Slovník AI pojmů
Umělá inteligence bez zbytečného žargonu. Najděte výraz, na který jste narazili, a zjistěte, co znamená, jak funguje a jak vypadá v praxi.
37 pojmů ve slovníku
- AI (umělá inteligence)
- Souhrnné označení pro počítačové systémy, které zvládají úkoly obvykle spojované s lidskou inteligencí — například rozumění textu, rozpoznávání obrazu, plánování nebo tvorbu obsahu.
- AI agent
- AI systém, který nejen odpovídá, ale dokáže si rozdělit úkol na kroky, používat nástroje a postupovat k výsledku s menším množstvím lidských zásahů.
- AI model
- Program naučený na velkém množství dat, který v nich rozpoznává vzory a podle nich vytváří odpovědi nebo předpovědi. Jedna služba může nabízet několik různě schopných modelů.
- API
- Rozhraní, přes které může jeden program automaticky komunikovat s jinou službou. U AI umožňuje vývojářům posílat modelu zadání a získávat odpovědi bez používání běžného chatu.
- Benchmark
- Standardizovaný test, který porovnává schopnosti modelů v určité oblasti. Výsledek napoví, jak si model vede, ale nemusí přesně odpovídat kvalitě při vašem konkrétním použití.
- Deep learning
- Druh strojového učení využívající neuronové sítě s mnoha vrstvami. Stojí za velkou částí dnešního pokroku v rozpoznávání obrazu, řeči a generativní AI.
- Embedding
- Číselná reprezentace významu textu, obrázku nebo jiných dat. Podobný obsah má podobná čísla, takže jej lze rychle vyhledávat podle významu, ne jen podle shodných slov.
- Fine-tuning
- Dodatečné trénování již hotového modelu na užším souboru příkladů. Používá se k přizpůsobení stylu, formátu odpovědí nebo specializované úloze.
- Generativní AI
- AI, která na základě zadání vytváří nový obsah — text, obrázky, zvuk, video nebo programový kód — místo pouhého třídění či vyhodnocování existujících dat.
- Halucinace
- Sebevědomě podaná, ale smyšlená nebo chybná informace vytvořená AI. Model nesděluje, co „ví“, nýbrž skládá pravděpodobnou odpověď, a proto může uvést neexistující fakta či zdroje.
- Chatbot
- Program určený ke konverzaci s člověkem. Moderní AI chatboty dokážou pracovat s přirozeným jazykem, soubory i obrázky, ale jejich odpovědi nemusí být vždy správné.
- Inference
- Samotné používání již vytrénovaného modelu — chvíle, kdy model dostane vstup a vytváří výsledek. Liší se od trénování, při kterém se model učí.
- Input a output
- Input je vše, co modelu pošlete; output je vše, co model vytvoří. U placeného API se vstupní a výstupní tokeny často účtují rozdílnou cenou.
- Kontextové okno
- Množství textu a dalších informací, které model dokáže zpracovat najednou. Do limitu se počítá zadání, přiložené dokumenty, předchozí konverzace i vytvářená odpověď.
- Kvantizace
- Zmenšení modelu pomocí méně přesného uložení jeho číselných hodnot. Model pak potřebuje méně paměti a běží rychleji, někdy za cenu mírného snížení kvality.
- LLM
- Velký jazykový model trénovaný na rozsáhlém množství textu. Dokáže pracovat s jazykem, odpovídat, shrnovat, překládat nebo psát, ale sám o sobě není databází ověřených faktů.
- Lokální AI
- Provoz AI modelu přímo na vlastním počítači nebo firemním serveru. Data nemusejí opustit zařízení, ale rychlost a velikost použitelného modelu omezuje dostupný hardware.
- Machine learning
- Způsob tvorby programů, při kterém se systém učí vzory z dat místo toho, aby měl pro každou situaci ručně napsané pravidlo.
- Multimodální model
- Model schopný pracovat s více druhy obsahu, například s textem, obrázky, zvukem nebo videem. Některé modely více typů dat nejen přijímají, ale také vytvářejí.
- Neuronová síť
- Matematický model složený z propojených vrstev, který se během trénování učí rozpoznávat složité vzory. Název je volně inspirován fungováním biologických neuronů.
- Open source a otevřené váhy
- Open source obvykle znamená veřejný zdrojový kód. U AI se častěji zveřejňují jen váhy modelu, tedy naučené hodnoty; licence, trénovací data nebo celý postup tréninku přitom otevřené být nemusejí.
- Parametry modelu
- Číselné hodnoty, které se model naučí během trénování a které ovlivňují jeho výstupy. Vyšší počet parametrů může znamenat větší kapacitu, sám o sobě ale nezaručuje lepší model.
- Prompt
- Textové nebo jiné zadání, které pošlete AI. Dobrý prompt jasně říká, jaký výsledek chcete, doplňuje potřebný kontext a případně určuje formát odpovědi.
- Prompt engineering
- Navrhování a postupné vylepšování zadání tak, aby AI vracela užitečnější a spolehlivější výsledky. Nejde o kouzelná slova, ale hlavně o přesný cíl, kontext, příklady a kontrolu výsledku.
- RAG
- Postup, při kterém systém před odpovědí vyhledá relevantní informace v určených dokumentech a přidá je modelu do kontextu. Pomáhá odpovídat z aktuálních nebo interních zdrojů.
- Reasoning
- Schopnost nebo režim modelu věnovat více výpočtů rozboru složitějšího problému před vytvořením odpovědi. Hodí se například pro matematiku, plánování a programování, ale bývá pomalejší.
- System prompt
- Základní instrukce nastavená provozovatelem aplikace, která určuje roli, pravidla a způsob chování AI. Uživatel ji často nevidí a jeho vlastní prompt se zpracovává až spolu s ní.
- Teplota
- Nastavení ovlivňující náhodnost výstupu modelu. Nižší hodnota obvykle vede k předvídatelnějším odpovědím, vyšší k pestřejším, ale také méně spolehlivým variantám.
- Token
- Malý úsek textu, se kterým jazykový model pracuje. Token může být celé krátké slovo, část slova, číslo nebo znaménko; není tedy totéž co znak ani slovo.
- Transformer
- Architektura neuronové sítě, na které stojí většina moderních jazykových modelů. Umožňuje modelu sledovat vztahy mezi částmi vstupu i na větší vzdálenost.
- Trénovací data
- Texty, obrázky, zvuk nebo další příklady, ze kterých se model během trénování učí vzory. Kvalita, rozsah a složení těchto dat významně ovlivňují schopnosti i chyby modelu.
- Trénování modelu
- Výpočetně náročný proces, při kterém model prochází množství příkladů a upravuje své parametry tak, aby lépe předvídal správné výstupy. Předchází běžnému používání modelu.
- Váhy modelu
- Soubor naučených číselných hodnot, které určují chování neuronové sítě. Stažením vah a vhodného programu lze některé modely spustit na vlastním zařízení.
- Vektorová databáze
- Databáze uzpůsobená k ukládání embeddingů a rychlému hledání obsahově podobných položek. Často je součástí systémů RAG.
- Vibe coding
- Způsob tvorby softwaru, při kterém člověk popisuje požadované změny přirozeným jazykem a velkou část kódu vytváří AI. Výsledek je stále potřeba testovat a kontrolovat.
- Vision model
- Model určený k rozpoznávání a chápání vizuálního obsahu. Může popisovat fotografie, číst text z obrázku nebo hledat objekty; nemusí přitom umět obrázky vytvářet.
- Zero-shot
- Situace, kdy má model splnit úkol pouze podle instrukce, bez ukázkového příkladu. Pokud mu jeden nebo několik příkladů přidáte, mluví se o one-shot nebo few-shot zadání.
Také: Artificial Intelligence, umělá inteligence
Příklad: ChatGPT odpovídající na otázky i telefon rozpoznávající obličej používají různé formy AI.
Příklad: Agent může vyhledat podklady, porovnat je, zapsat výsledky do tabulky a připravit shrnutí.
Příklad: ChatGPT je služba, zatímco GPT je rodina modelů, které může tato služba používat.
Také: Application Programming Interface
Příklad: E-shop může přes API nechat AI automaticky tvořit popisy nových produktů.
Příklad: Jeden benchmark zkouší programování, jiný matematiku nebo porozumění dlouhému textu.
Také: hluboké učení
Příklad: Přepis mluveného slova nebo rozpoznání objektů na fotografii často využívá deep learning.
Také: vektorové reprezentace
Příklad: Vyhledávání najde článek o automobilech, i když jste zadali slovo „auta“.
Také: dolaďování modelu
Příklad: Firma může model doladit na stovkách správně napsaných odpovědí zákaznické podpory.
Také: GenAI
Příklad: Napsání e-mailu podle několika bodů nebo vytvoření obrázku z textového popisu.
Příklad: AI může vymyslet název odborné studie nebo zaměnit datum historické události.
Příklad: ChatGPT, Claude a Gemini jsou AI chatboti postavení nad jazykovými modely.
Také: odvozování, běh modelu
Příklad: Když odešlete dotaz a model generuje odpověď, probíhá inference.
Také: vstup a výstup
Příklad: Otázka a přiložený dokument jsou input, vygenerované shrnutí je output.
Také: context window, kontext
Příklad: Model s větším kontextovým oknem může najednou projít delší smlouvu nebo více dokumentů.
Také: quantization
Příklad: Kvantizovaná verze velkého modelu se může vejít do paměti běžného počítače.
Také: Large Language Model, velký jazykový model
Příklad: GPT, Claude, Gemini, Llama nebo Mistral jsou rodiny velkých jazykových modelů.
Také: on-device AI, local AI
Příklad: Model spuštěný přes Ollamu může odpovídat i bez odesílání dokumentů do cloudové služby.
Také: ML, strojové učení
Příklad: Filtr nevyžádané pošty se učí rozpoznávat spam podle dříve označených e-mailů.
Příklad: Nahrajete fotografii grafu a model vám vysvětlí, co z něj vyplývá.
Také: neural network
Příklad: Neuronová síť se může naučit rozeznávat kočky na obrázcích z velkého množství označených fotografií.
Také: open weights
Příklad: Model s otevřenými vahami lze často stáhnout a spustit lokálně, ale jeho licence může omezovat komerční použití.
Příklad: Označení 8B znamená přibližně osm miliard parametrů.
Také: zadání, instrukce
Příklad: „Shrň tento text do pěti bodů pro člověka, který tématu nerozumí.“ je konkrétnější než pouhé „Shrň to“.
Také: tvorba promptů
Příklad: Do zadání přidáte cílové publikum, požadovanou délku, ukázku stylu a pravidla, která má výstup dodržet.
Také: Retrieval-Augmented Generation
Příklad: Firemní asistent nejprve najde část interního manuálu a potom z ní sestaví odpověď zaměstnanci.
Také: uvažování, reasoning model
Příklad: Reasoning model si před odpovědí rozloží logickou úlohu na několik navazujících kroků.
Také: systémová instrukce
Příklad: Systémová instrukce může určit, že asistent odpovídá česky, stručně a nesmí prozrazovat osobní údaje.
Také: temperature
Příklad: Pro extrakci údajů se hodí nižší teplota, pro hledání kreativních nápadů může být užitečná vyšší.
Příklad: Ceny API i velikost kontextového okna se obvykle uvádějí v počtu tokenů.
Příklad: Díky transformeru může model při práci s větou zohlednit, ke kterému dříve zmíněnému slovu se vztahuje zájmeno.
Také: training data
Příklad: Model trénovaný hlavně na anglických textech může v méně zastoupených jazycích dosahovat horších výsledků.
Také: training
Příklad: Při trénování jazykového modelu se systém učí předpovídat pokračování textu.
Také: model weights
Příklad: Soubor s vahami může mít několik gigabajtů a pro spuštění musí být načten do operační paměti nebo paměti grafické karty.
Také: vector database
Příklad: Po dotazu vyhledá významově nejbližší odstavce ve firemních dokumentech.
Příklad: Uživatel požádá AI o jednoduchou webovou aplikaci a její úpravy zadává hlavně slovně.
Také: obrazový model, počítačové vidění
Příklad: Vision model přečte účtenku z fotografie a převede položky do tabulky.
Příklad: Požádáte model, aby roztřídil recenze na pozitivní a negativní, aniž mu ukážete předem správně označené recenze.