Dnešní AI je geniální brigádník s amnézií
Současné velké jazykové modely (LLM), jako jsou GPT-5.6 Sol od OpenAI, Claude Opus 5 od společnosti Anthropic nebo Gemini 3.6 Flash od Google, představují vrchol takzvané úzké umělé inteligence (ANI – Artificial Narrow Intelligence). Jsou to neuvěřitelně výkonné nástroje, které dokáží psát kód, překládat texty do desítek jazyků včetně češtiny a složit zkoušky na právnických fakultách.
Mají však jedno strukturální omezení: neučí se průběžně za provozu. Veškeré vědomosti, které model má, jsou zmrazené v okamžiku ukončení jeho tréninku. Když modelu předáváte dlouhé instrukce (tzv. system prompt nebo kontextové okno), model se z nich neučí v pravém slova smyslu. Pouze tyto informace zpracovává v daném okamžiku. Výsledkem je, že platíte za tisíce tokenů (jednotek textu) při každém dalším dotazu, a systém se sám od sebe nijak nevyvíjí.
Běžný lidský zaměstnanec má sice zpočátku pomalejší náběh, ale informace si ukladá do dlouhodobé paměti. Know-how se přes noc neztratí a s každým dalším úkolem se člověk stává samostatnějším. U AI musíme tento proces neustále simulovat ručním přísunem dat.
Co přesně znamená AGI a v čem se liší?
Zkratka AGI znamená Artificial General Intelligence (Obecná umělá inteligence). Na rozdíl od úzké AI se AGI vyznačuje schopností samostatně se přizpůsobovat novým situacím, přenášet znalosti z jednoho oboru do druhého a učit se bez nutnosti kompletního přetrénování celého neuronového modelu.
Podle definice, kterou uznává většina předních výzkumných laboratoří včetně OpenAI nebo Google DeepMind, je AGI systém, který překonává lidské schopnosti v většině ekonomicky hodnotných činností. Zásadní rozdíly lze shrnout do tří bodů:
- Autonomní učení (Continuous Learning): AGI dokáže ukládat nové zkušenosti do své struktury bez toho, aby zapomněla předchozí znalosti (řešení tzv. katastrofického zapomínání).
- Generalizace a přenos poznatků: Pokud se AGI naučí řídit auto, dokáže tyto fyzikální a strategické principy využít například při ovládání průmyslového robota v továrně.
- Kauzální uvažování: Dnešní AI odhaduje nejpravděpodobnější následující slovo na základě statistiky. AGI chápe vztahy příčiny a následku.
Jak měříme cestu k AGI? Přežité testy a nové benchmarky
Až do nedávna se schopnosti AI měřily testy jako MMLU (Massive Multitask Language Understanding) nebo řešením matematických olympiád (GSM8K). Tyto testy však u nejmodernějších modelů ztratily vypovídající hodnotu, protože modely dosahují výsledků přesahujících 90 % a hrozí riziko kontaminace trénovacích dat (model se testové otázky v podstatě učil nazpaměť).
Klíčovým benchmarkem pro ověření skutečného uvažování se tak stal test ARC-AGI (Abstraction and Reasoning Corpus), který vytvořil výzkumník François Chollet. Tento test předkládá modelu vizuální a logické hádanky, které model nikdy předtím neviděl. Vyžaduje abstraktní myšlení a schopnost vytvořit si algoritmus přímo během řešení úlohy.
Zatímco průměrný člověk dosahuje v ARC-AGI bez přípravy skóre kolem 85 %, standardní velké jazykové modely dlouho dosahovaly výsledků pod 20 %. Pokročilé systémy kombinující plánovací algoritmy a uvažovací řetězce (skupina modelů typu Reasoning) začínají tuto hranici posouvat výše, ale k plné generalizaci mají stále daleko.
Dostupnost, ceny a dopad na český trh
Pro české uživatele a firmy je podstatné, že cesta k AGI probíhá na pozadí nástrojů, které již dnes běžně používají. Prémiové verze jako ChatGPT Plus nebo Claude Pro stojí standardně přibližně 20 USD měsíčně (v přepočtu zhruba 550 Kč včetně DPH). Google nabízí svůj top model v rámci předplatného Gemini Advanced za podobnou částku.
Všechny tyto modely plně podporují češtinu, i když jejich hluboké logické uvažování je stále nejefektivnější v angličtině, na které byly primárně trénovány. Vzhledem k evropské legislativě EU AI Act, která vstoupila v platnost a přísně reguluje vysoce rizikové systémy a modely s velkým výpočetním výkonem (nad 1025 FLOPs), čelí vývojáři v Evropě přísnějším požadavkům na transparentnost a bezpečnost.
Z praktického hlediska znamená přechod od úzké AI k AGI to, že firmy nebudou muset stavět složité integrace a psát dlouhé systémy instrukcí. AI agenti budou schopni vykonávat komplexní, vícekrokové projekty zcela samostatně – od analýzy trhu přes sepsání kódu až po jeho nasazení a průběžnou údržbu bez nutnosti neustálého restartu vědomostí.
FAQ
Jaký je hlavní rozdíl mezi AGI a superinteligencí (ASI)?
AGI označuje umělou inteligenci, která dosahuje úrovně lidského rozumu a dokáže vykonávat většinu duševních prací stejně dobře jako člověk. Superinteligence (ASI – Artificial Superintelligence) představuje teoretický stupeň, kdy AI výrazně překoná kolektivní kognitivní schopnosti lidstva ve všech oblastech, od vědeckého výzkumu po kreativní činnost.
Bude AGI po svém dokončení dostupná i pro běžné uživatele v Česku?
Vývojáři jako OpenAI i Google deklarují cíl zpřístupnit AGI široké veřejnosti. První verze však budou kvůli obrovským výpočetním nákladům pravděpodobně nabízeny přes cloudová rozhraní za vyšší ceny pro firemní klientelu. Pro běžné uživatele budou dostupné postupně skrze stávající předplatné s omezenými limity využití, při dodržení bezpečnostních pravidel EU AI Actu.
Proč nelze dosáhnout AGI pouhým zvětšováním současných LLM modelů?
Zvětšování modelů (přidávání parametrů a dat) zlepšuje paměť a plynulost textu, ale neřeší fundamentální architekturu. LLM fungují na principu statistické predikce slova. Pro AGI je potřeba architektura, která zvládne vnitřní plánování, dlouhodobou paměť a tvoření vlastních hypotéz nezávisle na statických trénovacích datech.
