Slovník pojmů AI – od A do Z

A

Adaptivní přemýšlení: Novější modely (Claude Sonnet 5, Opus 5) samy rozhodují, kdy a jak dlouho nad úlohou přemýšlet. Nahrazuje ruční nastavování „thinking budgets".
Agent: AI systém schopný autonomně plánovat a provádět více kroků k dosažení cíle – procházet web, psát kód, spouštět příkazy. Na rozdíl od chatbota nečeká po každém kroku na váš pokyn.
Agenti (multiagentní systém): Uspořádání, kde spolu spolupracuje více AI agentů, každý se svou specializovanou rolí (např. jeden plánuje, druhý píše kód, třetí kontroluje výsledek). Používá se na úlohy příliš složité pro jednoho agenta.
AGI: Artificial General Intelligence – hypotetická AI zvládající jakoukoli intelektuální úlohu na úrovni člověka. Zatím neexistuje, ale je deklarovaným cílem velkých AI laboratoří.
AI Act: Evropské nařízení o umělé inteligenci. Rozděluje AI systémy podle rizika; hlavní povinnosti pro vysoce rizikové systémy platí od 2. srpna 2026.
Alignment: Snaha zajistit, aby cíle a chování AI odpovídaly lidským hodnotám a záměrům. Ústřední téma bezpečnosti AI.
API: Application Programming Interface – rozhraní, které umožňuje programům komunikovat s AI modelem bez grafického rozhraní.

B

Benchmark: Standardizovaný test schopností modelů (matematika, kódování, porozumění textu). Umožňuje srovnání, ale reálný užitek modelu vypovídá jen zčásti.
Bias: Zkreslení v odpovědích modelu zděděné z trénovacích dat – například stereotypy nebo nevyvážené postoje.

C

Claude: Rodina AI modelů od Anthropicu (Haiku, Sonnet, Opus, Fable). Vyniká v dlouhých agentních úlohách a práci s rozsáhlým kontextem.
Compute: Výpočetní výkon potřebný k trénování a provozu modelů. Nejdražší vstup AI průmyslu a předmět geopolitického soupeření.
Context window: Maximální množství textu (v tokenech), které AI zpracuje najednou. Špičkové modely dnes zvládnou 1 milion tokenů, tedy stovky stran naráz.
Chain-of-thought: Technika promptingu, kde AI „přemýšlí nahlas" krok za krokem. Výrazně zlepšuje logické a matematické výstupy.

D

Deepfake: AI generovaný obsah (video, hlas, fotografie) vydávaný za skutečný. AI Act vyžaduje jeho zřetelné označování.
Destilace: Trénování menšího a levnějšího modelu tak, aby napodobil výstupy velkého. Zachová většinu schopností za zlomek provozních nákladů.
Diffusion model: Typ generativního modelu pro obrázky (DALL-E, Midjourney), který „odšumuje" náhodný šum do koherentního obrazu.

E

Embedding: Číselná reprezentace textu, kde sémanticky podobné texty jsou si prostorově blízko. Základ sémantického vyhledávání.

F

Few-shot prompting: Technika, kde do promptu přidáš 2–5 příkladů požadovaného výstupu. Výsledky jsou konzistentnější.
Fine-tuning: Dolaďování předtrénovaného modelu na specifický dataset. Výsledkem je model specializovaný na danou doménu.
Foundation model: Velký model trénovaný na obrovském množství dat. Základ pro další dolaďování. Např. Claude, GPT, Gemini.
Frontier model: Nejvýkonnější modely své generace, které posouvají hranice oboru (Claude Fable 5, GPT-5.5, Gemini 3.5). Podléhají největší regulační pozornosti.

G

Generativní AI: AI vytvářející nový obsah (text, obrázky, video, hudbu), nikoli jen analyzující existující data.
GPT: Generative Pre-trained Transformer – architektura jazykových modelů od OpenAI. Aktuální generace GPT-5.5 pohání ChatGPT.
GPU: Grafický procesor, pracovní kůň AI. Trénování i provoz velkých modelů běží převážně na GPU.
Guardrails: Mechanismy zabraňující AI generovat škodlivý obsah. Kombinace RLHF, filtrů a systémových instrukcí.

H

Hallucination: Jev, kdy AI s jistotou uvádí nepravdivé informace. Model „vymyslí" fakta, protože predikuje pravděpodobnou odpověď, ne ověřená fakta.
Hooks: Vlastní příkazy, které se automaticky spustí v reakci na určitou událost v AI nástroji, například po každé úpravě souboru agentem se spustí testy. Používá se hlavně u agentních vývojářských nástrojů jako Claude Code.

I

Inference: Proces generování výstupu modelem na základě vstupu. Při inferenci se parametry modelu nemění.

J

Jailbreak: Obcházení bezpečnostních pojistek modelu s cílem donutit ho k zakázaným výstupům. Kvůli jednomu jailbreaku byl v červnu 2026 dočasně vypnut Claude Fable 5.

K

Knowledge cutoff: Datum uzávěrky znalostí. Model neví nic o událostech po konci svého trénování; novější informace získá jen vyhledáváním na webu.

L

LLM: Large Language Model – velký jazykový model trénovaný na rozsáhlém textovém datasetu.
LoRA: Low-Rank Adaptation – efektivní metoda fine-tuningu upravující jen malou část parametrů. Populární pro obrázkové modely.

M

MCP: Model Context Protocol – otevřený standard pro připojování AI k externím nástrojům a datům (kalendáře, databáze, firemní aplikace).
Mixture of Experts: Architektura, kde se pro každý dotaz aktivuje jen část modelu („experti"). Vyšší výkon při nižších nákladech na provoz.
Multimodal: AI model pracující s více typy dat najednou – textem, obrázky, zvukem i videem. Dnes standard u všech velkých modelů.

N

Neural network: Výpočetní model inspirovaný biologickými neurony, základ moderních AI systémů.

O

Open weights: Model s veřejně dostupnými váhami (Llama, Mistral), který lze spustit na vlastním hardwaru. Opak uzavřených modelů dostupných jen přes API.
Overfitting: Model se „naučí nazpaměť" trénovací data místo obecných vzorců. Na nových datech pak selhává.

P

Prompt: Vstupní text, kterým AI zadáváš úkol. Kvalita promptu zásadně ovlivňuje kvalitu výstupu; přesně o tom je tento web.
Prompt engineering: Disciplína optimalizace vstupních instrukcí pro AI modely s cílem dosáhnout požadovaného výstupu.
Prompt injection: Útok, při kterém jsou do obsahu zpracovávaného AI (web, e-mail, dokument) schované škodlivé instrukce. Nejrychleji rostoucí kyberhrozba roku 2026.

R

RAG: Retrieval-Augmented Generation – kombinace vyhledávání v databázi dokumentů s generováním textu. Řeší hallucinace.
Reasoning model: Model, který si před odpovědí projde řetězec uvažování. U dnešních modelů standard; viz adaptivní přemýšlení.
RLHF: Reinforcement Learning from Human Feedback – trénování hodnocením výstupů modelu lidmi. Klíčová technika ChatGPT.

S

Skills (Agent Skills): Znovupoužitelné „dovednosti" pro AI agenta: složka s instrukcemi a pomocnými soubory pro konkrétní úlohu, kterou agent sám vyhledá a načte, když je potřeba. Otevřený standard od Anthropicu, dnes podporovaný napříč nástroji (Claude, GitHub Copilot, Cursor a další).
Stable Diffusion: Open-source obrázkový generativní model. Na rozdíl od Midjourney je dostupný zdarma a spustitelný lokálně.
Sykofantie: Sklon modelu souhlasit s uživatelem a říkat mu, co chce slyšet, místo pravdivé odpovědi. Řeší se tréninkem i formulací promptu.
Syntetická data: Trénovací data vygenerovaná jinou AI. Řeší nedostatek kvalitních lidských dat, ale při nadužívání hrozí degradace kvality modelů.
System prompt: Skrytá instrukce definující roli a chování AI na začátku konverzace. Uživatel ji obvykle nevidí.

T

Temperature: Parametr ovlivňující „kreativitu" modelu. Nízká (0.1) = konzistentní. Vysoká (0.9) = kreativní, méně předvídatelné. Nejnovější modely ho už nahrazují jinými mechanismy.
Token: Základní jednotka textu – přibližně 3/4 slova. Limit kontextového okna i cena API se udávají v tokenech.
Transformer: Architektura neuronové sítě, základ prakticky všech moderních jazykových modelů. (2017)
Trénovací data: Texty, obrázky a kód, na kterých se model učí. Jejich kvalita a složení určují schopnosti i slabiny modelu.
Turingův test: Historický test: stroj uspěje, pokud ho v konverzaci nerozeznáte od člověka. Moderní jazykové modely jím v běžné konverzaci procházejí.

V

Váhy modelu: Miliardy čísel (parametrů), ve kterých jsou uloženy „znalosti" modelu. Vznikají trénováním a definují chování modelu.
Vector database: Specializovaná databáze pro ukládání embeddingů. Základ RAG systémů a sémantického vyhledávání.
Vibe coding: Programování popisem záměru v přirozeném jazyce: kód píše AI, člověk určuje směr a kontroluje výsledek. Fenomén posledních dvou let.

Z

Zero-shot: Schopnost modelu správně řešit úlohu bez jakéhokoli příkladu v promptu. Opak few-shot.