Algoritmus: postupy, metody nebo sada pravidel, které program používá k tomu, aby simuloval chování/přemýšlení člověka (neuronové sítě) nebo některé přírodní principy (například genetický algoritmus). Tyto algoritmy umožňují zpracovávat informace, učit se z dat, rozpoznávat vzory a rozhodovat podobně jako člověk.

Druhy algoritmů

Pokud bychom chtěli, můžeme je opět dělit do několika skupin:

  • Strojové učení – učení na základě vzorů a příkladů, takto vypadá kočka, pes, strom.
  • Hluboké učení – napodobování neuronových sítí inspirovaných lidským mozkem.
  • Algoritmy pro zpracování přirozeného jazyka
  • Algoritmy pro rozpoznávání obrazu
  • Evoluční algoritmy – inspirují se přírodními systémy, kde se řešení vylepšuje pomocí mutace a selekce (např. genetické algoritmy)

Nedokonalost algoritmu

Stejně jako člověk nemůže rozumět úplně všemu, protože se s tím například ještě nesetkal, nebo mu to někdo špatně vysvětlil, nebo mu podal protichůdné data, nebo už nemá kapacitu to pojmout – stejně tak může být nedokonalý i algoritmus AI. Tedy že někdo zpackal jeho proces učení, validační nebo testovací fázi. Nebo jeho zdrojový kód – tedy jakým způsobem se učí a pracuje.

Zpětná vazba v reálném provozu

Další důležitá fáze je jak pro člověka tak pro algoritmus AI reálný provoz. Člověk ve svém životě dostává denně zpětnou vazbu. Nejjasnější je to například ve škole – tady ten výsledek je správně, tento zvolený postup není správný, v restauraci se chovej takto a podobně. Tím se člověk umí zlepšovat.

Update 03/2026

Fascinujícím posunem ve vývoji algoritmů je takzvaná distilace znalostí (knowledge distillation). Abychom nemuseli pokaždé spouštět obrovské a drahé modely, učí se menší (tzv. „mini”) modely přímo od těch největších.

Nenapodobují už jen surové texty z internetu, ale učí se z výstupů učitelského modelu, včetně toho, jak moc si byl učitel při generování slov jistý nebo kde váhal.

Moderní algoritmy navíc směřují k tzv. multimodálním modelům (např. GPT-4o), které se neomezují jen na text, ale ve stejném jádru zpracovávají a chápou tokeny reprezentující obrázky, video či mluvené slovo v reálném čase.

Pokud má používaný model možnost hodnocení výstupu, je dobré ji využívat – tím se bude výstup zlepšovat. Na druhou stranu je patrné, že přesně tímto lze daný model nebo vytvořeného AI asistenta a agenta naučit „nesprávné věci".