existují dva typy strojového učení

1. Učení s učitelem (Supervised Learning)
Při učení s učitelem je AI trénována na označených datech — tedy takových, u kterých už známe správné odpovědi. Cílem je naučit se z těchto příkladů a poté dokázat předpovídat odpovědi u nových, dosud neznámých dat.
Příklad: Trénování AI na rozpoznávání nevyžádaných e-mailů tím, že jí ukážeme příklady zpráv označených jako „spam“ a „není spam“.

2. Učení bez učitele (Unsupervised Learning)
Při učení bez učitele dostane AI neoznačená data — tedy bez známých odpovědí. Systém se pak snaží sám najít vzorce, souvislosti nebo rozdělení do skupin.
Příklad: AI analyzuje nákupní chování zákazníků a sama rozpozná skupiny se podobnými zvyklostmi, aniž bychom jí předem zadali jakékoli kategorie.

RIZIKA POUŽÍVÁNÍ AI

Na co si dát pozor při práci s umělou inteligencí

Ačkoli AI přináší mnoho výhod, je důležité znát i její rizika. AI systémy mohou neúmyslně:

Nadměrná závislost na AI navíc může oslabit schopnost kritického myšlení.
Lektorky a lektoři by měli pomáhat studentům přistupovat k AI se zvědavostí, ale i s opatrností. Učit je, jak zpochybňovat výstupy AI, všímat si možných nepřesností a porozumět etickým souvislostem je klíčem k bezpečnému a zodpovědnému používání umělé inteligence.

AI generovaný obsah může zároveň vyvolávat etické otázky – například v případě deepfake videí nebo sledovacích technologií.

Například známý historik Yuval Noah Harari varuje před rostoucí mocí AI a upozorňuje na její potenciál manipulovat lidmi nebo narušovat veřejnou diskusi, která je základem demokratické společnosti.

Lektoři by měli zdůrazňovat důležitost zodpovědného používání AI, ověřování informací a porozumění omezením těchto nástrojů.

Učit dospělé být zvídaví, ale opatrní znamená vést je k tomu, aby byli informovanými a posílenými uživateli.