Ako funguje umelá inteligencia — vysvetlené na jednom obyčajnom príklade
Bez matematiky a bez žargónu: na čom stoja ChatGPT a Claude, prečo si občas vymýšľajú a čo z toho vyplýva pre bežné používanie.
Umelá inteligencia znie ako niečo, čo pochopí len informatik. Pritom princíp, na ktorom stoja ChatGPT aj Claude, sa dá vysvetliť na jednom obyčajnom príklade — a keď ho raz pochopíte, prestanete sa čudovať, prečo AI niekedy odpovie geniálne a inokedy si vymyslí nezmysel.
Predpovedanie ďalšieho slova
Predstavte si, že vám niekto povie: „Ráno som si dal kávu a k nej čerstvý…“ Váš mozog automaticky ponúkne „rožok“ alebo „croissant“. Nerobíte pritom nič zložité — len viete, aké slová v takejto vete zvyknú nasledovať, lebo ste ich za život počuli tisíckrát.
Presne toto robí jazykový model, len v obrovskej mierke. Prečítal obrovské množstvo textu a naučil sa, aké slovo najpravdepodobnejšie nasleduje po tých predchádzajúcich. Odpoveď skladá slovo po slove — a pri každom sa pýta „čo sem podľa všetkého patrí?“.
Znie to primitívne, ale pri dostatočnej veľkosti to vytvára niečo, čo vyzerá (a v praxi funguje) ako uvažovanie: model vie zhrnúť text, preložiť ho, vysvetliť chybu v kóde alebo napísať funkčný program. Skratka LLM (large language model, veľký jazykový model) znamená presne toto.
Odkiaľ sa to naučil
Učenie prebieha v dvoch fázach:
- Tréning na texte. Model dostane obrovské množstvo textu a učí sa v ňom vzory. Toto je výpočtovo najnáročnejšia časť — beží na tisíckach grafických kariet celé týždne a stojí desiatky miliónov.
- Doladenie podľa ľudí. Potom ľudia hodnotia jeho odpovede: táto je lepšia, táto je nevhodná. Model sa tým učí byť užitočný a nehovoriť veci, ktoré by nemal.
Keď potom AI používate, už sa neučí. Pracuje s tým, čo sa naučila, plus s tým, čo jej napíšete v konverzácii. Preto je dôležité, čo všetko má k dispozícii — podklady, súbory, prístup k systémom.
Prečo si AI občas vymýšľa
Keďže model skladá odpoveď podľa pravdepodobnosti, nevie rozlíšiť, či si fakt „pamätá“, alebo ho hladko doplnil. Volá sa to halucinácia a nie je to porucha — je to dôsledok toho, ako celá vec funguje.
V praxi sa to dá výrazne obmedziť: dať modelu zdroj („odpovedaj len z tohto dokumentu“), nechať ho výsledok overiť (spustiť program a pozrieť, či beží) a pri dôležitých veciach mať človeka, ktorý sa na to pozrie. Práve preto je rozdiel medzi AI v chate a AI, ktorá má prístup k serveru: tá druhá si môže výsledok vyskúšať a chybu opraviť skôr, než ju uvidíte.
Neurónová sieť, tokeny, kontext — čo to je
- Neurónová sieť — spôsob, akým je model postavený. Vrstvy jednoduchých výpočtov, ktoré spolu rozpoznávajú vzory. Meno je z biológie, s mozgom to má spoločné len voľné prirovnanie.
- Token — kúsok textu, s ktorým model pracuje (zhruba slovo alebo jeho časť). Ceny za používanie AI sa počítajú práve v tokenoch.
- Kontext — koľko textu si model udrží „pred očami“ naraz. Dnes to býva ekvivalent stoviek strán, preto vie pracovať s celým projektom, nie len s jednou otázkou.
- Strojové učenie — nadradený pojem: programy, ktoré sa zlepšujú z dát namiesto toho, aby mali všetko napísané dopredu.
Čo z toho vyplýva pre bežného človeka
Tri praktické závery:
- Kvalita zadania rozhoduje. Model dopĺňa to, čo mu dáte. Čím presnejší vstup, tým lepší výstup — preto má zmysel vedieť písať zadania.
- AI je nástroj, nie orákulum. Fakty si overujte, najmä čísla, dátumy a právne veci.
- Najväčší rozdiel nie je v modeli, ale v tom, čo smie robiť. Tá istá AI v chate len píše text; s prístupom k serveru vám vie spustiť web, poslať e-mail alebo vytvoriť databázu. Presne to je rozdiel, ktorý opisujeme na stránke Ako to funguje.
A čo ďalej
Ak vás zaujíma, ako sa AI dostala od hračky k nástroju, ktorý mení celé odvetvie, prečítajte si Ako AI zmenila programovanie. Ak chcete vidieť, čo s ňou dokážu bežní ľudia, pozrite si projekty našich zákazníkov.