Lekce 2 - Umělá inteligence v souvislostech a užitečné praktiky Nové
V předchozí lekci, Využití AI v praxi a aplikacích, jsme hovořili o možnosti využití AI v každodenní práci, produktivitě a moderních nástrojích.
V tomto tutoriálu ke kurzu AI v aplikacích si zopakujeme klíčové principy a souvislosti, které nám umožní lépe porozumět nástrojům, s nimiž budeme později pracovat. Zaměříme se na zákonitosti, které stojí za chováním moderních AI nástrojů, například proč jsou aplikace schopny samostatně navrhovat obsah nebo reagovat na naše požadavky. Řekneme si také, proč je důležité přemýšlet o etice a právním rámci, například v souvislosti s evropským AI Actem.
Jak funguje AI v nástrojích, které používáme
Abychom dokázali efektivně využívat jednotlivé AI nástroje, je důležité rozumět tomu, s jakým typem umělé inteligence pracujeme. Každý nástroj, který v kurzu poznáme – ať už generuje text, navrhuje prezentaci, nebo upravuje obraz – je postaven na specifickém druhu AI. Znalost těchto základů nám pomůže pochopit, proč se nástroje jako Microsoft Word, Google Dokumenty nebo Adobe Express chovají „chytře“ – proč rozpoznají, co chceme napsat, doplní obsah nebo nám nabídnou návrh rozvržení. Než se pustíme do detailního zkoumání jejich možností, připomeňme si základní rozdělení a principy, které za těmito technologiemi stojí.
Běžně se setkáváme s úzkou (specifickou) AI, která je dnes všudypřítomná – najdeme ji v e-mailových návrzích odpovědí, chytrých filtrech, doplňování textu, generování obrázků nebo analýze tabulek. Z uživatelského pohledu se tak setkáváme s desítkami forem úzké AI, aniž si to často uvědomujeme. Je navržena k plnění jednotlivých úkolů – například k rozpoznávání hlasu, překládání textů nebo analýze obrazu. Mezi nejznámější nástroje patří ChatGPT (OpenAI), Google Bard (Gemini), Claude (Anthropic) nebo DALL-E, který generuje obrázky na základě textových popisů:
Většina dnešních AI systémů je založena na principu strojového učení (machine learning), tedy schopnosti systému učit se z dat, rozpoznávat vzory a zlepšovat svou výkonnost bez explicitního programování každého kroku. Tento princip je základem pro celou řadu moderních nástrojů – ať už jde o doporučovací algoritmy na streamovacích platformách, filtrování e-mailů, nebo generování textu.
Velkou pozornost si v posledních letech získaly tzv. velké jazykové modely (LLM – Large Language Models), jako je ChatGPT nebo Claude. Tyto modely byly trénovány na obrovských objemech textových dat a dokážou generovat koherentní a smysluplné odpovědi, překládat, sumarizovat texty nebo vést dialogy. Právě tyto schopnosti stojí v pozadí mnoha funkcí, které najdeme v běžných aplikacích: od automatického shrnutí e-mailu v Outlooku přes návrhy odpovědí v Gmailu až po generování obsahu v Notionu nebo Wordu. Abychom tyto funkce uměli nejen používat, ale i přizpůsobit svému stylu práce, musíme nejdříve porozumět tomu, z čeho vyrůstají. LLM fungují na základě pravděpodobnostních předpovědí dalšího slova, přičemž čím větší model je a čím kvalitnější tréninková data používá, tím robustnější a „lidštější“ odpovědi dokáže nabídnout.
Vědecké výzkumy pak směřují k vytvoření tzv. obecné AI (AGI – Artificial General Intelligence), která by měla schopnost uvažovat a učit se podobně jako člověk. Tento koncept zatím zůstává teoretický, ale právě vývoj velkých jazykových modelů a jejich schopnost pracovat s více modalitami (text, obraz, zvuk) naznačuje, že k němu můžeme být o krok blíž.
Správná komunikace
K pochopení toho, co AI dokáže, však nestačí znát jen její typ, způsob fungování či možnosti využití. Skutečný rozdíl mezi uživatelem, který z AI dostane vynikající výstupy, a tím, kdo zůstává frustrovaný, často spočívá v dovednosti správně s AI komunikovat. A to není otázka technické zdatnosti, ale schopnosti klást otázky, strukturovat požadavky a využít kontext.
Znalost správného „jazyka“ pro komunikaci s AI je dnes považována za jednu z klíčových digitálních dovedností. Ať už budeme zadávat pokyny v ChatGPT, psát požadavky do Wordu pomocí Copilota, nebo tvořit poznámky v Notion AI, vždy záleží na tom, jak přesně s umělou inteligencí komunikujeme. Funkce v aplikacích jsou silné – ale bez jasného zadání často nevyužijí svůj plný potenciál. Čím lépe se naučíme formulovat prompty, tím přesnější, kvalitnější a rychlejší odpovědi získáme.
Pro vytvoření ideálního promptu stačí dodržet několik pravidel:
- Buďme konkrétní – Místo obecné otázky „Napiš něco o vesmíru“ použijeme „Vysvětli teorie o vzniku vesmíru a porovnej velký třesk s teorií věčného vesmíru“.
- Používejme kontext – Pokud chceme lepší odpovědi, dejme AI roli. Např.: „Chovej se jako historik a vysvětli důsledky pádu Římské říše.“
- Rozdělme komplexní úkol na části – Místo „Vytvoř mi marketingový plán“ zkusme „Navrhni strategii pro propagaci produktu na sociálních sítích, zaměř se na mladé publikum ve věku 18–30 let“.
- Používejme příklady – Pokud chceme určitý styl odpovědi, poskytneme vzor. Například: „Napiš motivační dopis na pozici datového analytika ve stylu přátelského, ale profesionálního jazyka.“
- Zpřesňujme odpovědi iterací – Pokud výstup není dostatečně přesný, požádáme AI o jeho přepracování. Například: „Zkrať odpověď na 100 slov a používej odbornější jazyk.“
Uvedená pravidla představují základní přístup ke komunikaci s AI, více o správném promptování jsme probírali například v lekcích Vytváříme efektivní prompty pro excelentní výstupy nebo Prompt engineering - Profesionální tvorba promptů.
Etická stránka a hranice využití
S rostoucí dostupností AI nástrojů přicházejí i otázky odpovědnosti, plagiátorství a autenticity. Je důležité si uvědomit, že AI generuje výstupy na základě tréninkových dat, která často pocházejí z veřejně dostupných zdrojů – někdy bez vědomí původních autorů. V kreativních oborech proto vzniká potřeba jasně označovat, co bylo vytvořeno pomocí AI a co člověkem. Tento princip se začíná uplatňovat i v běžných aplikacích – například Canva nebo Adobe Express zřetelně označují, že obrázek byl vygenerován pomocí AI. V prostředí aplikací pro práci s textem (např. Word nebo Google Docs) je zase klíčové, abychom uměli výstupy AI upravit tak, aby působily autenticky a odpovídaly kontextu. Správné využití AI vyžaduje nejen technické dovednosti, ale i etické uvědomění a kritické zhodnocení jejího přínosu i rizik.
V reakci na tyto výzvy vznikl AI Act – první komplexní legislativní rámec Evropské unie pro regulaci umělé inteligence, který byl schválen v roce 2024. Cílem AI Actu je zajistit bezpečné a transparentní využívání AI technologií, rozdělené podle míry rizika (např. minimální, vysoké, nepřijatelné). Vysoce rizikové systémy – například AI ve zdravotnictví, vzdělávání nebo bezpečnosti – budou podléhat přísné kontrole. Zároveň zákon vyžaduje, aby byli uživatelé informováni o tom, že komunikují s AI, a v některých případech i o tom, že obsah byl generován strojově. Správné využití AI tak dnes vyžaduje nejen technické dovednosti, ale i etické a právní uvědomění.
Pro běžného uživatele to znamená především dbát na transparentnost použití AI – například jasně označovat AI generovaný obsah na webu nebo při odevzdávání kreativní práce. V mnoha oborech se také začíná klást důraz na ověřitelnost zdrojů a autenticitu výstupů, což může být důležité zejména v žurnalistice, vzdělávání nebo designu.
Budoucnost AI
Vývoj AI neustále zrychluje a s tím přicházejí nové možnosti. Hlavní výzvou je dosažení obecné umělé inteligence (AGI), která by měla schopnost myslet a učit se podobně jako člověk. To by mohlo znamenat revoluci v oblastech jako věda, medicína nebo robotika.
Další velkou změnou může být využití kvantových počítačů, které by mohly výrazně zrychlit trénink AI modelů a umožnit jejich použití v dosud nepředstavitelných scénářích.
Ať už se AI bude vyvíjet jakkoli, klíčové bude, jak ji dokážeme využívat. Správná práce s AI neznamená jen její slepé používání, ale především kritické myšlení a odpovědnost za její výstupy. V dalším pokračování kurzu si proto ukážeme, jak tato znalostní východiska přetavit do každodenní praxe v konkrétních aplikacích, kde AI již dnes působí – a kde bude v budoucnu stále běžnější. Od Wordu po PowerPoint, od Notionu po Slack – porozumění principům, které jsme si zde zopakovali, nám umožní s těmito nástroji pracovat sebevědoměji a chytřeji.
V příští lekci, Word s AI - Chytrá práce s textem, se podíváme na generování textu, sumarizaci, parafrázování, zestručnění a další AI funkce ve Wordu.
