Slovníček věku umělé inteligence
Krátký průvodce jazykem současné AI
Slovníček věku umělé inteligence
(aneb pár slov, která dnes slyšíme všude — a není od věci jim rozumět)
Když se řekne „AI“, většina z nás si představí ChatGPT. Ale svět umělé inteligence je plný slov, která zní chytře, ale lidem často uniká, co přesně znamenají.
Tady je pár z nich, vysvětlených tak, jak byste je mohli přiblížit i studentům.
Algoritmus
Soubor kroků – recept. Počítač se podle něj rozhoduje, co dál. Když mu změníte krok, změní se výsledek. Zkuste si to se studenty: nechte je napsat „algoritmus na výrobu čaje“. Uvidíte, že i drobnost („nejdřív zalij, pak vlož sáček“) má vliv.
Prompt
Zadání pro AI. To, co napíšete vy. Když napíšete vágní otázku, dostanete vágní odpověď. Když jste konkrétní, AI vás překvapí přesností.
Zkuste:
„Napiš tři otázky, kterými bych mohl otevřít hodinu literatury o Kafkovi.“
→ Výsledek většinou stojí za to.
Bias (zkreslení)
AI není neutrální. Učí se z dat – a data jsou lidská. Takže pokud lidé píší především o mužských vědcích, hádej, koho AI nabídne jako příklad?
Skvělé téma na diskusi se studenty: Kde se v AI bere předsudek?
Halucinace
Když AI sebevědomě tvrdí nesmysly. Vypadá to pravdivě, ale není.
Dobrý trénink kritického myšlení: dejte žákům úkol „Najděte chyby, které si AI vymyslela.“
Personalizace
Tohle je ta hezká část. AI umí přizpůsobit tempo i jazyk každému studentovi.
Ale pořád platí: učitel ví nejlíp, co potřebuje který žák. AI může pomáhat, ne rozhodovat.
Autorství
Kdo napsal text, když ho vygenerovala AI?
Odpověď je prostá: vy. Protože jste ji navedli.
Učte studenty: používat AI je v pořádku – ale přiznat to a doplnit vlastním pohledem je povinnost.
🧬 Pro přírodovědné obory
Modelování
AI proměňuje způsob, jak pracujeme s daty i hypotézami.
Z „měření“ se stává modelování – místo přesného vzorce hledáme vztah, který nejlépe vystihne realitu.
Funkce
Základní princip lze shrnout jednoduše:
y = f(x) + ε
AI se snaží odhadnout funkci f, která propojuje vstupy (x) s výstupy (y), a minimalizovat chybu ε.
Na rozdíl od klasické matematiky funkci neznáme – AI ji učí z dat.
Příklad
Když AI předpovídá teplotu podle nadmořské výšky a oblačnosti, nehledá fyzikální zákon, ale vztah, který funguje pro většinu případů.
Společné učení
Pro učitele i žáky je důležité pochopit, co se model o světě naučil – a co přehlédl.
AI nepočítá „správnou odpověď“, ale hledá smysluplný vzorec.
Otázkou není jen „jak to funguje“, ale „co to znamená, že to funguje.“
📚 Pro humanitní obory
Text
AI nepíše. Skládá jazyk. Každá odpověď je směsí miliard vět, které dohromady dávají smysl — i když žádná z nich není její.
Autorství
AI nerozumí tomu, co říká. Jen napodobuje to, jak mluvíme my.
Jak poznamenala Melanie Mitchell:
„AI není inteligentní — jen umí přesvědčivě vypadat, že je.“
Interpretace
Úkolem humanitních oborů není AI soudit, ale číst.
Jak říká Kate Crawford:
„Každý model je mapou moci své doby.“
AI neodhaluje pravdu — zrcadlí svět, který ji stvořil.
Příklad z praxe
Když AI píše „historii“, nepopisuje minulost. Rekonstruuje to, co většina textů na internetu považuje za pravděpodobné.
Zeptejte se jí na dějiny v češtině a v japonštině – dostanete jiný příběh.
Společné čtení
Pro učitele i studenty je výzvou poznat, kdy AI informuje a kdy jen přesvědčuje.
AI nešíří poznání, ale jazyk, který poznání napodobuje.
A právě tomu se znovu učíme rozumět.