Umělá inteligence se stala nedílnou součástí našeho každodenního života, od chatbotů přes generování obrázků až po hlasové asistenty, a pochopení základních AI pojmů už není jen výsadou odborníků, ale nutností pro každého, kdo chce rozumět technologiím, které denně používá. Tento průvodce vysvětluje 33 nejdůležitějších termínů z oblasti AI jednoduše a srozumitelně, abyste mohli sebevědomě navigovat světem umělé inteligence a plně využívat její možnosti.
Základní pojmy: Stavební kameny AI
Umělá inteligence (AI) je technologie, která dokáže simulovat lidskou inteligenci a umožňuje systémům učit se, řešit problémy a rozhodovat se. Strojové učení (ML) představuje klíčovou součást AI, kdy se počítač učí z dat bez toho, aby byl explicitně naprogramován pro každý možný scénář.
Hluboké učení (DL) je specializovaná forma strojového učení využívající komplexní struktury zvané neuronové sítě, které zpracovávají data v mnoha vrstvách podobně jako lidský mozek. Tyto sítě tvoří sérii propojených vrstev uzlů, které společně zpracovávají informace.
Generativní AI (GenAI) dokáže vytvářet nový originální obsah od esejí a příběhů až po obrázky, hudbu a počítačový kód. Naproti tomu prediktivní AI využívá data k předpovídání budoucnosti, například analyzuje nákupní data pro předpověď populárních produktů.
Zpracování přirozeného jazyka (NLP) umožňuje počítačům rozumět, interpretovat a generovat lidský jazyk. Kdykoli používáte chatbota nebo hlasového asistenta, zažíváte NLP v akci. Počítačové vidění pak umožňuje počítačům vidět a interpretovat vizuální informace z obrázků a videí.
Velké jazykové modely (LLM) jsou technologií za mnoha generativními AI. Jedná se o výkonné modely trénované na obrovském množství textových dat. AI modely jako ChatGPT a Gemini jsou příklady LLM, které vyžadují cloudové výpočty, protože potřebují výkonný hardware.
Malé jazykové modely (SML) jsou trénovány s mnohem menším počtem parametrů a dat. Jsou navrženy pro lokální běh na zařízeních s nižším výkonem, například Gemini Nano je přítomen na více Android telefonech.
Práce s AI nástroji
Prompt je v podstatě to, co říkáte AI - text nebo příkaz, který zadáte do chatbota pro získání odpovědi. Dobrý prompt je často klíčem k získání kvalitní odpovědi. Prompt engineering je umění a věda vytváření efektivních promptů pro dosažení nejlepší možné odpovědi.
Halucinace je důležitý termín popisující situaci, kdy AI poskytne sebevědomě znějící odpověď, která je zcela špatná nebo nesmyslná. Deepfake označuje syntetické video, audio nebo obrázek osoby, který vypadá nebo zní tak reálně, že je obtížné poznat, že je falešný.
Kontextové okno je množství informací, které si AI model dokáže zapamatovat nebo zvážit najednou při generování odpovědi. Pokud konverzace trvá příliš dlouho, AI může zapomenout, co jste řekli na začátku.
Token je nejmenší jednotka dat, kterou AI model zpracovává. V textu může být token slovo, část slova nebo dokonce interpunkční znaménko. Teplota je nastavení kontrolující, jak kreativní nebo náhodná je odpověď AI - vysoká teplota vede k rozmanitějším odpovědím, nízká k předvídatelnějším.
Agenti jsou AI systémy schopné samostatně provádět komplexní vícekrokové úkoly, často bez neustálého lidského dohledu. Agent by například mohl zarezervovat let interakcí s více webovými stránkami.
Trénování a vývoj modelů
Model je samotný trénovaný algoritmus - soubor nebo program obsahující znalosti AI připravený k předpovídání nebo generování obsahu. Existují modely pro specifické úkoly, jako Google Imagen pro obrázky a Veo pro videa.
Dataset je celá kolekce trénovacích dat používaná k učení AI. Trénování modelu je celý proces krmení AI modelu daty pro naučení specifického úkolu.
Učení pod dohledem je trénovací metoda, kdy AI dostává označený dataset s odpověďmi a učí se porovnáváním svých předpovědí se správnými. Učení bez dohledu znamená, že AI dostává neoznačená data a musí sama najít skryté vzory.
Posilovací učení je metoda, kdy se AI učí pokusem a omylem, přičemž dostává odměny za správné akce a tresty za špatné. Zero-shot learning je schopnost AI modelu provádět úkol, na který nebyl explicitně trénován, pouze na základě širokého porozumění z trénovacích dat.
Destilace dat je technika přenosu znalostí z velkého komplexního modelu na menší efektivnější. Syntetická data jsou uměle generované informace napodobující statistické vlastnosti reálných dat, užitečné pro trénování modelů.
Fine-tuning je proces vzití předtrénovaného modelu a jeho trénování na menším specifickém datasetu pro zlepšení v konkrétním úkolu. Přetrénování nastává, když model naučí trénovací data příliš dobře a memoruje specifické příklady místo pochopení obecných vzorů.
Inference je proces použití natrénovaného AI modelu k předpovědi nebo generování nového obsahu z nových dat. Bias je systematická chyba v AI systému vedoucí k nespravedlivým nebo nepřesným výsledkům, často kvůli nereprezentativním trénovacím datům.
Technické a pokročilé pojmy
Parametry jsou interní nastavení nebo proměnné, které AI model upravuje během trénování. Velikost LLM se obvykle měří počtem parametrů - LLM s méně než 10 miliardami parametrů je považován za SML.
Vektorové embeddingy jsou způsob reprezentace slov, obrázků a dalších dat jako numerických vektorů, což umožňuje AI porozumět vztahům mezi různými informacemi. Algoritmus je soubor pravidel nebo instrukcí, které model následuje při učení z dat.
Váhy jsou hodnoty, které neuronová síť přiřazuje svým spojením a určují důležitost vstupů. Vrstvy jsou různé úrovně neuronové sítě, kterými informace proudí od vstupní vrstvy přes skryté vrstvy k výstupní vrstvě.
Mechanismus pozornosti je technika umožňující modelu zaměřit se na nejdůležitější části vstupních dat při generování odpovědi. Transformer je specifický typ architektury neuronové sítě využívající mechanismus pozornosti pro zpracování sekvenčních dat.
API (Application Programming Interface) je soubor pravidel a protokolů umožňující komunikaci mezi dvěma různými softwarovými programy, například webovou stránkou a AI modelem. GPU (Graphics Processing Unit) je specializovaný procesor výborný pro paralelní výpočty potřebné pro trénování AI modelů.
Umělá obecná inteligence (AGI) je hypotetická forma AI, která by měla schopnost rozumět, učit se a aplikovat znalosti napříč širokým spektrem úkolů na lidské úrovni, podobně jako lidský mozek.
