AI z Wikipedie žije, ale psát ji nesmí. Česká verze má 600 tisíc hesel

600 tisíc hesel v češtině

Hranici 600 tisíc článků česká Wikipedie překročila v říjnu. Jubilejním heslem se stal selenid rubidný, chemická sloučenina, u níž si podobný milník málokdo vybaví. Obsah české verze dnes čítá téměř 300 milionů slov a podle počtu článků patří do první třicítky jazykových verzí na světě.

Pro představu: kdyby se celá česká Wikipedie vytiskla a svázala, zaplnila by podle orientačního přepočtu stovky tisícistránkových svazků, podobně objemných jako jednotlivé díly historického Ottova slovníku naučného. Od října 2025 do září 2026 přitom zaznamenala v průměru téměř dva miliony zobrazení stránek denně. Údaje zveřejnila Wikimedia ČR na svém blogu.

Trénink na lidském obsahu

Velká část Wikipedie je součástí trénovacích datasetů jazykových modelů. Důvod je přízemní: nabízí strukturované a ověřitelné informace v desítkách jazyků, včetně češtiny. Když vývojáři encyklopedii z tréninku vynechají, odpovědi modelů bývají podle odborníků méně přesné a hůře dohledatelné.

Zachary McDowell z University of Illinois v Chicagu to pro televizi CBC přiblížil obrazem pyramidy. Nahoře jsou chatboti, uprostřed Wikipedie a dole tradiční zpravodajská média. Když narušíte sekundární zdroje dole a poté i Wikipedii, celá konstrukce se zřítí sama do sebe.

Ten proces má i odborný název: kolaps modelu. Když modely krmíte syntetickými daty, tedy obsahem vytvořeným jinou AI, postupně se zhoršují. Lidsky psaná encyklopedie funguje jako stabilní zásobárna, ze které se dá čerpat opakovaně, aniž by se kvalita propadala.

AI smí hlídat vandalismus, ne psát

Tady ale narazíme na paradox. Umělá inteligence z Wikipedie žije, ale samotné texty v ní nenapíše. V březnu 2026 komunita editorů anglické Wikipedie aktualizovala pravidla a zakázala používat jazykové modely k tvorbě nebo přepisování článků. Nešlo o plošný zákaz ze strany nadace Wikimedia, nýbrž o krok samotné dobrovolnické komunity. Důvod: generované texty často porušují základní požadavek na ověření ze spolehlivých zdrojů.

Umělá inteligence se na Wikipedii využívá jinde. Šetří editorům čas při odhalování vandalismu v existujících článcích nebo pomáhá s překlady. Pravidla zároveň umožňují nasazení AI pro základní jazykové korektury (copyediting), pokud model nepřidává žádný vlastní obsah a pouze uhlazuje text. Hranice ale zůstává jasná: psát fakta a dohledávat zdroje musí člověk.

Od Nupedie po dnešek

Wikipedii založili v lednu 2001 Jimmy Wales a Larry Sanger. Nebyl to přitom první pokus. O rok dřív spustili Nupedii, do níž měli psát jen kvalifikovaní redaktoři a texty procházely vícestupňovou editací. Výsledek? Za první rok vyšlo dvanáct článků. Wikipedie, kam mohl přispívat kdokoliv, starší sestru rychle přerostla. Česká verze vznikla v květnu 2002.

Dnes má encyklopedie ve všech jazycích 68 milionů článků. Pew Research odhaduje, že v letech 2015 až 2025 zaznamenala přes 1,9 bilionu zobrazení, tedy 508 milionů návštěv denně. Provoz financují dobrovolné příspěvky, které za uplynulý rok vynesly 189,5 milionu dolarů, v přepočtu 4,1 miliardy korun. O celém tématu informoval server CzechCrunch.

Český rozměr

Pro českého čtenáře nejde o vzdálenou zajímavost. Když se zeptáte modelu na fakt a ten si odpověď vymyslí, nemáte se čeho chytit. Wikipedie oproti tomu zobrazí použité zdroje i historii úprav, takže si správnost ověříte sami. „Wikipedie se stává jakýmsi majákem v moři dezinformací," uvedla výkonná ředitelka Wikimedia ČR Klára Joklová.

Platí to dvojnásob pro češtinu. Velké jazykové modely se v češtině postupně zlepšují, ale hluboký a ověřený český obsah zůstává vzácný. Šest set tisíc lidsky psaných hesel je kapitál, který chatboti jen tak nenahradí. Právě proto se do tvorby a oprav článků může zapojit kdokoliv, i vy.