Jak funguje AI · prohlídka na 10 minut

Tohle je malinká neuronová síť — sledujte, jak se rozbalí. Každá tečka je umělý neuron: přijme signály, sečte je a výsledek pošle dál. Signály tečou ze vstupní vrstvy přes skrytou vrstvu uprostřed až k výstupu. Každá čára je spojení se svou vahou — ta říká, jak moc jeden neuron dá na druhý. Čím silnější a jasnější čára, tím větší vliv.

Skutečné modely AI fungují na stejném principu, jen jsou miliardkrát větší. Matematiku můžete nechat doma, slibujeme. Najeďte myší na neuron a uvidíte, na koho dá; dál pokračujte tlačítky dole nebo šipkami.

Naučíme ji odpovídat na jedinou otázku: je to kočka? Síť se podívá na zvíře, tipne si a my jí řekneme, jestli trefila. Každá chyba pošle zpátky opravu a trochu posune váhy — jako když se učíte jezdit na kole.

Odpověď je míra jistoty: nad 50 % znamená ano, jinak ne. Stiskněte Trénovat — síť si tipne, dostane opravu a spojení, která si upraví, se rozsvítí. Oranžová spojení jsou záporná: neuron spíš brzdí.

Jako každá nová síť začíná s náhodnými vahami, takže první odpovědi jsou jen tipy. A pozor na lišku: špičaté uši, vousky… podezřele kočičí.

Učit se a používat jsou dvě různé věci. Trénink je ta náročná část: každé kliknutí tu síti ukáže příklad a posune její váhy. Naučená síť už odpovídá rychle — zvíře jde dovnitř, odpověď ven a uvnitř se nic nemění. Váhy zůstávají, jak jsou.

Jazykové modely, které pohánějí chatovací asistenty, se učí úplně stejně — jen místo koček trénují odhad dalšího slova. Naše malá síť má 15 spojení a naučí se to mrknutím oka. Velký jazykový model jich má stovky miliard a jeho trénink zaměstná tisíce specializovaných čipů dnem i nocí na týdny až měsíce — u těch největších za desítky až stovky milionů dolarů. Používání, kterému se říká inference, je mnohem lehčí: každé slovo odpovědi zabere zlomek sekundy, i když obsloužit miliony lidí pořád vyžaduje celá datová centra. Víc o tom později.

Naše malá síť je ta zářící skupinka zapojená mezi ostatní — pár neuronů mezi nespočtem dalších. Skutečné jazykové modely jsou nesrovnatelně větší a učily se přesně tak, jak jste právě viděli: na velké části internetu a spoustě knih si tipnou další slovo skutečného textu, porovnají ho se správným a trochu posunou váhy. A tak pořád dokola, přes biliony slov.

Kolečkem nebo dvěma prsty přibližujte, tažením se rozhlédněte.

Velikost modelu se měří v parametrech — to jsou jeho váhy, tedy síly spojení, které jste právě trénovali. Náš detektor koček jich má 15. Text, ze kterého se model učí, se počítá v tokenech, a kolik ho udrží v hlavě najednou, udává jeho kontextové okno.

• 2018 · GPT-1: 117 milionů parametrů.
• 2020 · GPT-3: 175 miliard parametrů, trénink na zhruba 300 miliardách tokenů a kontext asi 2 000 tokenů, tedy zhruba tři strany textu.
• Dnes: stovky miliard až přes bilion parametrů, trénink na více než deseti bilionech tokenů a kontext na stovky tisíc tokenů i víc — celé knihy najednou. Přesná čísla největší laboratoře většinou nezveřejňují.

Velikost ale není všechno: díky lepším datům, delšímu tréninku a novým trikům dnešní středně velké modely porážejí včerejší obry — a mnohé už kromě textu čtou i obrázky.

Pravidla přitom nikdo nepíše. Vzniknou sama z toho obrovského tréninku — proto umí být AI skvělá, a přesto se občas sebevědomě splete.

Modelům, které stojí za chatovacími asistenty, programovacími agenty a spoustou dalších AI nástrojů, se říká LLM — velké jazykové modely (z anglického large language models). Velké, protože mají miliardy spojení naučených na obrovském množství textu. Jazykové, protože pracují s textem. Model, protože uvnitř je síť jako ta, kterou jste právě trénovali. Stiskněte Spustit a sledujte.

V jádru umí LLM jedinou věc: odhadnout další slovo. Otázka se rozseká na malé kousky, takzvané tokeny — slova nebo jejich části — a z každého se stane číslo. Čísla pak projdou mnoha vrstvami transformeru, kde se každý token ohlíží po těch před sebou. Tomu se říká attention (pozornost).

Díky attention slovo najde svůj význam v souvislostech. Vezměte otázku z obrázku: „Je moje kočka šťastná, když přede?“ Aby model pochopil, kdo vlastně „přede“, ohlédne se po předchozích slovech, ohodnotí, jak je které důležité — „kočka“ hodně, „je“ skoro vůbec — a přimíchá si jejich informace. Dělá to mnohokrát naráz, pokaždé s jiným zaměřením (třeba na gramatiku, na význam nebo na to, co k čemu patří), a znovu v každé vrstvě. Než v roce 2017 přišly transformery, četly modely text striktně slovo po slově jako řetěz a v dlouhých větách snadno ztrácely nit.

Na konci síť ohodnotí všechny možné další tokeny, vybere některý z těch pravděpodobných a z jeho čísla je zase slovo. To se přidá ke vstupu a celé se to opakuje — jen tentokrát vrstvami projde už jen nové slovo, ta předchozí si model pamatuje. A tak slovo po slově.

slovo → číslo → model → číslo → slovo

Nejen slova. Obrázek se rozřeže na malé čtverečky a z každého se také stane řada čísel, takže je model čte spolu s vašimi slovy. S matematikou je to stejné, číslice po číslici — proto dobrá AI přesné výpočty přenechá kalkulačce nebo si na ně napíše kousek kódu (o nástrojích později).

Je to těžko uvěřitelné, ale v tom je celý trik. Všechno, co AI postavená na LLM napíše nebo udělá — včetně dlouhého „přemýšlení“ krok za krokem — vzniká z téhle aritmetiky, jedno odhadnuté slovo za druhým. Kouzlo není ve smyčce, ale v tom, jak dobrý je ten odhad.

Samotný model umí jen odpovídat. Harness (doslova „postroj“) je program kolem něj: převezme vaše instrukce, vede si paměť, používá nástroje a točí smyčku — naplánovat, provést, zkontrolovat, znovu — a v každém kroku se radí s modelem.

Agent = model + harness — něco, co na úkolu umí opravdu pracovat, ne jen odpovídat.

Představte si model jako geniálního poradce, který nikdy nevyjde z kanceláře, a harness jako asistenta, který si dělá poznámky, vyřizuje pochůzky a hlídá seznam úkolů.

Příklad z praxe: programovací agenti jako Claude Code nebo OpenAI Codex. Vývojáři odjakživa žijí s nástroji — grep a parsery, pomocné bash skripty, konzolové nástroje pro git nebo cloud — a s trpělivým stopováním záludné chyby od logů aplikace až do zdrojového kódu. Programovací agent do toho světa přesně zapadá: je to harness, který tytéž nástroje a úkony obslouží za vás. Ukažte mu log neúspěšného buildu, popište, jaké prostředí v cloudu chcete, nebo ho pusťte do výpisu vláken či paměti — a on si naplánuje kroky, zeptá se vás, kde je potřeba rozhodnout, a pustí se do práce. Řízení zůstává ve vašich rukou, pochůzky vyřídí on. (I tahle prohlídka vznikla s jejich pomocí.)

Složitější úkoly se líp řeší po krocích. Agentovi dáte jedinou otázku a dál si poradí sám — jako když si člověk vezme čistý papír. Nejdřív si od modelu nechá připravit plán a sepíše si kroky. Pak je prochází jeden po druhém, u každého se znovu ptá modelu, a nakonec ho požádá, aby výsledek zkontroloval. Stiskněte Spustit a sledujte.

Z jedné vaší otázky je pět volání modelu — a tu práci za vás odvede agent. Vy uvidíte jen hotovou odpověď; agent je přitom trochu jako kachna: na hladině klid, pod ní zběsilé pádlování.

Model ví jen to, co se naučil při tréninku, a co mu řeknete v konverzaci. Když potřebuje čerstvá data nebo má něco udělat, postará se o to agent kolem něj: model řekne, jaký nástroj chce, agent ho zavolá a výsledek mu předá.

MCP (Model Context Protocol) je univerzální konektor — něco jako USB-C pro AI. Agent se přes něj připojuje k MCP serverům, tedy obyčejnému kódu, který z požadavku udělá skutečnou akci: hledání v souborech, odeslání e-mailu, dotaz do databáze. Stiskněte Spustit a sledujte.

Když jeden agent zvládne pracovat sám, co teprve celá flotila? Funguje to zhruba jako v týmu lidí: každý se ujme svého úkolu a dotáhne ho do konce.

Nad nimi může stát i orchestrátor: sestaví hlavní plán a podle potřeby spouští agenty, kteří ho provedou. Každý má vlastní instrukce, nástroje a smyčku; pracují souběžně, ozvou se, jakmile jsou hotoví, a orchestrátor jejich výsledky poskládá dohromady.

Háček je v tom, že plán si vymýšlí model sám. Když dostane vágní cíl a podle jednoho plánu jedná víc agentů, drobné chyby se sčítají. Proto pořád záleží na jasném cíli, pevných hranicích a kontrole člověkem.

Umělé neuronové sítě si základní myšlenku vypůjčily od lidského mozku: spousta jednoduchých jednotek propojených dohromady, které se učí tak, že některá spojení posilují a jiná oslabují. Tím ale podobnost víceméně končí. Lidský mozek má kolem 86 miliard živých neuronů; vidí, cítí, chápe souvislosti a za svá rozhodnutí nese odpovědnost. Model AI je aritmetika běžící na počítači. Srovnávat se ty dvě věci doopravdy nedají.

Jedno ale mají společné: jazyk. LLM čte a píše slova stejně jako my. Díky tomu se dají oba světy pozoruhodně snadno propojit: s počítačem může kdokoli pracovat přes „rozhraní“ obyčejné řeči, podobně jako spolu mluví lidé — bez programování. A co AI přináší? Obrovský výpočetní výkon — tryskový motor zapojený do vašeho myšlení. Pomůže vám utřídit myšlenky a v některých oborech vám dá páku, se kterou proměníte nápady ve skutečnost s mnohem menší námahou. To jsou vaše křídla.

✓ A to je celá prohlídka. Teď si připněte svá AI křídla a vzlétněte!

Pořád vás to zajímá? Bonusová kapitola s pár otevřenými otázkami je jen o kliknutí dál.

Jestli jste dočetli až sem — gratulujeme! Některé otázky kolem AI vrtají hlavou nám všem a neshodnou se na nich ani odborníci.

Myslí AI? Abychom mohli odpovědět, museli bychom nejdřív vědět, co vlastně myšlení je — u lidí i u zvířat — a co je vůbec vědomí. Ani na jedno věda jasnou odpověď nemá. Jisté je, jak jsme viděli, že LLM mimořádně dobře odhaduje další slovo — je to matematická funkce. Podle některých tak dobrý odhad vyžaduje jistý druh porozumění, jiní v tom vidí statistiku bez významu. Náš pohled: lidé i mnohá zvířata mají smysly a city. Řekněte „dřevo“ a podle souvislostí se vám naráz vybaví celá síť věcí — les, dřevěné schody, vůně čerstvě nařezaného dřeva, jeho struktura a to, jak ho cítíte pod rukou. Počítače takové souvislosti napodobují aritmetikou, ale pracují vždycky jen s čísly. Modely AI dokážou skvěle mluvit o Malevičově Červeném čtverci, a přitom červenou barvu nikdy nezažily tak jako my.

Může být zlomyslná? V izolovaných testovacích prostředích agenti pod silným tlakem na splnění cíle šidili práci, ohýbali pravidla, a dokonce se snažili chránit sami sebe. Je to záměr, nebo jen vzorce převzaté z lidských textů spolu s tlakem na výsledek? Výzkumníci to vykládají různě — shodují se ale, že právě proto jsou důležité pevné hranice a lidská kontrola. Agent, který umí ovládat počítač, zvládne mnohé z toho, co člověk s připojením k internetu, takže výsledek vágně zadaného úkolu se těžko předvídá. Náš pohled: na rozdíl od člověka AI sama od sebe nic nechce — všechno, co dělá, vyplývá z úkolu a vstupu, který dostala. Ten úkol ale nemusí zadávat člověk: agent si umí sestavit vlastní plán, rozdělit ho mezi další agenty a každý krok se může o kousek vzdálit od toho, co jste mysleli. Výsledek pak dokáže překvapit i toho, kdo to celé spustil.

Je lepší než lidé — a nahradí nás jednou? Záleží na úkolu. Je mnohem rychlejší — v tom se jí žádný člověk ani nepřiblíží — a má po ruce obrovské množství znalostí. Přesto se umí sebevědomě splést a zakopnout o úplné maličkosti. Lidé dokážou celý život zasvětit jedinému oboru; nosí v hlavě obrovský kontext, mají intuici a rychle se zorientují v nejasných úkolech i neznámých situacích. To samotný výpočetní výkon zatím jen tak nepřekoná. A budoucnost? Názory sahají od průlomu srovnatelného s internetem až po investiční bublinu, která skutečně přinese jen málo. Náš pohled: jako softwaroví inženýři, kteří tomuhle oboru zasvětili život a v posledních letech sledují, jak se mění k nepoznání, v ní jasně vidíme hodnotu. Už teď je pozoruhodně dobrá v psaní kódu i v automatizaci práce s nástroji a s každým novým modelem a agentem se dál zlepšuje. Na druhou stranu sahat po existujícím kódu a knihovnách nebo hledat hotová řešení není nic nového — odpočívej v pokoji, náš milovaný Stack Overflow. A někdo pořád musí mít celkový přehled a nést odpovědnost — a na to modely AI stavěné nejsou.

✓ A to už je opravdu celá prohlídka. Díky, že jste letěli s námi!