Objevte klíčové pojmy ze světa umělé inteligence
Žádný pojem neodpovídá hledání. Zkuste kratší název, anglický název nebo zkratku.
Systém, který podle zadaného cíle vybírá další kroky a používá dostupné nástroje. Může vyhledávat informace, pracovat se soubory nebo vyhodnocovat výsledky a pokračovat podle nich. Rozsah samostatnosti závisí na návrhu a udělených oprávněních.
Příklad: Agent vyhledá podklady ke třem nástrojům, porovná je a připraví tabulku místo jediné textové odpovědi.
Revize: 11. 10. 2026 · Zdroj: Anthropic
Používání AI při zpracování finančních dat a poskytování služeb, například pro odhalování podezřelých transakcí, vyhodnocování rizik nebo zákaznickou podporu. Jde o oblast použití, nikoli jednu konkrétní metodu. Kvalita dat, soukromí a dohled jsou důležité pro spolehlivé výsledky.
Příklad: Model upozorní na neobvyklou karetní transakci, kterou banka následně prověří.
Revize: 11. 10. 2026 · Zdroj: Bank of England
Využití AI k podpoře výuky a učení, například při přípravě úloh, vysvětlování látky nebo poskytování zpětné vazby. Výstupy je potřeba posuzovat podle vzdělávacího cíle, věku žáka a ochrany jeho dat. AI nenahrazuje automaticky odborné posouzení učitele.
Příklad: Učitel s pomocí AI připraví několik obtížností procvičování zlomků a před použitím zkontroluje zadání i řešení.
Revize: 11. 10. 2026 · Zdroj: UNESCO
Využití AI pro podporu zdravotnických úloh, například analýzu snímků, práci s dokumentací, výzkum léčiv nebo plánování péče. Přínos je potřeba ověřit pro konkrétní použití a zajistit ochranu dat i odpovídající odborný dohled.
Příklad: Nástroj označí podezřelou oblast na snímku, aby ji zdravotník podrobněji posoudil.
Revize: 11. 10. 2026 · Zdroj: WHO
Přesně popsaný postup nebo soubor pravidel pro řešení úlohy. Určuje, jak zpracovat vstupy a dospět k výsledku. Algoritmy se používají v běžných programech i v AI; samotné použití algoritmu proto ještě neznamená umělou inteligenci.
Příklad: Algoritmus seřadí seznam cen od nejnižší po nejvyšší.
Revize: 11. 10. 2026 · Zdroj: NIST
Vozidla se systémy, které dokážou za vymezených podmínek převzít řízení. Míra automatizace určuje, co zvládá systém a co musí dělat člověk. Tempomat ani pomoc s vedením v pruhu samy o sobě neznamenají, že auto může jezdit bez řidiče.
Příklad: Systém může současně udržovat rychlost a směr jízdy, ale řidič u asistence úrovně 2 stále sleduje provoz a odpovídá za řízení.
Revize: 11. 10. 2026 · Zdroj: NHTSA
Výzkum a postupy zaměřené na omezování rizik a nežádoucích dopadů AI. Patří sem testování spolehlivosti, sledování chyb, lidský dohled a nastavení hranic použití. Bezpečnost je nutné hodnotit v konkrétním kontextu; žádné jednotlivé opatření ji samo nezaručuje.
Příklad: Před nasazením asistenta tým testuje chybné odpovědi a nastaví, kdy musí výstup nebo navrženou akci zkontrolovat člověk.
Revize: 11. 10. 2026 · Zdroj: NIST
Číselná reprezentace textu, obrázku nebo jiného vstupu ve formě vektoru. U vhodně trénovaného modelu bývají významově podobné vstupy blízko sebe, což pomáhá při vyhledávání či seskupování. Výsledek závisí na modelu a zvolené míře podobnosti.
Příklad: Dotaz „nástroj na úpravu fotek“ může najít také text o retušování obrázků, i když nepoužívá stejná slova.
Revize: 11. 10. 2026 · Zdroj: Google
Zásady a otázky spojené s odpovědným vývojem a používáním AI. Zabývají se například spravedlností, soukromím, transparentností, lidským dohledem a odpovědností za dopady systému. Technická přesnost sama nestačí k posouzení, zda je určité použití vhodné.
Příklad: Organizace před zavedením AI posoudí, zda systém neznevýhodňuje určitou skupinu a zda lidé mohou jeho rozhodnutí zpochybnit.
Revize: 11. 10. 2026 · Zdroj: UNESCO
AI, která vytváří text, obrázky, zvuk, video nebo jiný obsah podle vzorů naučených z dat a zadaných podkladů. Výstup může být užitečný či tvořivý, ale může také obsahovat chyby, zkreslení nebo nepodložené informace.
Příklad: Z textového zadání vznikne návrh ilustrace; jazykový model připraví první verzi popisu produktu.
Revize: 11. 10. 2026 · Zdroj: IBM
Výstup AI, který působí věrohodně, ale obsahuje nepravdivé nebo vymyšlené informace. Model může například uvést neexistující zdroj či doplnit nepodložený údaj. Sebejistý tón není důkaz správnosti.
Příklad: Asistent doporučí odbornou studii s přesvědčivým názvem, která ve skutečnosti neexistuje.
Revize: 11. 10. 2026 · Zdroj: IBM
Oblast strojového učení využívající neuronové sítě s více skrytými vrstvami. Jednotlivé vrstvy se z dat učí různé úrovně vzorů; výsledkem může být například rozpoznání obrazu nebo zpracování řeči.
Příklad: Při analýze fotografie mohou první vrstvy zachytit hrany a další vrstvy složitější tvary.
Revize: 11. 10. 2026 · Zdroj: Google
Program určený ke konverzaci s uživatelem prostřednictvím textu nebo hlasu. Může postupovat podle předem napsaných pravidel, vybírat připravené odpovědi nebo vytvářet odpovědi pomocí jazykového modelu. Ne každý chatbot používá generativní AI.
Příklad: Chatbot na e-shopu vysvětlí možnosti dopravy nebo pomůže dohledat stav objednávky.
Revize: 11. 10. 2026 · Zdroj: IBM
Maximální množství informací, se kterým model pracuje v jednom požadavku, vyjádřené v tokenech. Zahrnuje například instrukce, historii konverzace, vložené podklady i prostor pro odpověď. Není to totéž jako dlouhodobá paměť aplikace.
Příklad: Při dlouhém rozhovoru se část starších zpráv může přestat vejít do okna nebo ji aplikace zkrátí do souhrnu.
Revize: 11. 10. 2026 · Zdroj: Anthropic
Velký jazykový model trénovaný na rozsáhlých souborech textu. Pracuje se vzory v jazyce a při generování odhaduje další tokeny. Umožňuje psaní, shrnování či překlad, ale plynulý výstup nezaručuje správnost.
Příklad: Asistent připraví stručné shrnutí dlouhého zápisu ze schůzky.
Revize: 11. 10. 2026 · Zdroj: Google
Otevřený standard pro propojení AI aplikací s externími nástroji, daty a dalšími podklady. Určuje způsob komunikace mezi aplikací a MCP serverem. Sám o sobě není jazykovým modelem a přístup k datům závisí na nastavení a oprávněních.
Příklad: AI aplikace přes MCP získá povolené informace z firemního úložiště nebo použije nástroj pro práci s kalendářem.
Revize: 11. 10. 2026 · Zdroj: Model Context Protocol
Matematický model složený z propojených výpočetních jednotek, obvykle uspořádaných do vrstev. Při trénování se upravují váhy propojení, aby síť lépe rozpoznávala vzory v datech. Inspirace nervovou soustavou neznamená, že jde o kopii lidského mozku.
Příklad: Síť se z označených fotografií učí rozlišovat kočky a psy.
Revize: 11. 10. 2026 · Zdroj: Google
Oblast AI, která zpracovává obrázky a video a získává z nich informace. Může rozpoznávat objekty, určovat jejich polohu nebo vyhodnocovat změny v obrazu. Přesnost závisí například na kvalitě snímku, trénovacích datech a podmínkách použití.
Příklad: Kamera na výrobní lince pomáhá odhalovat poškozené obaly.
Revize: 11. 10. 2026 · Zdroj: IBM
Způsob strojového učení, při kterém agent volí akce v prostředí a dostává zpětnou vazbu ve formě odměny. Učí se strategii, která zvyšuje očekávanou celkovou odměnu v čase. Nastavení odměny ovlivňuje, jaké chování se naučí.
Příklad: Agent v simulované hře zkouší různé tahy a podle výsledků postupně zlepšuje svou strategii.
Revize: 11. 10. 2026 · Zdroj: IBM
Zadání nebo vstup, kterým modelu určujete úkol. Může obsahovat otázku, pokyny, podklady, ukázky i požadovaný formát odpovědi. Jasný cíl a vhodný kontext obvykle pomáhají získat použitelnější výsledek.
Příklad: „Shrň tento článek do pěti bodů pro začátečníka a nevymýšlej údaje, které v něm nejsou.“
Revize: 11. 10. 2026 · Zdroj: Anthropic
Zkreslení ve výstupech nebo rozhodování AI, které může systematicky znevýhodňovat určité skupiny či případy. Může vznikat z nereprezentativních dat, jejich označování, návrhu modelu nebo způsobu použití. Nejde jen o převzetí lidských předsudků.
Příklad: Model naučený převážně na jednom typu hlasu může hůře přepisovat řeč lidí s odlišným přízvukem.
Revize: 11. 10. 2026 · Zdroj: IBM
Postup, který před vytvořením odpovědi vyhledá relevantní informace v dokumentech nebo jiném zdroji a přidá je do kontextu modelu. Model tak může odpovídat na základě dodaných podkladů, aniž by se kvůli nim znovu trénoval. RAG omezuje některé chyby, ale nezaručuje správnost.
Příklad: Firemní asistent najde příslušnou část aktuálního interního předpisu a použije ji při odpovědi na dotaz.
Revize: 11. 10. 2026 · Zdroj: AWS
Oblast AI, v níž se model učí vzory z dat místo toho, aby člověk ručně napsal pravidlo pro každý případ. Naučené vzory potom používá například k předpovědím nebo třídění nových vstupů. Výsledek závisí na kvalitě dat i způsobu trénování.
Příklad: Spamový filtr se z příkladů běžných a nevyžádaných zpráv učí rozlišovat nové e-maily.
Revize: 11. 10. 2026 · Zdroj: IBM
Jednotka, na kterou model rozděluje text. Může představovat celé slovo, část slova, interpunkci nebo jiný znak. Počet tokenů závisí na použitém dělení a jazyce; jeden token proto není automaticky jedno slovo.
Příklad: Dlouhé české slovo může model rozdělit na několik tokenů. Tokeny se používají při určování limitů i účtování některých služeb.
Revize: 11. 10. 2026 · Zdroj: Hugging Face
Obor a soubor metod pro tvorbu systémů, které řeší úlohy vyžadující například rozpoznávání vzorů, práci s jazykem, plánování nebo rozhodování. AI zahrnuje strojové učení i jiné přístupy. Schopnost splnit úkol sama o sobě neznamená lidské myšlení nebo vědomí.
Příklad: Systém rozpozná předměty na fotografii nebo navrhne odpověď na zákaznický dotaz.
Revize: 11. 10. 2026 · Zdroj: IBM
Označení AI se širokými schopnostmi řešit různé druhy úloh a přizpůsobovat se novým situacím, nikoli jen jedné specializované činnosti. Neexistuje jednotně přijímaná definice ani test AGI; samotná plynulá konverzace její dosažení nedokládá.
Příklad: Uvažovaný systém by zvládal nejen překlad, ale také řešení nového problému v neznámém prostředí.
Revize: 11. 10. 2026 · Zdroj: Google
Přístupy, které pomáhají lidem pochopit výstupy modelu a vliv jednotlivých vstupů na jeho rozhodnutí. Vysvětlení může být zjednodušené nebo přibližné; samo o sobě nezaručuje, že je model správný či spravedlivý.
Příklad: U odhadu ceny bytu systém ukáže, jak k výsledku přispěly plocha, lokalita a stav nemovitosti.
Revize: 11. 10. 2026 · Zdroj: IBM
Oblast AI zaměřená na počítačové zpracování lidského jazyka. Zahrnuje například překlad, hledání informací, shrnování nebo rozpoznávání významu a postoje v textu. Práce s jazykem nemusí znamenat porozumění stejným způsobem jako u člověka.
Příklad: Systém roztřídí zákaznické zprávy podle toho, zda se týkají reklamace, dopravy nebo platby.
Revize: 11. 10. 2026 · Zdroj: IBM