====== Umělá inteligence (AI): Širší kontext ======

**Umělá inteligence** není jeden konkrétní algoritmus, ale celý vědní obor. Cílem AI je vytvořit stroje, které dokážou vnímat své okolí, logicky uvažovat, učit se a jednat za účelem dosažení určitého cíle.

===== 1. Hierarchie oboru AI =====

Pro správné pochopení kontextu je důležité rozlišovat mezi AI, ML a Deep Learningem:
  * **Artificial Intelligence (AI):** Nadřazená kategorie. Zahrnuje vše od jednoduchých "if-then" pravidel až po komplexní systémy.
  * **Machine Learning (ML):** Podmnožina AI. Metody, které se učí vzorce z dat (namísto programování pravidel).
  * **Deep Learning (DL):** Podmnožina ML využívající vícevrstvé [[it:sw:neural_networks|neuronové sítě]].



---

===== 2. Klasifikace AI podle schopností =====

Odborníci dělí AI do tří vývojových stupňů:

==== Úzká AI (Artificial Narrow Intelligence - ANI) ====
Systémy navržené pro jeden konkrétní úkol. Jsou v něm lepší než lidé, ale neumí nic jiného.
  * **Příklady:** Hraní šachů, rozpoznávání obličejů, doporučování videí na YouTube.
  * **Stav:** V této fázi se nacházíme dnes.

==== Obecná AI (Artificial General Intelligence - AGI) ====
Stroj, který má intelektuální schopnosti na úrovni člověka. Dokáže se naučit jakýkoliv úkol, řešit problémy v neznámém prostředí a má vědomí.
  * **Stav:** Hypotetická, zatím neexistuje.

==== Superinteligence (Artificial Superintelligence - ASI) ====
AI, která výrazně překonává lidský mozek ve všech oblastech (včetně kreativity a sociálních dovedností).
  * **Stav:** Předmět sci-fi a futuristických úvah (např. Nick Bostrom).

---

===== 3. Přístupy k AI v historii =====

Existují dva hlavní myšlenkové proudy, jak AI budovat:

  1. **Symbolická AI (Top-Down):** Založena na logice a manipulaci se symboly. Expertní systémy z 80. let fungovaly na tisících pravidel typu "pokud nastane X, udělej Y". Je snadno vysvětlitelná, ale nepružná.
  2. **Konektivismus (Bottom-Up):** Inspirován biologií. Namísto pravidel stavíme síť "neuronů", které se učí vztahy mezi vstupy a výstupy. Tento přístup dnes dominuje díky [[it:sw:strojove_uceni|strojovému učení]].



---

===== 4. Generativní AI a LLM =====

Současný boom (2022–současnost) je poháněn **Generativní AI**. Na rozdíl od předchozí AI, která data pouze klasifikovala, generativní AI dokáže vytvářet nový obsah (text, obrázky, kód).
  * **LLM (Large Language Models):** Modely jako GPT-4, které jsou vytrénovány na obrovském množství lidského textu a dokáží predikovat další slovo v sekvenci s neuvěřitelnou přesností.

---

===== 5. Etické a společenské výzvy =====

Širší kontext AI zahrnuje i rizika:
  * **Algoritmická zaujatost:** AI může přejímat předsudky z trénovacích dat.
  * **Transparentnost (Black Box):** U hlubokých sítí často nevíme, proč se systém rozhodl tak, jak se rozhodl.
  * **Dopad na trh práce:** Automatizace kognitivních úloh (psaní, programování, analýza).

----
//Související články://
  * [[it:sw:strojove_uceni|Strojové učení: Technický základ AI]]
  * [[it:sw:neural_networks|Neuronové sítě: Jak funguje Deep Learning]]
  * [[it:sw:turing_test|Turingův test: Jak měříme inteligenci strojů]]

//Tagy: {{tag>it ai artificial-intelligence ml deep-learning futurology ethics}}//