====== AI (Umělá inteligence) ======

**Umělá inteligence (Artificial Intelligence)** je obor informatiky zabývající se vytvářením systémů schopných řešit úkoly, které vyžadují lidskou inteligenci. To zahrnuje rozpoznávání řeči, vizuální vnímání, rozhodování, překlad jazyků a učení se z dat.

Moderní AI se posunula od systémů založených na pevných pravidlech (expertí systémy) k systémům, které si pravidla odvozují samy z velkého množství dat.

===== 1. Základní dělení AI =====

Existují dva pohledy na klasifikaci AI: podle schopností a podle šíře zaměření.

==== Podle schopností ====
  * **Úzká AI (Narrow / Weak AI):** Specializovaná na jednu konkrétní úlohu (např. šachy, rozpoznání obličeje, překlad textu). Všechna současná AI patří do této kategorie.
  * **Obecná AI (General AI / AGI):** Hypotetický systém s kognitivními schopnostmi na úrovni člověka, schopný se adaptovat na jakýkoliv úkol.
  * **Superinteligence:** Teoretická úroveň AI, která by svými schopnostmi výrazně překonala lidstvo.

==== Podle technologie (Hierarchie) ====


  * **Artificial Intelligence:** Nadmnožina všech technik umožňujících strojům napodobovat lidské chování.
  * **Machine Learning (Strojové učení):** Podmnožina AI využívající statistické metody k tomu, aby se stroje zlepšovaly na základě zkušeností (dat).
  * **Deep Learning (Hluboké učení):** Podmnožina ML využívající vícevrstvé [[it_encyklopedie:neuronove_site|neuronové sítě]] k analýze složitých dat (obraz, zvuk, text).

===== 2. Klíčové podobory a aplikace =====

^ Obor ^ Popis ^ Příklad ^
| **NLP** | //Natural Language Processing// – zpracování přirozeného jazyka. | Chatboti, překladače, [[llm|LLM]]. |
| **Computer Vision** | Počítačové vidění – analýza a pochopení obrazu a videa. | Autonomní řízení, OCR, medicínská diagnostika. |
| **Robotics** | Integrace AI do fyzických strojů. | Průmyslové automaty, drony. |
| **Generative AI** | Vytváření nového obsahu (text, obrázky, hudba). | Midjourney, ChatGPT, DALL-E. |

===== 3. Jak se AI učí? (Typy učení) =====



  * **Učení s učitelem (Supervised Learning):** Model dostává data s jasnými popisky (např. fotka kočky označená jako "kočka").
  * **Učení bez učitele (Unsupervised Learning):** Model hledá skryté vzorce v datech bez popisků (shlukování zákazníků do skupin).
  * **Zpětnovazebné učení (Reinforcement Learning):** Model se učí metodou pokus-omyl na základě odměn a trestů (např. AlphaGo).

===== 4. Aktuální trendy a výzvy =====

  * **Multimodalita:** Modely, které chápou text, obraz i zvuk současně.
  * **Efektivita:** Snaha o zmenšování modelů (kvantizace), aby běžely na mobilech, nikoliv jen v datacentrech.
  * **Etika a [[bias|Bias]]:** Řešení otázek autorských práv, halucinací a předpojatosti algoritmů.
  * **Edge AI:** Provádění výpočtů AI přímo na koncovém zařízení bez cloudu.

> **Tip:** Při studiu AI je důležité rozlišovat mezi "marketingovým hype" a reálnými technickými možnostmi. Většina moderních úspěchů v AI je výsledkem kombinace tří faktorů: **masivních dat**, **vysokého výkonu GPU** a **architektury [[transformer|Transformer]]**.

[[it_encyklopedie:hlavni_rozcestnik|Zpět na hlavní rozcestník]]