TL;DR nejpoužívanějších AI pojmů

Ztrácíte se v názvosloví ze světa AI? Pak je tenhle článek pro vás.

Dali jsme dohromady nejvyhledávanější a nejpoužívanější pojmy, které souvisejí s umělou inteligencí. Berte článek jako rychlý tahák, který vám pomůže chápat výrazy, na jaké budete narážet čím dál častěji.

Všechno vysvětlujeme jednoduše, aby pojmům porozuměl ideálně každý a abyste je stihli přečíst i během pětiminutové pauzy mezi schůzkami. Bez zbytečné omáčky a prakticky.

Začněme od začátku, co to je…

Artificial intelligence (AI), česky umělá inteligence, je technologie, díky které počítače a stroje napodobují lidské učení, porozumění, řešení problémů, rozhodování, kreativitu a samostatnost. Představte si ji jako asistenta, který zpracovává informace podobně jako člověk. Pojem AI není žádná novinka, vznikl už v 50. letech. Skutečný boom ale přišel až v posledních letech díky novým modelům, které výrazně zlepšily porozumění přirozenému jazyku. Průlomové se staly hlavně takzvané velké jazykové modely (LLM). Typickým příkladem je ChatGPT.

Machine learning, česky strojové učení, je oblast umělé inteligence, díky které se počítače učí z dat, aniž by je někdo musel programovat krok po kroku.

Modely se učí rozpoznávat vzory, vztahy a pravidla, která v datech na první pohled nevidíte. Pak zvládnou samy předpovídat, třídit nebo rozhodovat i nad daty, která předtím nikdy neviděly.

Cílem je, aby se s přibývajícími daty postupně zlepšovaly v tom, co dělají.

Deep learning, česky hluboké učení, je typ strojového učení, který učí AI rozpoznávat vzory v datech pomocí neuronových sítí, tedy struktur inspirovaných lidským mozkem.

Čím víc „vrstev“ (neuronů) model má, tím složitější věci pochopí. Zatímco klasický machine learning si často vystačí s menším množstvím dat a jednoduššími algoritmy, deep learning potřebuje větší objemy dat a výkonnější výpočetní techniku.

Large Language Model (LLM), česky velký jazykový model, je forma umělé inteligence zaměřená na práci s jazykem. Rozumí textům, umí je psát, shrnovat, překládat nebo odpovídat na otázky. Učí se na rozsáhlé analýze jazykových dat dostupných na internetu. Stojí za vznikem nástrojů jako ChatGPT, Gemini nebo Claude.

Chatbot je program, který komunikuje s lidmi textem nebo hlasem. Obvykle pomáhá s jednoduchými úkoly: odpovídá na otázky, vyřizuje rezervace nebo řeší dotazy v zákaznické podpoře.

Dřív fungoval hlavně podle předem napsaných pravidel (třeba „pokud uživatel napíše A, odpověz B“). Dnešní chatboti využívají různé formy umělé inteligence a stále častěji velké jazykové modely (LLM), takže reagují chytřeji a přirozeněji.

Důležité je, že chatbot ≠ AI. Většina webových chatbotů pořád funguje bez AI.

Agent je typ AI, který zvládne složitější úkoly sám, aniž byste mu zadávali každý krok zvlášť. Stačí mu říct cíl a cestu k němu si naplánuje sám.

Zatímco běžný model jako ChatGPT odpoví na jeden konkrétní prompt, agent si úkol rozdělí na menší části, přemýšlí nad postupem a rozhoduje se v několika krocích. Hodí se na složitější úkoly, plánování a automatizaci.

S agenty pracuje třeba OpenAI Deep Research nebo pokročilé verze ChatGPT.

Multi-agent je systém, ve kterém spolupracuje víc AI agentů najednou. Každý má svůj úkol, ale dohromady řeší jeden větší problém. Pracují samostatně, a přitom spolu spolupracují, podobně jako tým lidí.

Prakticky? Multi-agent systém by mohl sám naplánovat marketingovou kampaň: jeden agent zkoumá trh, druhý připravuje texty, třetí analyzuje výsledky a v reálném čase ladí strategii.

V produkci zatím běží jen minimum multi-agentních systémů. Většina z nich ještě nedosahuje úrovně, aby mohly projít rozsáhlým uživatelským testováním. Jde o hodně komplexní systémy.

Prompt je zadání, které dáte umělé inteligenci. Může to být otázka, věta, úkol nebo třeba popis obrázku. Promptem vlastně říkáte: „Tohle po tobě chci.“ Umět dobře promptovat je klíč k tomu, jak kvalitní výsledek od AI dostanete.

Prompt engineering je dovednost, jak správně zadávat pokyny AI tak, aby byl výstup co nejpřesnější, nejpraktičtější a dával smysl.

Prompt inženýři vymýšlejí chytře formulované vstupy (prompty), aby AI nástroje pracovaly přesně tak, jak mají. Třeba aby psaly ve správném tónu, odpovídaly podle kontextu nebo generovaly konkrétní výstupy.

Token je nejmenší jednotka textu, se kterou AI pracuje. Může to být celé slovo, část slova nebo třeba interpunkční znaménko.

AI nečte text jako lidé, místo toho ho rozdělí na tokeny. Třeba větu „Ahoj světe!“ rozdělí na tři tokeny: „Ahoj“, „světe“ a „!“.

Počet tokenů ovlivňuje, kolik toho AI zvládne najednou „přečíst“ nebo „vygenerovat“. Čím delší zadání, tím víc tokenů spotřebujete. U mnoha AI nástrojů se za počet použitých tokenů platí nebo je jejich použití omezené.

Embedding je způsob, jak si AI „překládá“ slova a věty do čísel (do vektorů), kterým modely rozumí a dál s nimi pracují.

Představte si to jako mapu, kde si AI ukládá významově podobná slova blízko sebe. Třeba „kočka“ a „pes“ leží blíž než „kočka“ a „stůl“.

Díky embeddingům umí AI vyhledávat podle významu, porovnávat texty nebo doporučovat obsah, který spolu souvisí.

Context window je rozsah textu, který si AI udrží „v hlavě“ v rámci jednoho zadání nebo konverzace.

Třeba model ChatGPT-4o zvládne až 128 000 tokenů, což odpovídá zhruba 300 stranám textu. Starší nebo jednodušší modely pracují jen s několika tisíci tokeny.

Čím větší context window, tím líp AI chápe kontext, drží se tématu a reaguje konzistentně i ve složitějších úkolech.

Fine-tuning je proces, kdy už předtrénovaný AI model „doladíte“ pro konkrétní účel nebo typ dat.

Představte si to jako přeučení obecně chytrého modelu na specialistu. Třeba AI, která rozumí všemu trochu, se po fine-tuningu zaměří jen na právní texty, zákaznickou podporu nebo specifický tón značky.

Použijete ho, když chcete, aby model líp reagoval na konkrétní požadavky.

Reasoning model je typ jazykového modelu, který se nesoustředí jen na to, co už „viděl“ v trénovacích datech, ale umí logicky uvažovat, plánovat kroky a řešit problémy.

Zatímco běžný model generuje odpovědi podle podobností v textech, reasoning model hledá cestu k odpovědi krok po kroku, podobně jako člověk, který přemýšlí nad složitým úkolem.

Mezi reasoning modely patří třeba GPT 4o, Gemini 2.5 Pro nebo DeepSeek R1.

Generativní AI je typ umělé inteligence, která vytváří nový obsah: texty, obrázky, zvuk, kód nebo videa.

Na rozdíl od jiných modelů, třeba prediktivní AI, která pracuje se statistikou nebo časovými řadami, generativní AI tvoří něco nového na základě toho, co se naučila z trénovacích dat.

V praxi se často chybně zaměňuje za LLM. Ty jsou sice jednou z forem generativních modelů, ale generativní AI je širší pojem a patří do něj i modely na tvorbu obrázků, zvuků nebo videí.

Deep research označuje schopnost AI hledat, třídit a vyhodnocovat informace z různých zdrojů tak, aby vám dala co nejpřesnější odpověď.

Nejde jen o rychlou odpověď na otázku, ale o komplexní rešerši. Použijete ji třeba při psaní odborných textů, analýzách trhu nebo při strategickém rozhodování. Spojuje se s nástroji, které mají přístup k aktuálním datům na internetu (třeba ChatGPT Deep Research, Perplexity.ai nebo Consensus).

Benchmark je standardizovaný test, který měří a porovnává výkon AI modelů.

Modely jako ChatGPT, Claude nebo Gemini se pravidelně testují na benchmarcích jako MMLU (pro všeobecné znalosti) nebo GPQA. Výsledky pak často slouží jako podklad pro výběr nástroje.

Benchmarky pomáhají s orientací, ale často testují jen úzké dovednosti. V reálném použití může model s nižším skóre klidně fungovat líp.

Jak si jednotlivé modely stojí, můžete sledovat třeba zde.

Natural Language Processing, česky zpracování přirozeného jazyka, je oblast AI, která se zabývá porozuměním lidské řeči.

Díky NLP umí AI číst, psát, odpovídat na otázky nebo třeba poznat tón zprávy.

Artificial General Intelligence, česky obecná umělá inteligence, je hypotetický typ AI, který by zvládl jakýkoli úkol stejně dobře, nebo líp než člověk.

AGI by sama vymyslela vědeckou teorii, vyřešila právní spor nebo vedla firmu. Zatím neexistuje, ale firmy jako OpenAI nebo Anthropic se o ni pokoušejí.

Retrieval augmented generation, česky generování s podporou vyhledávání, je způsob, kdy AI propojíte s externími daty. Třeba s aktuálními firemními daty, se kterými pak pracuje a podle nich generuje odpovědi. Díky tomu pracuje s ověřenými informacemi, takže je přesnější a spolehlivější.

RAG se obvykle využívá u firemních chatbotů, kteří odpovídají podle interní dokumentace, nebo u AI asistentů, kteří čerpají z aktuálních článků, smluv či dat.

Cache-Augmented Generation funguje tak, že si AI předem uloží důležité informace do své „krátkodobé paměti“ (context window), aby je mohla později rovnou použít. Reaguje pak rychleji a drží se tématu, protože si potřebné znalosti nese s sebou. Na rozdíl od jiných přístupů nehledá informace až v okamžiku dotazu, má je už připravené.

Použijete ho třeba u nástrojů, kde se opakovaně pracuje se stejným kontextem, například u chatbotů, kteří řeší vícekrokové úkoly.

Svět AI se mění neuvěřitelně rychle a s ním roste i počet nových pojmů, na které člověk narazí. Časem proto klidně připravíme verzi 2.0 (a možná i 3.0).

Doufáme, že vám teď tyhle pojmy dávají větší smysl a budou se vám hodit v praxi.