Úzka vs. všeobecná AI

• Úzka AI rieši vymedzené úlohy; všeobecná AI by mala prenášať schopnosti medzi širokým spektrom nových úloh a prostredí.
• Široko použiteľný model ešte automaticky nie je všeobecnou inteligenciou a mimoriadny výkon v jednej oblasti nie je dôkazom univerzálnosti.
• Hranica medzi kategóriami nemá jedinú všeobecne prijatú definíciu, preto treba porovnávať konkrétne schopnosti, mieru samostatnosti a podmienky testu.

Program porazí majstra sveta v šachu, model vytvorí počítačový kód a robot prenesie balík. Sú všetky tieto systémy inteligentné rovnakým spôsobom? Nie. Slovo inteligencia spája veľmi rozdielne schopnosti a ľahko vyvoláva predstavu jedného rebríčka, na ktorom sú jednoduché stroje dole a ľudia hore. V skutočnosti majú systémy odlišné profily: jeden exceluje v úzkej úlohe, iný zvláda mnoho formátov, no zlyhá pri zdanlivo triviálnej zmene.

Rozlíšenie úzkej umelej inteligencie a všeobecnej umelej inteligencie pomáha hovoriť o tomto rozdiele. Úzka AI je navrhnutá alebo natrénovaná na obmedzený súbor úloh. Všeobecná AI, často označovaná skratkou AGI z anglického artificial general intelligence, by mala kompetentne zvládať širokú škálu úloh a prenášať poznatky do nových situácií. Táto základná intuícia je zrozumiteľná, ale presná hranica zostáva predmetom vedeckej aj spoločenskej diskusie.

Kapitola preto neposkytne falošne presný dátum ani jednoduchý test, po ktorom možno vyhlásiť „AGI je tu“. Vysvetlí, čo jednotlivé pojmy užitočne označujú, prečo široké generatívne modely komplikujú staré delenie a podľa akých znakov možno pokrok hodnotiť. Mechanizmy učenia už opísala kapitola 4 - Ako sa AI učí; tu sa sústredíme na rozsah a prenos schopností.

Čo je úzka AI

• Úzka AI vykonáva jednu úlohu alebo obmedzenú rodinu úloh v určenom prostredí.
• Jej hranice vyplývajú z dát, cieľa, rozhrania a podmienok nasadenia, nie nevyhnutne z nízkeho výkonu.
• Väčšina prakticky nasadených AI systémov patrí do tejto kategórie.

Úzka AI, nazývaná aj špecializovaná alebo slabá AI, môže rozpoznávať tváre, odhadovať dopyt, filtrovať spam, prepisovať reč alebo odporúčať obsah. Systém dostane vstup v očakávanom formáte a vytvorí určitý druh výstupu. Jeho úspech sa hodnotí vzhľadom na konkrétny cieľ: presnosť klasifikácie, chybu predikcie, kvalitu poradia alebo hospodársky výsledok.

Slovo „úzka“ neznamená jednoduchá ani málo výkonná. Šachový systém môže analyzovať pozície lepšie než ktorýkoľvek človek a predsa nevie bez zásadnej zmeny riadiť sklad, vysvetliť lekársky nález či pochopiť pravidlá novej stolovej hry z bežného rozhovoru. Jeho schopnosť je hlboká, ale má obmedzený rozsah.

Hranicu niekedy vytvára celé aplikačné riešenie, nie samotný model. Systém odporúčania zahŕňa model, databázu položiek, používateľské signály, obchodné pravidlá a rozhranie. Môže sa priebežne aktualizovať a vykonávať milióny rozhodnutí, no stále optimalizuje vymedzenú funkciu. Automatizácia viacerých krokov z neho nerobí univerzálneho aktéra.

V kapitole 2 - Čo je a čo nie je umelá inteligencia sme zdôraznili, že AI nie je jediná technológia. Rovnako ani úzka AI nie je jediný algoritmus. Patrí sem klasické strojové učenie, neurónové siete, systémy plánovania aj kombinácie pravidiel a modelov. Spoločným znakom je ohraničená kompetencia, nie konkrétna technická metóda.

Úzka AI môže byť nadľudská

• Nadľudský výkon sa vždy vzťahuje ku konkrétnej úlohe, metrike a podmienkam.
• Rýchlosť, pamäť či presnosť v jednej oblasti nemožno sčítať do všeobecnej inteligencie.
• Človek môže zostať potrebný na určenie cieľa, interpretáciu výstupu a riešenie výnimiek.

Stroj môže spracovať viac obrazov za sekundu, prehľadať väčší priestor možností alebo odhaliť jemný štatistický vzor. Takýto výkon je reálny a užitočný. Zároveň nehovorí, že systém má všeobecný úsudok. Kalkulačka nás prekonáva v rýchlosti násobenia, ale z tejto výhody nevyvodzujeme, že rozumie účtovníctvu alebo hodnote peňazí.

Pri AI býva omyl lákavejší, lebo výstup sa podobá ľudskej činnosti. Ak model píše plynulý text alebo rozpozná ochorenie na snímke, pripisujeme mu celú sieť schopností, ktoré u človeka s daným výkonom zvyčajne očakávame. Model však mohol získať výsledok úplne iným mechanizmom a nemusí mať súvisiace kompetencie.

Preto má tvrdenie „AI prekonala človeka“ obsahovať odpoveď na otázky: Ktorých ľudí? V akej úlohe? Na akom datasete? Podľa akej metriky? S akým prístupom k nástrojom a času? Funguje aj mimo testu? Bez týchto podmienok sa z obmedzeného experimentu stáva všeobecný marketingový slogan.

Nadľudská úzka AI môže mať veľký dopad. Ak riadi milióny odporúčaní alebo pomáha pri rozhodnutí s vysokými následkami, jej obmedzenosť nie je dôvodom na nezáujem. Práve naopak: treba presne určiť, čo má robiť, kedy odovzdať prípad človeku a ako odhaliť zmenu podmienok. Praktické silné a slabé stránky rozvinie kapitola 9 - Kde AI funguje a kde zlyháva.

Čo by mala znamenať všeobecná AI

• AGI sa zvyčajne spája so širokou kompetenciou, prenosom učenia a adaptáciou na nové úlohy.
• Definície sa líšia podľa toho, či porovnávajú systém s človekom, ekonomickou činnosťou alebo abstraktným rozsahom úloh.
• Bez operacionálnej definície sa spor o existenciu AGI môže zmeniť na spor o slová.

Najjednoduchšia predstava hovorí, že AGI je systém schopný vykonávať väčšinu intelektuálnych úloh, ktoré zvládne človek. Táto veta však otvára ďalšie otázky. Ktorý človek - priemerný dospelý, odborník alebo kolektív? Musí systém používať rovnaké vstupy a množstvo skúseností? Počíta sa fyzická zručnosť? Musí sa vedieť učiť počas života, alebo stačí vopred natrénovaná široká schopnosť?

Iné definície sa sústredia na ekonomickú hodnotu: systém by vykonával veľkú časť práce, ktorú ľudia robia za počítačom. To je merateľnejšie, ale zamieňa inteligenciu s automatizovateľnosťou a podmienkami trhu. Úloha môže byť ekonomicky významná preto, že sa dá škálovať, nie preto, že vyžaduje univerzálny rozum. Naopak, každodenná starostlivosť či pohyb v domácnosti môžu byť pre stroj ťažké, hoci sa v ekonomických benchmarkoch objavia málo.

François Chollet navrhuje chápať inteligenciu ako efektívnosť získavania nových zručností vzhľadom na predchádzajúce znalosti a skúsenosť. V práci On the Measure of Intelligence upozorňuje, že výkon dosiahnutý obrovským množstvom úzko zameraných dát nemožno automaticky stotožniť so všeobecnou schopnosťou. Dôležité je, ako účinne systém zvládne úlohu, na ktorú nebol priamo pripravený.

Výskumníci z Google DeepMind navrhli úrovne AGI, ktoré oddeľujú výkon od všeobecnosti a zohľadňujú aj samostatnosť. Takýto rámec je užitočnejší než jediné magické prahové skóre. Zároveň je to návrh, nie celosvetovo záväzná norma. Pojem AGI nemá jedinú právnu ani vedeckú definíciu, ktorú by prijímali všetci.

Tri osi: rozsah, výkon a samostatnosť

• Rozsah vyjadruje, koľko rozličných úloh systém kompetentne zvládne.
• Výkon porovnáva kvalitu s relevantným človekom alebo iným štandardom.
• Samostatnosť opisuje, koľko krokov a rozhodnutí systém vykoná bez priebežného zásahu človeka.

O AI je vhodnejšie premýšľať ako o profile na viacerých osiach. Rozsah odpovedá, či systém rieši jeden typ vstupu, viac domén alebo širokú škálu nových úloh. Výkon meria, ako dobre ich rieši - od začiatočníckej úrovne po úroveň expertov. Samostatnosť určuje, či iba odpovie na jeden prompt, alebo vie naplánovať sériu krokov, používať nástroje, kontrolovať výsledok a reagovať na prekážky.

Tieto osi sa nemusia zlepšovať spolu. Model môže odpovedať na otázky z mnohých oblastí, ale iba pri dôkladnom vedení používateľa. Agent môže vykonať dlhší postup samostatne, no iba v presne obmedzenom softvérovom prostredí. Špecializovaný systém môže mať expertný výkon pri nulovej prenositeľnosti.

Samostatnosť navyše nie je čistou vlastnosťou modelu. Vzniká spojením modelu s pamäťou, plánovacou slučkou, oprávneniami a nástrojmi. Rovnaký model môže v chatovom okne iba navrhovať text a v agentnom systéme vykonávať operácie. Preto treba hodnotiť celý systém vrátane prístupových práv, možnosti ľudského zásahu a následkov chybnej akcie.

Viac samostatnosti neznamená automaticky viac inteligencie ani viac úžitku. V kritickom procese môže byť žiaduce, aby AI navrhla riešenie a človek ho schválil. Autonómia je dizajnová voľba spojená s rizikom. Séria sa k nej vráti pri práci, praktickom nasadení a príprave na AI éru v kapitole 15.

Všeobecne použiteľný model ešte nie je AGI

• Základný alebo všeobecne použiteľný model môže podporovať veľa aplikácií bez robustnej všeobecnej inteligencie.
• Šírka tréningových dát a flexibilné rozhranie rozširujú použitie, no nezaručujú spoľahlivý prenos.
• Právne a technické označenia všeobecne použiteľného modelu neriešia filozofickú otázku AGI.

Veľké jazykové a multimodálne modely narušili jednoduchý obraz úzkej AI. Jeden model dokáže sumarizovať, prekladať, programovať, analyzovať obraz, vysvetľovať učivo a ovládať nástroje. Nie je to samostatný model pre každú jednu činnosť. Označenie „úzky“ preto môže znieť neprimerane, hoci systém stále vykazuje zásadné hranice.

Užitočný je pojem základný model: model trénovaný na širokých dátach, ktorý možno prispôsobiť mnohým následným úlohám. Podobne európsky Akt o umelej inteligencii definuje model AI na všeobecné účely podľa významnej všeobecnosti a schopnosti plniť širokú škálu úloh. Ide o regulačnú kategóriu potrebnú na rozdelenie povinností v hodnotovom reťazci, nie o vyhlásenie, že model dosiahol AGI.

Široký model môže využiť spoločnú reprezentáciu jazyka, obrazu a kódu, a preto sa rýchlo prispôsobí novému zadaniu. Zároveň môže byť krehký pri zmene formulácie, vymýšľať fakty, nedodržať dlhý plán alebo potrebovať príklady, ktoré človek nepotrebuje. Šírka ponuky schopností sa musí odlišovať od ich spoľahlivosti.

Vhodné je hovoriť o všeobecne použiteľných modeloch ako o medzikategórii z praktického hľadiska. Sú širšie než tradičný klasifikátor, ale z ich existencie nevyplýva odpoveď na otázku AGI. Tá závisí od definície a dôkazov o prenose, adaptácii, robustnosti a samostatnosti.

AGI nie je vedomie

• Inteligencia opisuje schopnosť riešiť úlohy; vedomie sa týka subjektívneho prežívania.
• Systém môže pôsobiť ľudsky v rozhovore bez dôkazu, že niečo cíti alebo prežíva.
• Otázka strojového vedomia si vyžaduje samostatné vedecké a etické skúmanie.

V populárnej kultúre sa všeobecná inteligencia, vedomie, osobnosť a slobodná vôľa objavia naraz. Pojmovo však ide o rozdielne vlastnosti. Systém môže v princípe výborne plánovať a učiť sa bez subjektívneho prežívania. Naopak, vedomá bytosť nemusí mať mimoriadny výkon v širokej škále intelektuálnych úloh.

Jazykový model sa naučil vzory vrátane viet o emóciách a vlastnom stave. Keď napíše „bojím sa“, text nemožno bez ďalších dôkazov považovať za pozorovanie vnútorného zážitku. Ľudia majú silnú tendenciu pripisovať myseľ systému, ktorý plynulo komunikuje; kapitola 3 - Najväčšie mýty o AI vysvetľuje, prečo je antropomorfizácia zavádzajúca.

Výskum vedomia AI nie je nezmyselný, iba nemá jednoduchú odpoveď. Butlin a kolegovia odporúčajú skúmať indikátory odvodené z viacerých vedeckých teórií vedomia. Žiadna plynulá konverzácia ani jedno správanie zatiaľ neposkytuje všeobecne prijatý dôkaz. Tvrdenie o AGI preto samo osebe nevypovedá o morálnom statuse či cítení systému.

AGI nie je superinteligencia

• AGI označuje všeobecnosť schopností; superinteligencia by v širokom rozsahu výrazne prekonávala ľudí.
• Systém môže byť všeobecný bez nadľudského výkonu a nadľudský v jednej úlohe bez všeobecnosti.
• Zmiešanie pojmov vedie buď k prehnanému strachu, alebo k podceneniu odlišných rizík.

Predstavme si systém, ktorý sa dokáže naučiť mnoho bežných činností približne na úrovni priemerného človeka. Pod niektorými definíciami by mohol byť AGI, no nebol by superinteligenciou. Tou sa zvyčajne myslí systém, ktorý v podstatnej časti kognitívnych oblastí výrazne prekonáva najlepších ľudí alebo ľudské kolektívy.

Opačný príklad už poznáme: šachový program je nadľudský v šachu, ale nie všeobecný. Dve osi - rozsah a úroveň - sa nesmú zameniť. Rovnaké rozlíšenie pomáha pri čítaní titulkov o „ľudskej úrovni“. Systém mohol dosiahnuť ľudské skóre na jednom teste bez schopnosti zvládať variácie a širší kontext, ktoré ľudia používajú prirodzene.

Potenciálne cesty od AGI k superinteligencii sú predmetom hypotéz. Zahŕňajú škálovanie, používanie nástrojov, automatizáciu výskumu alebo zlepšovanie vlastných komponentov. To, či a akou rýchlosťou by sa taký prechod udial, nemožno odvodiť iba z definície. Je vhodné skúmať scenáre a bezpečnostné opatrenia bez predstierania istoty.

Zubatý profil dnešných schopností

• Moderné modely dosahujú špičkový výkon v niektorých náročných úlohách a súčasne zlyhávajú na jednoduchších variáciách.
• Priemerné skóre zakrýva rozdiely medzi doménami, formuláciami, jazykmi a úrovňami rizika.
• Dnešné systémy treba hodnotiť ako nerovnomerný profil schopností, nie ako jediné číslo inteligencie.

Človek zvyčajne predpokladá určitú súdržnosť schopností. Kto spoľahlivo vyrieši náročný matematický problém, pravdepodobne zvládne prečítať analógové hodiny. Pri modeloch táto intuícia neplatí. Tréningové rozdelenie, reprezentácia a spôsob zadania môžu vytvoriť kombináciu veľmi pokročilých a prekvapivo slabých výkonov.

Stanford AI Index 2026 opisuje tento jav ako zubatú alebo nerovnomernú inteligenciu. Výsledky na vedeckých a matematických benchmarkoch rýchlo rastú a niektoré testy sa nasýtia, no zostávajú nedostatky v priestorovom uvažovaní, dlhodobom plánovaní a spoľahlivej práci agentov. Skóre na jednej elitnej súťaži preto nemožno mechanicky preniesť na všetky formy uvažovania.

Nerovnomernosť sa môže prejaviť aj v rámci tej istej úlohy. Model vyrieši príklad pri známej formulácii, ale zlyhá, keď sa zmenia názvy premenných, pridá rušivá informácia alebo treba overiť predpoklad. Môže napísať správny program, no nevšimnúť si bezpečnostné riziko. Môže presne zhrnúť dokument a zároveň doplniť neexistujúci detail.

Multimodálnosť rozširuje vstupy o obraz, zvuk či video, no automaticky ich nespája do stabilného modelu sveta. Agentné slučky pridávajú plánovanie a nástroje, no chyba v skorom kroku sa môže preniesť ďalej. Aktuálny výkon preto treba merať na reálnych pracovných tokoch, s opakovanými pokusmi, hraničnými prípadmi a dôsledkami chýb.

Prečo benchmark nestačí

• Benchmark meria výkon na vymedzenej množine úloh; nemeria automaticky všeobecnú inteligenciu.
• Výsledok môže ovplyvniť kontaminácia tréningových dát, optimalizácia na test a spôsob hodnotenia.
• Dôležitý je prenos na nové úlohy s obmedzenými príkladmi, nie iba zvládnutie známeho formátu.

Benchmark umožňuje porovnávať modely za rovnakých podmienok. Bez merania by diskusia zostala pri dojmoch a efektných ukážkach. Problém vznikne, keď sa číslo z konkrétneho testu vydáva za úplnú mieru inteligencie. Každý benchmark vyberá určité úlohy, jazyky, formáty a metriky; mimo nich môže systém fungovať inak.

Ak sú testové otázky alebo ich blízke varianty súčasťou tréningových dát, model mohol obsah či šablónu poznať. Aj bez priameho úniku sa vývojári môžu dlhodobo prispôsobovať verejnému benchmarku. Test sa stane cieľom a prestane presne merať širšiu schopnosť - klasický problém „učenia na skúšku“. Rýchle nasýtenie populárnych testov, ktoré zaznamenáva AI Index, vytvára potrebu náročnejších a dynamických hodnotení.

Cholletov rámec zdôrazňuje novotu a efektívnosť učenia. Ak systém potrebuje obrovské množstvo podobných príkladov, no človek odvodí pravidlo z dvoch ukážok, rovnaké konečné skóre nepredstavuje rovnakú všeobecnosť. Test AGI by mal kontrolovať predchádzajúcu skúsenosť a zisťovať, ako dobre systém tvorí nové zručnosti z obmedzených informácií.

Ani ľudské porovnanie nie je triviálne. Výsledok závisí od výberu ľudí, času, motivácie a povolených pomôcok. Model môže používať vyhľadávač či kódové prostredie, zatiaľ čo človek nie. Férové hodnotenie musí jasne opísať podmienky, interval neistoty a typ chýb. Namiesto otázky „prešiel testom?“ je vhodné pýtať sa, čo test dokazuje a čo zostalo mimo neho.

Ktoré schopnosti zostávajú rozhodujúce

• Všeobecnosť si vyžaduje robustný prenos, adaptáciu, plánovanie a prácu s neistotou.
• Systém musí vedieť rozpoznať hranice vlastných znalostí a korigovať postup po chybe.
• Potrebné schopnosti sú predmetom výskumu; neexistuje jeden uzavretý zoznam podmienok AGI.

Prvou výzvou je robustné zovšeobecnenie. Model nemá iba interpolovať medzi známymi príkladmi, ale riešiť kvalitatívne nové kombinácie a pravidlá. Musí odlíšiť podstatnú vlastnosť od náhodnej skratky. Malá zmena povrchu úlohy by nemala zničiť výkon, ak základný problém zostal rovnaký.

Druhou je priebežné a efektívne učenie. Ľudia si osvojujú nové pojmy z mála skúseností, prepájajú ich s predchádzajúcimi znalosťami a dokážu sa prispôsobovať bez úplného pretrénovania. Modely sa síce vedia prispôsobiť v kontexte alebo dolaďovaním, no stabilné celoživotné učenie bez zabúdania, manipulácie a akumulácie chýb zostáva náročné.

Treťou je dlhodobé plánovanie. Krátka správna odpoveď je iný problém než cieľ vyžadujúci desiatky krokov, spätnú kontrolu, správu zdrojov a reakciu na neočakávanú zmenu. Agent musí vedieť rozložiť cieľ, používať nástroje, zistiť chybu a obnoviť postup. Vyššia autonómia zároveň zvyšuje význam bezpečných oprávnení a ľudskej kontroly.

Štvrtou je kalibrácia neistoty a metakognícia. Užitočný systém nemá iba vytvoriť najpravdepodobnejšiu odpoveď, ale rozlíšiť, kedy chýbajú údaje, kedy je zdroj slabý a kedy treba požiadať o pomoc. Sebavedomý jazyk nie je spoľahlivým ukazovateľom správnosti. Vysoko riziková oblasť vyžaduje overiteľné dôkazy a možnosť odmietnuť rozhodnutie.

Diskutuje sa aj o kauzálnom a telesnom poznaní sveta. Niektorí výskumníci očakávajú, že multimodálne dáta, simulácie a interakcia poskytnú dostatočný základ; iní zdôrazňujú potrebu nových architektúr alebo fyzickej skúsenosti. Robotika ukazuje, že otvorený svet s trením, deformovateľnými predmetmi a ľuďmi je omnoho menej predvídateľný než textový benchmark. Zatiaľ nie je vedecký konsenzus, ktorá kombinácia bude nevyhnutná.

Cesty k všeobecnejšej AI

• Škálovanie dát, výpočtov a modelov prinieslo významný pokrok, no nie je dokázané, že samo osebe vyrieši všetky nedostatky.
• Výskum spája modely s pamäťou, vyhľadávaním, nástrojmi, plánovaním, simuláciou a robotikou.
• Budúci systém môže vzniknúť kombináciou prístupov, nie jedným „algoritmom AGI“.

Jedna stratégia stavia na škálovaní: väčšie a kvalitnejšie dáta, viac výpočtov, lepšie tréningové postupy a širšie modality často zlepšujú veľa schopností naraz. Niektoré kompetencie sa pri raste modelu prejavia výraznejšie, než by naznačoval malý prototyp. Historický vývoj hlbokého učenia ukazuje, že škála spolu s architektonickými a hardvérovými zmenami môže meniť hranice prakticky možného.

Škálovanie však stojí energiu, kapitál a dáta. Výnosy sa môžu pri niektorých metódach znižovať a internetový obsah nie je nekonečný zdroj kvalitnej skúsenosti. Väčší model tiež automaticky nevyrieši nejasný cieľ, nespoľahlivé overovanie alebo dlhý sled akcií. Preto sa skúmajú syntetické dáta, efektívnejšie architektúry, kurikulá a nové ciele učenia.

Druhá stratégia rozširuje model o externé komponenty. Vyhľadávanie poskytuje aktuálne dokumenty, kalkulačka presný výpočet, interpreter vykoná kód a databáza uchová stav. Agentná vrstva rozkladá úlohu a kontroluje kroky. Takýto systém môže byť podstatne schopnejší bez toho, aby všetky vedomosti a postupy boli uložené v parametroch jedného modelu.

Ďalší smer spája učenie s interakciou a simuláciou. Agent získava skúsenosť z následkov vlastných akcií, nie iba zo statického textu. Robot môže učiť fyzické zručnosti v simulácii a prenášať ich do reality. Virtuálne prostredia umožňujú veľa pokusov, no rozdiel medzi simuláciou a svetom zostáva problémom.

Napokon existujú hybridné prístupy, ktoré kombinujú neurónové modely so symbolickým uvažovaním, formálnym overovaním alebo explicitnými pravidlami. Neurónová časť rozpozná vzor a navrhne riešenie; formálny nástroj skontroluje dôkaz alebo obmedzenia. Praktická cesta môže pripomínať tím rôznych komponentov viac než homogénny digitálny mozog.

Kedy príde AGI?

• Odborné predpovede majú široký rozptyl a závisia od použitej definície.
• Minulý pokrok nie je zárukou rovnakého tempa ani dôkazom blízkeho limitu.
• Zodpovedná príprava pracuje s viacerými scenármi namiesto jedného údajne istého dátumu.

Otázka dátumu je mediálne príťažlivá, no vedecky zle špecifikovaná. Kým nie je jasné, čo sa počíta ako AGI, ľudia predpovedajú odlišné udalosti. Niekto myslí autonómneho vedca, iný automatizáciu väčšiny kancelárskych úloh a ďalší systém porovnateľný s človekom aj vo fyzickom svete.

Rozsiahly prieskum 2 778 autorov publikujúcich v AI zistil veľkú neistotu v časových odhadoch. Takéto prieskumy mapujú názory, nie fyzikálny zákon. Odpovede sa menia s aktuálnym pokrokom, formuláciou otázky a výberom expertov. Medián predpovedí preto nemožno čítať ako termín dodania.

Extrapolácia trendu je užitočná pri konkrétnych merateľných veličinách, ale môže prehliadnuť prekážku alebo nový objav. Rýchle zlepšenie benchmarku môže znamenať zásadný prenos schopnosti, lepšie prispôsobenie testu alebo oboje. Na druhej strane história AI obsahuje obdobia, keď sa očakávania nenaplnili pre nedostatok výpočtov, dát či vhodných metód; opisuje ich kapitola 1 - História AI od Turinga po ChatGPT.

Rozumná stratégia nepotrebuje poznať presný dátum. Organizácia môže sledovať schopnosti relevantné pre svoju činnosť, pravidelne testovať nové systémy a pripraviť procesy na postupný aj náhly pokrok. Spoločnosť môže investovať do výskumu bezpečnosti a vzdelávania aj vtedy, ak sa odborníci na AGI nezhodnú.

Prečo na úzkej AI záleží už dnes

• Významné prínosy aj škody môžu vzniknúť bez AGI.
• Dopad závisí od rozsahu nasadenia, rozhodovacej právomoci a inštitucionálneho kontextu.
• Čakanie na „skutočnú inteligenciu“ odvádza pozornosť od systémov, ktoré už ovplyvňujú ľudí.

Algoritmus nemusí byť všeobecný, aby ovplyvnil prístup k úveru, práci, poisteniu, zdravotnej starostlivosti alebo informáciám. Ak sa úzky model používa vo veľkom meradle, malá systematická chyba môže zasiahnuť tisíce ľudí. Ak optimalizuje nesprávny cieľ, môže meniť správanie celej platformy.

Rovnako reálne sú prínosy. Úzky systém môže urýchliť analýzu snímok, znížiť energetickú spotrebu, sprístupniť text alebo odhaliť výrobnú poruchu. V úlohe s jasným cieľom, kvalitnými dátami a kontrolovanými výnimkami môže byť špecializácia výhodou. Netreba čakať na univerzálnu AI, aby technológia vytvorila hodnotu.

Niekedy je bezpečnejší súbor úzkych, overiteľných nástrojov než jeden široký agent. Každý komponent má obmedzené oprávnenie a jasnú metriku. Široký model môže byť rozhraním, ale kritický výpočet vykoná deterministický program a rozhodnutie schváli človek. Architektúra sa má riadiť potrebou, nie prestížou najvšeobecnejšieho systému.

Diskusia o budúcich extrémnych scenároch a riadenie dnešných škôd sa nemusia vylučovať. Medzinárodná správa o bezpečnosti AI 2026 posudzuje riziká univerzálnych modelov podľa aktuálnych dôkazov a otvorene pomenúva neistoty. Dobrá politika dokáže súčasne riešiť diskrimináciu, podvody a bezpečnosť dnešných systémov aj skúmať možné riziká rastúcej autonómie.

Ako rozumne hodnotiť tvrdenie o AGI

• Najprv treba vyžiadať definíciu, podmienky testu a nezávislé dôkazy.
• Ukážka jednej úlohy nepreukazuje robustnosť, bezpečnosť ani prenos do otvoreného sveta.
• Dôležitejší než názov je profil schopností a rizík celého nasadeného systému.

Keď firma, výskumník alebo médiá použijú slovo AGI, prvá otázka má byť: Čo tým presne myslíte? Nasleduje opis úloh, miery výkonu, povolených pomôcok, množstva ľudského vedenia a novelty testov. Tvrdenie musí byť v princípe vyvrátiteľné; definícia, ktorá sa po každom výsledku posunie, nepomáha vede ani rozhodovaniu.

Druhou otázkou je nezávislosť hodnotenia. Boli dáta verejné a mohli sa dostať do tréningu? Zopakoval výsledok iný tím? Sú hlásené neúspešné pokusy aj najlepší výsledok? Ako systém funguje pri útoku, nejednoznačnom pokyne a zmene prostredia? Pri autonómnych činnostiach treba uviesť frekvenciu ľudských zásahov a závažnosť najhoršej chyby, nie iba priemernú úspešnosť.

Treťou otázkou je relevancia. Ani presvedčivý dôkaz širokej schopnosti nehovorí, že systém je vhodný pre konkrétne nasadenie. Nemocnica potrebuje klinickú validáciu, ochranu údajov a jasnú zodpovednosť. Firma potrebuje spoľahlivosť, bezpečnosť, celkové náklady a integráciu. Škola potrebuje pedagogický cieľ a pravidlá samostatnej práce. Nálepka AGI nenahrádza posúdenie použitia.

Napokon treba oddeliť schopnosť od moci. Model môže mať široké znalosti, no bez nástrojov nevykoná externú akciu. Menej schopný model s prístupom k účtom, kódu alebo fyzickému zariadeniu môže spôsobiť väčší bezprostredný problém. Riziko je kombináciou schopnosti, zámeru používateľa, oprávnení, expozície a ochranných vrstiev.

Praktický postoj bez eufórie a paniky

• Súčasné systémy treba využívať podľa overených schopností, nie podľa predstáv o ich budúcej forme.
• Neistota o AGI je dôvodom na priebežné meranie a scenáre, nie na nečinnosť ani osudovosť.
• Ľudia a inštitúcie si majú zachovať kompetenciu určovať ciele, kontrolovať výsledky a niesť zodpovednosť.

Prvým pravidlom je kalibrované očakávanie. Moderné modely sú schopnejšie než tradičné jednoúčelové systémy a ich šírku netreba zľahčovať. Zároveň nesmieme plynulosť, rýchlosť alebo jeden vrcholný výkon zamieňať za univerzálnu spoľahlivosť. Model dostane takú mieru samostatnosti, akú odôvodňujú testy a následky chyby.

Druhým pravidlom je modulárnosť a kontrola. Vysoko rizikový krok môže vyžadovať overený zdroj, formálny výpočet, dvojité potvrdenie alebo človeka. Záznamy umožnia spätne zistiť, čo systém urobil. Oprávnenia sa obmedzia na minimum a možnosť bezpečného zastavenia sa navrhne vopred.

Tretím pravidlom je budovanie ľudskej schopnosti. Ak sa systémy zlepšia postupne, pracovníci potrebujú vedieť rozkladať úlohy, zadávať kontext a kontrolovať výsledky. Ak príde prudší skok, o to dôležitejšie budú inštitúcie schopné rýchlo testovať, stanovovať hranice a prerozdeliť úlohy. Praktickú prípravu rozoberie kapitola 15 - Ako sa pripraviť na AI éru.

Štvrtým je rozlišovanie časových horizontov. Dnešné nákupy a pracovné postupy sa majú opierať o dnešné dôkazy. Výskum, regulácia a infraštruktúra majú zohľadniť aj možné budúce schopnosti, lebo ich príprava trvá roky. Jeden horizont nesmie predstierať istotu o druhom.

Jednoduchá pomôcka na zaradenie systému

• Namiesto jednej nálepky opíšeme domény, novotu úloh, potrebné vedenie a dôsledky zlyhania.
• Schopnosť modelu odlišujeme od schopnosti aplikácie, ktorá pridáva dáta, nástroje a pravidlá.
• Zaradenie pravidelne prehodnocujeme, pretože aktualizácia komponentov môže zmeniť výkon aj riziko.

Pri konkrétnom systéme možno začať štyrmi otázkami. Čo zvláda? Vymenujeme úlohy a modality bez slov ako „všetko“. Ako nové môžu byť? Rozlíšime opakovanie známej šablóny, kombináciu známych prvkov a skutočne nový typ problému. Koľko pomoci potrebuje? Zaznamenáme promptovanie, ukážky, opravy, externé nástroje a ľudské zásahy. Čo sa stane pri chybe? Rovnaké percento úspešnosti má iný význam pri návrhu sloganu a pri dávkovaní lieku.

Potom oddelíme vrstvy. Základný model môže generovať text, vyhľadávacia vrstva mu dodá interný dokument, programový nástroj vykoná výpočet a workflow obmedzí povolené kroky. Výsledná aplikácia dokáže viac než samotný model. Pri porovnaní dvoch riešení preto nestačí názov modelu; treba poznať kontext, nástroje, systémové pokyny a spôsob kontroly.

Napokon overíme stabilitu. Testujeme nové, časovo oddelené príklady, rôzne jazyky a podmienky, v ktorých sa služba naozaj používa. Sledujeme nielen priemer, ale aj vážne zlyhania a skupiny s horším výsledkom. Po aktualizácii modelu či nástroja sa podstatné testy zopakujú. Systém, ktorý sa včera správal ako spoľahlivý úzky pomocník, môže po rozšírení oprávnení predstavovať celkom inú kategóriu prevádzkového rizika.

Táto pomôcka nerieši akademickú definíciu AGI, ale zlepšuje rozhodnutie. Organizácia môže pomenovať, že používa široký model v úzko ohraničenom procese, alebo naopak úzky model s veľkým spoločenským dosahom. Obe informácie sú užitočnejšie než samotná veľkolepá nálepka.

Záver: nejde o jeden magický prah

• Úzka a všeobecná AI sú užitočné orientačné pojmy, nie dokonale oddelené prírodné druhy.
• Súčasné široké modely majú pôsobivé, ale nerovnomerné schopnosti a ich zaradenie závisí od definície.
• Pre prax je rozhodujúce, čo systém spoľahlivo dokáže, za akých podmienok a s akými následkami.

Úzka AI rieši vymedzené úlohy a môže v nich dosiahnuť nadľudský výkon. Všeobecná AI by mala prenášať schopnosti medzi širokou škálou nových problémov, učiť sa efektívne a adaptovať sa. Medzi nimi však nevzniká ostrá čiara: základné a multimodálne modely vytvárajú široko použiteľné systémy s nerovnomernou spoľahlivosťou.

AGI netreba zamieňať s vedomím, autonómiou ani superinteligenciou. Tieto vlastnosti môžu súvisieť, ale jedna z druhej logicky nevyplýva. Rovnako neexistuje jediný benchmark alebo autorita, ktorá by spor definitívne uzavrela. Presné tvrdenie musí uviesť definíciu a dôkazy.

Najlepší kompas je profil schopností: rozsah úloh, úroveň výkonu, množstvo potrebnej skúsenosti, robustnosť pri zmene, schopnosť plánovať, kalibrácia neistoty a miera samostatnosti. Takéto hodnotenie odolá marketingovej eufórii aj zjednodušujúcemu odmietaniu. Či už AGI príde skôr, neskôr alebo bude pojem predefinovaný, rozhodnutia o dnešnej AI musia zostať konkrétne, overiteľné a zodpovedné.

Hĺbkové vysvetlenie a pedagogický seminár

Táto časť rozširuje tému úzka vs. všeobecná ai od základného porozumenia k samostatnej práci. Cieľom nie je zapamätať si čo najviac výrazov. Cieľ je odlíšiť úzku schopnosť, prenos medzi úlohami a hypotetickú všeobecnú inteligenciu bez zamieňania benchmarku za dôkaz univerzálnosti Čitateľ má po prejdení výkladu vedieť pojem opísať vlastnými slovami, rozpoznať ho v novom prípade, oddeliť fakt od predpokladu a navrhnúť primeraný ďalší krok.

Pracujte aktívne. Po každom bloku zatvorte text a skúste myšlienku vysvetliť bez pomoci. Potom ju použite na inom príklade, než je uvedený v kapitole. Ak vysvetlenie funguje iba pri pôvodnej formulácii, ešte nejde o prenositeľné poznanie. Praktickým výsledkom tejto časti bude profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi.

Pri každej úlohe sa oddeľuje odborná presnosť od jazykovej presvedčivosti. Dobrá odpoveď musí ukázať pôvod tvrdenia, podmienky platnosti a neistotu. Základné dôkazové pravidlo je: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Súčasne platí hranica: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa.

Pojmová mapa do hĺbky

1. Úzka AI

systém dosahuje vysoký výkon v ohraničenej triede úloh, no mimo nej môže zlyhať bez zjavného varovania. Tento pojem preto netreba poznať iba ako definíciu. Čitateľ má vedieť vysvetliť, akú úlohu plní, s čím sa dá zameniť a podľa akého pozorovateľného znaku ho rozpozná v reálnom systéme. Pri učení pomáha nakresliť si jednoduchú schému: vstup, spracovanie, výstup, kontrola a následok chyby. Pojem sa tak prestane javiť ako izolované cudzie slovo a dostane miesto v celom procese.

V tejto kapitole posudzujte úzka ai vo vzťahu k cieľu: odlíšiť úzku schopnosť, prenos medzi úlohami a hypotetickú všeobecnú inteligenciu bez zamieňania benchmarku za dôkaz univerzálnosti Nestačí povedať, že prvok je dôležitý. Treba ukázať mechanizmus, konkrétny príklad a hranicu platnosti. Ak dve vysvetlenia vedú k odlišným praktickým rozhodnutiam, porovnajte ich na rovnakom vstupe a zapíšte, ktorý rozdiel výsledok spôsobil.

Pracovná otázka: Ako by ste tento pojem vysvetlili človeku, ktorý nepozná odbornú terminológiu, ale musí podľa vysvetlenia urobiť správne rozhodnutie? Odpoveď má obsahovať bežný príklad, jeden nepríklad a vetu o tom, čo z pojmu nemožno vyvodiť. Overenie sa riadi pravidlom: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom.

2. Rozsah úlohy

presný opis vstupov, výstupov, prostredia a podmienok, v ktorých má byť schopnosť platná. Tento pojem preto netreba poznať iba ako definíciu. Čitateľ má vedieť vysvetliť, akú úlohu plní, s čím sa dá zameniť a podľa akého pozorovateľného znaku ho rozpozná v reálnom systéme. Pri učení pomáha nakresliť si jednoduchú schému: vstup, spracovanie, výstup, kontrola a následok chyby. Pojem sa tak prestane javiť ako izolované cudzie slovo a dostane miesto v celom procese.

V tejto kapitole posudzujte rozsah úlohy vo vzťahu k cieľu: odlíšiť úzku schopnosť, prenos medzi úlohami a hypotetickú všeobecnú inteligenciu bez zamieňania benchmarku za dôkaz univerzálnosti Nestačí povedať, že prvok je dôležitý. Treba ukázať mechanizmus, konkrétny príklad a hranicu platnosti. Ak dve vysvetlenia vedú k odlišným praktickým rozhodnutiam, porovnajte ich na rovnakom vstupe a zapíšte, ktorý rozdiel výsledok spôsobil.

Pracovná otázka: Ako by ste tento pojem vysvetlili človeku, ktorý nepozná odbornú terminológiu, ale musí podľa vysvetlenia urobiť správne rozhodnutie? Odpoveď má obsahovať bežný príklad, jeden nepríklad a vetu o tom, čo z pojmu nemožno vyvodiť. Overenie sa riadi pravidlom: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom.

3. Prenos učenia

poznatok alebo reprezentácia získaná v jednej úlohe zlepšuje učenie či výkon v inej, príbuznej úlohe. Tento pojem preto netreba poznať iba ako definíciu. Čitateľ má vedieť vysvetliť, akú úlohu plní, s čím sa dá zameniť a podľa akého pozorovateľného znaku ho rozpozná v reálnom systéme. Pri učení pomáha nakresliť si jednoduchú schému: vstup, spracovanie, výstup, kontrola a následok chyby. Pojem sa tak prestane javiť ako izolované cudzie slovo a dostane miesto v celom procese.

V tejto kapitole posudzujte prenos učenia vo vzťahu k cieľu: odlíšiť úzku schopnosť, prenos medzi úlohami a hypotetickú všeobecnú inteligenciu bez zamieňania benchmarku za dôkaz univerzálnosti Nestačí povedať, že prvok je dôležitý. Treba ukázať mechanizmus, konkrétny príklad a hranicu platnosti. Ak dve vysvetlenia vedú k odlišným praktickým rozhodnutiam, porovnajte ich na rovnakom vstupe a zapíšte, ktorý rozdiel výsledok spôsobil.

Pracovná otázka: Ako by ste tento pojem vysvetlili človeku, ktorý nepozná odbornú terminológiu, ale musí podľa vysvetlenia urobiť správne rozhodnutie? Odpoveď má obsahovať bežný príklad, jeden nepríklad a vetu o tom, čo z pojmu nemožno vyvodiť. Overenie sa riadi pravidlom: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom.

4. Všeobecnosť

schopnosť adaptovať sa na široké spektrum nových problémov sa musí odlišovať od súboru mnohých vopred trénovaných zručností. Tento pojem preto netreba poznať iba ako definíciu. Čitateľ má vedieť vysvetliť, akú úlohu plní, s čím sa dá zameniť a podľa akého pozorovateľného znaku ho rozpozná v reálnom systéme. Pri učení pomáha nakresliť si jednoduchú schému: vstup, spracovanie, výstup, kontrola a následok chyby. Pojem sa tak prestane javiť ako izolované cudzie slovo a dostane miesto v celom procese.

V tejto kapitole posudzujte všeobecnosť vo vzťahu k cieľu: odlíšiť úzku schopnosť, prenos medzi úlohami a hypotetickú všeobecnú inteligenciu bez zamieňania benchmarku za dôkaz univerzálnosti Nestačí povedať, že prvok je dôležitý. Treba ukázať mechanizmus, konkrétny príklad a hranicu platnosti. Ak dve vysvetlenia vedú k odlišným praktickým rozhodnutiam, porovnajte ich na rovnakom vstupe a zapíšte, ktorý rozdiel výsledok spôsobil.

Pracovná otázka: Ako by ste tento pojem vysvetlili človeku, ktorý nepozná odbornú terminológiu, ale musí podľa vysvetlenia urobiť správne rozhodnutie? Odpoveď má obsahovať bežný príklad, jeden nepríklad a vetu o tom, čo z pojmu nemožno vyvodiť. Overenie sa riadi pravidlom: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom.

5. Embodiment

časť inteligencie môže závisieť od vnímania, konania a spätnej väzby vo fyzickom alebo sociálnom prostredí. Tento pojem preto netreba poznať iba ako definíciu. Čitateľ má vedieť vysvetliť, akú úlohu plní, s čím sa dá zameniť a podľa akého pozorovateľného znaku ho rozpozná v reálnom systéme. Pri učení pomáha nakresliť si jednoduchú schému: vstup, spracovanie, výstup, kontrola a následok chyby. Pojem sa tak prestane javiť ako izolované cudzie slovo a dostane miesto v celom procese.

V tejto kapitole posudzujte embodiment vo vzťahu k cieľu: odlíšiť úzku schopnosť, prenos medzi úlohami a hypotetickú všeobecnú inteligenciu bez zamieňania benchmarku za dôkaz univerzálnosti Nestačí povedať, že prvok je dôležitý. Treba ukázať mechanizmus, konkrétny príklad a hranicu platnosti. Ak dve vysvetlenia vedú k odlišným praktickým rozhodnutiam, porovnajte ich na rovnakom vstupe a zapíšte, ktorý rozdiel výsledok spôsobil.

Pracovná otázka: Ako by ste tento pojem vysvetlili človeku, ktorý nepozná odbornú terminológiu, ale musí podľa vysvetlenia urobiť správne rozhodnutie? Odpoveď má obsahovať bežný príklad, jeden nepríklad a vetu o tom, čo z pojmu nemožno vyvodiť. Overenie sa riadi pravidlom: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom.

6. Agentnosť

systém plánuje a vykonáva viac krokov s nástrojmi, ale rozsah oprávnení nemožno zamieňať s úrovňou inteligencie. Tento pojem preto netreba poznať iba ako definíciu. Čitateľ má vedieť vysvetliť, akú úlohu plní, s čím sa dá zameniť a podľa akého pozorovateľného znaku ho rozpozná v reálnom systéme. Pri učení pomáha nakresliť si jednoduchú schému: vstup, spracovanie, výstup, kontrola a následok chyby. Pojem sa tak prestane javiť ako izolované cudzie slovo a dostane miesto v celom procese.

V tejto kapitole posudzujte agentnosť vo vzťahu k cieľu: odlíšiť úzku schopnosť, prenos medzi úlohami a hypotetickú všeobecnú inteligenciu bez zamieňania benchmarku za dôkaz univerzálnosti Nestačí povedať, že prvok je dôležitý. Treba ukázať mechanizmus, konkrétny príklad a hranicu platnosti. Ak dve vysvetlenia vedú k odlišným praktickým rozhodnutiam, porovnajte ich na rovnakom vstupe a zapíšte, ktorý rozdiel výsledok spôsobil.

Pracovná otázka: Ako by ste tento pojem vysvetlili človeku, ktorý nepozná odbornú terminológiu, ale musí podľa vysvetlenia urobiť správne rozhodnutie? Odpoveď má obsahovať bežný príklad, jeden nepríklad a vetu o tom, čo z pojmu nemožno vyvodiť. Overenie sa riadi pravidlom: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom.

7. Benchmarková kontaminácia

hodnotiace úlohy alebo ich blízke varianty mohli byť prítomné v tréningových dátach, čo oslabuje dôkaz o prenose. Tento pojem preto netreba poznať iba ako definíciu. Čitateľ má vedieť vysvetliť, akú úlohu plní, s čím sa dá zameniť a podľa akého pozorovateľného znaku ho rozpozná v reálnom systéme. Pri učení pomáha nakresliť si jednoduchú schému: vstup, spracovanie, výstup, kontrola a následok chyby. Pojem sa tak prestane javiť ako izolované cudzie slovo a dostane miesto v celom procese.

V tejto kapitole posudzujte benchmarková kontaminácia vo vzťahu k cieľu: odlíšiť úzku schopnosť, prenos medzi úlohami a hypotetickú všeobecnú inteligenciu bez zamieňania benchmarku za dôkaz univerzálnosti Nestačí povedať, že prvok je dôležitý. Treba ukázať mechanizmus, konkrétny príklad a hranicu platnosti. Ak dve vysvetlenia vedú k odlišným praktickým rozhodnutiam, porovnajte ich na rovnakom vstupe a zapíšte, ktorý rozdiel výsledok spôsobil.

Pracovná otázka: Ako by ste tento pojem vysvetlili človeku, ktorý nepozná odbornú terminológiu, ale musí podľa vysvetlenia urobiť správne rozhodnutie? Odpoveď má obsahovať bežný príklad, jeden nepríklad a vetu o tom, čo z pojmu nemožno vyvodiť. Overenie sa riadi pravidlom: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom.

8. Antropocentrické kritérium

ľudská inteligencia je dôležitý referenčný bod, no rôzne druhy schopnosti nemožno zredukovať na jednu škálu. Tento pojem preto netreba poznať iba ako definíciu. Čitateľ má vedieť vysvetliť, akú úlohu plní, s čím sa dá zameniť a podľa akého pozorovateľného znaku ho rozpozná v reálnom systéme. Pri učení pomáha nakresliť si jednoduchú schému: vstup, spracovanie, výstup, kontrola a následok chyby. Pojem sa tak prestane javiť ako izolované cudzie slovo a dostane miesto v celom procese.

V tejto kapitole posudzujte antropocentrické kritérium vo vzťahu k cieľu: odlíšiť úzku schopnosť, prenos medzi úlohami a hypotetickú všeobecnú inteligenciu bez zamieňania benchmarku za dôkaz univerzálnosti Nestačí povedať, že prvok je dôležitý. Treba ukázať mechanizmus, konkrétny príklad a hranicu platnosti. Ak dve vysvetlenia vedú k odlišným praktickým rozhodnutiam, porovnajte ich na rovnakom vstupe a zapíšte, ktorý rozdiel výsledok spôsobil.

Pracovná otázka: Ako by ste tento pojem vysvetlili človeku, ktorý nepozná odbornú terminológiu, ale musí podľa vysvetlenia urobiť správne rozhodnutie? Odpoveď má obsahovať bežný príklad, jeden nepríklad a vetu o tom, čo z pojmu nemožno vyvodiť. Overenie sa riadi pravidlom: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom.

Ako sa pojmy ovplyvňujú

Samostatná znalosť definícií nestačí, pretože systémy AI vznikajú spojením viacerých vrstiev. Nasledujúce dvojice ukazujú, kde býva medzi pojmami príčinná väzba, kde ide o obmedzenie a kde iba o zdanlivú podobnosť. Pri každej väzbe si položte otázku, čo by zostalo rovnaké, keby sa zmenil iba jeden z dvoch prvkov.

Väzba 1: Úzka AI a Rozsah úlohy

Pojmy úzka ai a rozsah úlohy sa v praxi stretávajú, ale neznamenajú to isté. Prvý opisuje túto skutočnosť: systém dosahuje vysoký výkon v ohraničenej triede úloh, no mimo nej môže zlyhať bez zjavného varovania. Druhý dopĺňa odlišnú časť obrazu: presný opis vstupov, výstupov, prostredia a podmienok, v ktorých má byť schopnosť platná. Rozlíšenie je dôležité preto, že zmena jednej časti nemusí automaticky zmeniť druhú. Lepší či väčší vstup napríklad nemusí odstrániť chybný cieľ, rovnako ako kvalitný postup nemusí napraviť neoverený zdroj.

Vytvorte dve krátke tvrdenia. V prvom použite oba pojmy správne a ukážte medzi nimi príčinnú alebo procesnú väzbu. V druhom zámerne urobte bežnú zámenu. Potom vysvetlite, čo by sa pri tejto zámene pokazilo v artefakte profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Takéto porovnanie je náročnejšie než zopakovanie definície, ale spoľahlivejšie odhalí skutočné porozumenie.

Kontrolný bod: Hranica tejto úvahy znie: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak príklad hranicu prekračuje, treba ho označiť ako hypotézu alebo úlohu pre odborníka, nie ako hotový záver.

Väzba 2: Rozsah úlohy a Prenos učenia

Pojmy rozsah úlohy a prenos učenia sa v praxi stretávajú, ale neznamenajú to isté. Prvý opisuje túto skutočnosť: presný opis vstupov, výstupov, prostredia a podmienok, v ktorých má byť schopnosť platná. Druhý dopĺňa odlišnú časť obrazu: poznatok alebo reprezentácia získaná v jednej úlohe zlepšuje učenie či výkon v inej, príbuznej úlohe. Rozlíšenie je dôležité preto, že zmena jednej časti nemusí automaticky zmeniť druhú. Lepší či väčší vstup napríklad nemusí odstrániť chybný cieľ, rovnako ako kvalitný postup nemusí napraviť neoverený zdroj.

Vytvorte dve krátke tvrdenia. V prvom použite oba pojmy správne a ukážte medzi nimi príčinnú alebo procesnú väzbu. V druhom zámerne urobte bežnú zámenu. Potom vysvetlite, čo by sa pri tejto zámene pokazilo v artefakte profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Takéto porovnanie je náročnejšie než zopakovanie definície, ale spoľahlivejšie odhalí skutočné porozumenie.

Kontrolný bod: Hranica tejto úvahy znie: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak príklad hranicu prekračuje, treba ho označiť ako hypotézu alebo úlohu pre odborníka, nie ako hotový záver.

Väzba 3: Prenos učenia a Všeobecnosť

Pojmy prenos učenia a všeobecnosť sa v praxi stretávajú, ale neznamenajú to isté. Prvý opisuje túto skutočnosť: poznatok alebo reprezentácia získaná v jednej úlohe zlepšuje učenie či výkon v inej, príbuznej úlohe. Druhý dopĺňa odlišnú časť obrazu: schopnosť adaptovať sa na široké spektrum nových problémov sa musí odlišovať od súboru mnohých vopred trénovaných zručností. Rozlíšenie je dôležité preto, že zmena jednej časti nemusí automaticky zmeniť druhú. Lepší či väčší vstup napríklad nemusí odstrániť chybný cieľ, rovnako ako kvalitný postup nemusí napraviť neoverený zdroj.

Vytvorte dve krátke tvrdenia. V prvom použite oba pojmy správne a ukážte medzi nimi príčinnú alebo procesnú väzbu. V druhom zámerne urobte bežnú zámenu. Potom vysvetlite, čo by sa pri tejto zámene pokazilo v artefakte profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Takéto porovnanie je náročnejšie než zopakovanie definície, ale spoľahlivejšie odhalí skutočné porozumenie.

Kontrolný bod: Hranica tejto úvahy znie: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak príklad hranicu prekračuje, treba ho označiť ako hypotézu alebo úlohu pre odborníka, nie ako hotový záver.

Väzba 4: Všeobecnosť a Embodiment

Pojmy všeobecnosť a embodiment sa v praxi stretávajú, ale neznamenajú to isté. Prvý opisuje túto skutočnosť: schopnosť adaptovať sa na široké spektrum nových problémov sa musí odlišovať od súboru mnohých vopred trénovaných zručností. Druhý dopĺňa odlišnú časť obrazu: časť inteligencie môže závisieť od vnímania, konania a spätnej väzby vo fyzickom alebo sociálnom prostredí. Rozlíšenie je dôležité preto, že zmena jednej časti nemusí automaticky zmeniť druhú. Lepší či väčší vstup napríklad nemusí odstrániť chybný cieľ, rovnako ako kvalitný postup nemusí napraviť neoverený zdroj.

Vytvorte dve krátke tvrdenia. V prvom použite oba pojmy správne a ukážte medzi nimi príčinnú alebo procesnú väzbu. V druhom zámerne urobte bežnú zámenu. Potom vysvetlite, čo by sa pri tejto zámene pokazilo v artefakte profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Takéto porovnanie je náročnejšie než zopakovanie definície, ale spoľahlivejšie odhalí skutočné porozumenie.

Kontrolný bod: Hranica tejto úvahy znie: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak príklad hranicu prekračuje, treba ho označiť ako hypotézu alebo úlohu pre odborníka, nie ako hotový záver.

Väzba 5: Embodiment a Agentnosť

Pojmy embodiment a agentnosť sa v praxi stretávajú, ale neznamenajú to isté. Prvý opisuje túto skutočnosť: časť inteligencie môže závisieť od vnímania, konania a spätnej väzby vo fyzickom alebo sociálnom prostredí. Druhý dopĺňa odlišnú časť obrazu: systém plánuje a vykonáva viac krokov s nástrojmi, ale rozsah oprávnení nemožno zamieňať s úrovňou inteligencie. Rozlíšenie je dôležité preto, že zmena jednej časti nemusí automaticky zmeniť druhú. Lepší či väčší vstup napríklad nemusí odstrániť chybný cieľ, rovnako ako kvalitný postup nemusí napraviť neoverený zdroj.

Vytvorte dve krátke tvrdenia. V prvom použite oba pojmy správne a ukážte medzi nimi príčinnú alebo procesnú väzbu. V druhom zámerne urobte bežnú zámenu. Potom vysvetlite, čo by sa pri tejto zámene pokazilo v artefakte profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Takéto porovnanie je náročnejšie než zopakovanie definície, ale spoľahlivejšie odhalí skutočné porozumenie.

Kontrolný bod: Hranica tejto úvahy znie: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak príklad hranicu prekračuje, treba ho označiť ako hypotézu alebo úlohu pre odborníka, nie ako hotový záver.

Väzba 6: Agentnosť a Benchmarková kontaminácia

Pojmy agentnosť a benchmarková kontaminácia sa v praxi stretávajú, ale neznamenajú to isté. Prvý opisuje túto skutočnosť: systém plánuje a vykonáva viac krokov s nástrojmi, ale rozsah oprávnení nemožno zamieňať s úrovňou inteligencie. Druhý dopĺňa odlišnú časť obrazu: hodnotiace úlohy alebo ich blízke varianty mohli byť prítomné v tréningových dátach, čo oslabuje dôkaz o prenose. Rozlíšenie je dôležité preto, že zmena jednej časti nemusí automaticky zmeniť druhú. Lepší či väčší vstup napríklad nemusí odstrániť chybný cieľ, rovnako ako kvalitný postup nemusí napraviť neoverený zdroj.

Vytvorte dve krátke tvrdenia. V prvom použite oba pojmy správne a ukážte medzi nimi príčinnú alebo procesnú väzbu. V druhom zámerne urobte bežnú zámenu. Potom vysvetlite, čo by sa pri tejto zámene pokazilo v artefakte profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Takéto porovnanie je náročnejšie než zopakovanie definície, ale spoľahlivejšie odhalí skutočné porozumenie.

Kontrolný bod: Hranica tejto úvahy znie: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak príklad hranicu prekračuje, treba ho označiť ako hypotézu alebo úlohu pre odborníka, nie ako hotový záver.

Väzba 7: Benchmarková kontaminácia a Antropocentrické kritérium

Pojmy benchmarková kontaminácia a antropocentrické kritérium sa v praxi stretávajú, ale neznamenajú to isté. Prvý opisuje túto skutočnosť: hodnotiace úlohy alebo ich blízke varianty mohli byť prítomné v tréningových dátach, čo oslabuje dôkaz o prenose. Druhý dopĺňa odlišnú časť obrazu: ľudská inteligencia je dôležitý referenčný bod, no rôzne druhy schopnosti nemožno zredukovať na jednu škálu. Rozlíšenie je dôležité preto, že zmena jednej časti nemusí automaticky zmeniť druhú. Lepší či väčší vstup napríklad nemusí odstrániť chybný cieľ, rovnako ako kvalitný postup nemusí napraviť neoverený zdroj.

Vytvorte dve krátke tvrdenia. V prvom použite oba pojmy správne a ukážte medzi nimi príčinnú alebo procesnú väzbu. V druhom zámerne urobte bežnú zámenu. Potom vysvetlite, čo by sa pri tejto zámene pokazilo v artefakte profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Takéto porovnanie je náročnejšie než zopakovanie definície, ale spoľahlivejšie odhalí skutočné porozumenie.

Kontrolný bod: Hranica tejto úvahy znie: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak príklad hranicu prekračuje, treba ho označiť ako hypotézu alebo úlohu pre odborníka, nie ako hotový záver.

Väzba 8: Antropocentrické kritérium a Úzka AI

Pojmy antropocentrické kritérium a úzka ai sa v praxi stretávajú, ale neznamenajú to isté. Prvý opisuje túto skutočnosť: ľudská inteligencia je dôležitý referenčný bod, no rôzne druhy schopnosti nemožno zredukovať na jednu škálu. Druhý dopĺňa odlišnú časť obrazu: systém dosahuje vysoký výkon v ohraničenej triede úloh, no mimo nej môže zlyhať bez zjavného varovania. Rozlíšenie je dôležité preto, že zmena jednej časti nemusí automaticky zmeniť druhú. Lepší či väčší vstup napríklad nemusí odstrániť chybný cieľ, rovnako ako kvalitný postup nemusí napraviť neoverený zdroj.

Vytvorte dve krátke tvrdenia. V prvom použite oba pojmy správne a ukážte medzi nimi príčinnú alebo procesnú väzbu. V druhom zámerne urobte bežnú zámenu. Potom vysvetlite, čo by sa pri tejto zámene pokazilo v artefakte profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Takéto porovnanie je náročnejšie než zopakovanie definície, ale spoľahlivejšie odhalí skutočné porozumenie.

Kontrolný bod: Hranica tejto úvahy znie: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak príklad hranicu prekračuje, treba ho označiť ako hypotézu alebo úlohu pre odborníka, nie ako hotový záver.

Rozpracované prípady z praxe

Prípadová štúdia nemá jedinú správnu vetu. Má však správny spôsob práce: pomenovať otázku, preveriť vstupy, použiť vhodné pojmy, ukázať neistotu a vybrať krok primeraný následkom chyby. Nasledujúce prípady sú zámerne zostavené tak, aby nestačilo iba zopakovať poučku.

Prípad 1: Šachový program

Situácia: porazí veľmajstra v presne definovanej hre, ale nevie vysvetliť pravidlá inej stolovej hry bez nového systému. Najskôr oddeľte to, čo o prípade naozaj vieme, od predpokladov a dojmov. Vytvorte tri stĺpce: doložené fakty, pracovné hypotézy a chýbajúce údaje. Toto rozdelenie bráni tomu, aby plynulé vysvetlenie zakrylo nedostatok dôkazov.

Analýza: Prípad preskúmajte cez pojmy úzka ai a všeobecnosť. Pri prvom platí: systém dosahuje vysoký výkon v ohraničenej triede úloh, no mimo nej môže zlyhať bez zjavného varovania. Pri druhom platí: schopnosť adaptovať sa na široké spektrum nových problémov sa musí odlišovať od súboru mnohých vopred trénovaných zručností. Napíšte, ktorý z nich vysvetľuje pozorovaný jav a ktorý iba pomáha určiť ďalšiu otázku. Ak ich nemožno rozlíšiť z dostupných údajov, správnym výsledkom je zoznam potrebných dôkazov, nie sebavedomý odhad.

Rozhodnutie: Navrhnite najmenší bezpečný ďalší krok. Má viesť k cieľu odlíšiť úzku schopnosť, prenos medzi úlohami a hypotetickú všeobecnú inteligenciu bez zamieňania benchmarku za dôkaz univerzálnosti a súčasne rešpektovať hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Výstupom nemá byť iba odsek textu, ale konkrétna položka použiteľná v praxi - rozhodovací záznam, porovnávacia tabuľka, test, kontrolný zoznam alebo opravený návrh.

Spätná kontrola: Iný človek má vedieť z výstupu určiť, z akých údajov vznikol a prečo bol zvolený daný krok. Platí dôkazové pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Ak táto stopa chýba, prípad ešte nie je uzavretý.

Prípad 2: Multimodálny asistent

Situácia: pracuje s textom, obrazom a zvukom, no rovnaké rozhranie zakrýva rozdielnu spoľahlivosť jednotlivých modalít. Najskôr oddeľte to, čo o prípade naozaj vieme, od predpokladov a dojmov. Vytvorte tri stĺpce: doložené fakty, pracovné hypotézy a chýbajúce údaje. Toto rozdelenie bráni tomu, aby plynulé vysvetlenie zakrylo nedostatok dôkazov.

Analýza: Prípad preskúmajte cez pojmy prenos učenia a agentnosť. Pri prvom platí: poznatok alebo reprezentácia získaná v jednej úlohe zlepšuje učenie či výkon v inej, príbuznej úlohe. Pri druhom platí: systém plánuje a vykonáva viac krokov s nástrojmi, ale rozsah oprávnení nemožno zamieňať s úrovňou inteligencie. Napíšte, ktorý z nich vysvetľuje pozorovaný jav a ktorý iba pomáha určiť ďalšiu otázku. Ak ich nemožno rozlíšiť z dostupných údajov, správnym výsledkom je zoznam potrebných dôkazov, nie sebavedomý odhad.

Rozhodnutie: Navrhnite najmenší bezpečný ďalší krok. Má viesť k cieľu odlíšiť úzku schopnosť, prenos medzi úlohami a hypotetickú všeobecnú inteligenciu bez zamieňania benchmarku za dôkaz univerzálnosti a súčasne rešpektovať hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Výstupom nemá byť iba odsek textu, ale konkrétna položka použiteľná v praxi - rozhodovací záznam, porovnávacia tabuľka, test, kontrolný zoznam alebo opravený návrh.

Spätná kontrola: Iný človek má vedieť z výstupu určiť, z akých údajov vznikol a prečo bol zvolený daný krok. Platí dôkazové pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Ak táto stopa chýba, prípad ešte nie je uzavretý.

Prípad 3: Skladový robot

Situácia: plánuje trasu a manipuluje s balíkmi v známom priestore, no zlyhá pri nezvyčajnom predmete alebo zmene označenia. Najskôr oddeľte to, čo o prípade naozaj vieme, od predpokladov a dojmov. Vytvorte tri stĺpce: doložené fakty, pracovné hypotézy a chýbajúce údaje. Toto rozdelenie bráni tomu, aby plynulé vysvetlenie zakrylo nedostatok dôkazov.

Analýza: Prípad preskúmajte cez pojmy embodiment a antropocentrické kritérium. Pri prvom platí: časť inteligencie môže závisieť od vnímania, konania a spätnej väzby vo fyzickom alebo sociálnom prostredí. Pri druhom platí: ľudská inteligencia je dôležitý referenčný bod, no rôzne druhy schopnosti nemožno zredukovať na jednu škálu. Napíšte, ktorý z nich vysvetľuje pozorovaný jav a ktorý iba pomáha určiť ďalšiu otázku. Ak ich nemožno rozlíšiť z dostupných údajov, správnym výsledkom je zoznam potrebných dôkazov, nie sebavedomý odhad.

Rozhodnutie: Navrhnite najmenší bezpečný ďalší krok. Má viesť k cieľu odlíšiť úzku schopnosť, prenos medzi úlohami a hypotetickú všeobecnú inteligenciu bez zamieňania benchmarku za dôkaz univerzálnosti a súčasne rešpektovať hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Výstupom nemá byť iba odsek textu, ale konkrétna položka použiteľná v praxi - rozhodovací záznam, porovnávacia tabuľka, test, kontrolný zoznam alebo opravený návrh.

Spätná kontrola: Iný človek má vedieť z výstupu určiť, z akých údajov vznikol a prečo bol zvolený daný krok. Platí dôkazové pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Ak táto stopa chýba, prípad ešte nie je uzavretý.

Prípad 4: Agent s nástrojmi

Situácia: model vie čítať e-mail, vytvoriť návrh a volať API, ale každý nový prístup zvyšuje následok nesprávneho rozhodnutia. Najskôr oddeľte to, čo o prípade naozaj vieme, od predpokladov a dojmov. Vytvorte tri stĺpce: doložené fakty, pracovné hypotézy a chýbajúce údaje. Toto rozdelenie bráni tomu, aby plynulé vysvetlenie zakrylo nedostatok dôkazov.

Analýza: Prípad preskúmajte cez pojmy benchmarková kontaminácia a rozsah úlohy. Pri prvom platí: hodnotiace úlohy alebo ich blízke varianty mohli byť prítomné v tréningových dátach, čo oslabuje dôkaz o prenose. Pri druhom platí: presný opis vstupov, výstupov, prostredia a podmienok, v ktorých má byť schopnosť platná. Napíšte, ktorý z nich vysvetľuje pozorovaný jav a ktorý iba pomáha určiť ďalšiu otázku. Ak ich nemožno rozlíšiť z dostupných údajov, správnym výsledkom je zoznam potrebných dôkazov, nie sebavedomý odhad.

Rozhodnutie: Navrhnite najmenší bezpečný ďalší krok. Má viesť k cieľu odlíšiť úzku schopnosť, prenos medzi úlohami a hypotetickú všeobecnú inteligenciu bez zamieňania benchmarku za dôkaz univerzálnosti a súčasne rešpektovať hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Výstupom nemá byť iba odsek textu, ale konkrétna položka použiteľná v praxi - rozhodovací záznam, porovnávacia tabuľka, test, kontrolný zoznam alebo opravený návrh.

Spätná kontrola: Iný človek má vedieť z výstupu určiť, z akých údajov vznikol a prečo bol zvolený daný krok. Platí dôkazové pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Ak táto stopa chýba, prípad ešte nie je uzavretý.

Hodnotiaca rubrika

Výstup hodnotite na piatich osiach od nula do štyri. Pri pojmovej presnosti znamená nula zámenu základných pojmov a štvorka správne vysvetlenie vrátane hranice a nepríkladu. Pri dôkazovej opore znamená nula tvrdenia bez pôvodu a štvorka jasné oddelenie zdroja, pozorovania, výpočtu a hypotézy. Pri praktickej použiteľnosti znamená nula všeobecnú radu a štvorka konkrétny artefakt s vlastníkom a ďalším krokom.

Štvrtou osou je riadenie rizika. Najvyššie hodnotenie dostane riešenie, ktoré pomenuje následok chyby, zvolí primeranú kontrolu a vie sa bezpečne zastaviť. Piatou osou je zrozumiteľnosť. Odbornosť sa neposudzuje podľa počtu cudzích slov, ale podľa toho, či text používa presné výrazy, vysvetľuje ich a vedie čitateľa od známeho k novému.

Za zvládnutú sa považuje odpoveď, ktorá má aspoň tri body na každej osi a spolu najmenej sedemnásť bodov z dvadsiatich. Slabšia os sa neopravuje kozmetickou úpravou. Pri nízkej presnosti sa treba vrátiť k definíciám, pri slabých dôkazoch k zdrojom, pri nízkej použiteľnosti k cieľu a pri riziku k hraniciam nasadenia.

Seminárne úlohy s postupom riešenia

Nasledujúce úlohy možno riešiť samostatne alebo v skupine. Každá spája pojem s konkrétnym prípadom a vyžaduje výstup, ktorý sa dá skontrolovať. Pri skupinovej práci nech jedna osoba pripraví riešenie, druhá ho skúsi vyvrátiť a tretia skontroluje zrozumiteľnosť pre človeka mimo odboru.

Seminárna úloha 1: Úzka AI v situácii multimodálny asistent

Úlohu spracujte ako vysvetlenie pre začiatočníka. Východiskom je situácia: pracuje s textom, obrazom a zvukom, no rovnaké rozhranie zakrýva rozdielnu spoľahlivosť jednotlivých modalít. Hlavný pojem má tento význam: systém dosahuje vysoký výkon v ohraničenej triede úloh, no mimo nej môže zlyhať bez zjavného varovania. Nezačínajte hotovým záverom. Najprv jednou vetou pomenujte otázku, ktorú riešite, potom vypíšte dostupné vstupy a označte údaj, ktorý by mohol najviac zmeniť výsledok.

Do riešenia zapojte aj pojem prenos učenia, ktorý pripomína: poznatok alebo reprezentácia získaná v jednej úlohe zlepšuje učenie či výkon v inej, príbuznej úlohe. Vysvetlite, či medzi pojmami vzniká príčinný vzťah, obmedzenie, kontrola alebo iba voľná súvislosť. Ak tvrdíte príčinu, uveďte aj alternatívne vysvetlenie. Ak navrhujete postup, určte vlastníka každého kroku a bod, v ktorom musí zasiahnuť človek.

Výsledok odovzdajte v podobe profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Musí obsahovať stručný záver, dôvody, neistoty, zdroje alebo vstupné údaje a jeden test, ktorým možno záver spochybniť. Nestačí, aby text pôsobil odborne. Hodnotí sa, či sa dá overiť a či podľa neho možno konať bez skrytých domnienok.

Sebahodnotenie: Overte presnosť pojmov, logickú nadväznosť a zrozumiteľnosť pre cieľového čitateľa. Použite pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Nakoniec skontrolujte hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak ju riešenie prekračuje, preformulujte záver na podmienené tvrdenie alebo odporúčanie na ďalšie odborné posúdenie.

Seminárna úloha 2: Rozsah úlohy v situácii skladový robot

Úlohu spracujte ako odborné posúdenie tvrdenia. Východiskom je situácia: plánuje trasu a manipuluje s balíkmi v známom priestore, no zlyhá pri nezvyčajnom predmete alebo zmene označenia. Hlavný pojem má tento význam: presný opis vstupov, výstupov, prostredia a podmienok, v ktorých má byť schopnosť platná. Nezačínajte hotovým záverom. Najprv jednou vetou pomenujte otázku, ktorú riešite, potom vypíšte dostupné vstupy a označte údaj, ktorý by mohol najviac zmeniť výsledok.

Do riešenia zapojte aj pojem agentnosť, ktorý pripomína: systém plánuje a vykonáva viac krokov s nástrojmi, ale rozsah oprávnení nemožno zamieňať s úrovňou inteligencie. Vysvetlite, či medzi pojmami vzniká príčinný vzťah, obmedzenie, kontrola alebo iba voľná súvislosť. Ak tvrdíte príčinu, uveďte aj alternatívne vysvetlenie. Ak navrhujete postup, určte vlastníka každého kroku a bod, v ktorom musí zasiahnuť človek.

Výsledok odovzdajte v podobe profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Musí obsahovať stručný záver, dôvody, neistoty, zdroje alebo vstupné údaje a jeden test, ktorým možno záver spochybniť. Nestačí, aby text pôsobil odborne. Hodnotí sa, či sa dá overiť a či podľa neho možno konať bez skrytých domnienok.

Sebahodnotenie: Overte presnosť pojmov, logickú nadväznosť a zrozumiteľnosť pre cieľového čitateľa. Použite pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Nakoniec skontrolujte hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak ju riešenie prekračuje, preformulujte záver na podmienené tvrdenie alebo odporúčanie na ďalšie odborné posúdenie.

Seminárna úloha 3: Prenos učenia v situácii agent s nástrojmi

Úlohu spracujte ako návrh kontrolovaného pracovného postupu. Východiskom je situácia: model vie čítať e-mail, vytvoriť návrh a volať API, ale každý nový prístup zvyšuje následok nesprávneho rozhodnutia. Hlavný pojem má tento význam: poznatok alebo reprezentácia získaná v jednej úlohe zlepšuje učenie či výkon v inej, príbuznej úlohe. Nezačínajte hotovým záverom. Najprv jednou vetou pomenujte otázku, ktorú riešite, potom vypíšte dostupné vstupy a označte údaj, ktorý by mohol najviac zmeniť výsledok.

Do riešenia zapojte aj pojem úzka ai, ktorý pripomína: systém dosahuje vysoký výkon v ohraničenej triede úloh, no mimo nej môže zlyhať bez zjavného varovania. Vysvetlite, či medzi pojmami vzniká príčinný vzťah, obmedzenie, kontrola alebo iba voľná súvislosť. Ak tvrdíte príčinu, uveďte aj alternatívne vysvetlenie. Ak navrhujete postup, určte vlastníka každého kroku a bod, v ktorom musí zasiahnuť človek.

Výsledok odovzdajte v podobe profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Musí obsahovať stručný záver, dôvody, neistoty, zdroje alebo vstupné údaje a jeden test, ktorým možno záver spochybniť. Nestačí, aby text pôsobil odborne. Hodnotí sa, či sa dá overiť a či podľa neho možno konať bez skrytých domnienok.

Sebahodnotenie: Overte presnosť pojmov, logickú nadväznosť a zrozumiteľnosť pre cieľového čitateľa. Použite pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Nakoniec skontrolujte hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak ju riešenie prekračuje, preformulujte záver na podmienené tvrdenie alebo odporúčanie na ďalšie odborné posúdenie.

Seminárna úloha 4: Všeobecnosť v situácii šachový program

Úlohu spracujte ako diagnostika zlyhania. Východiskom je situácia: porazí veľmajstra v presne definovanej hre, ale nevie vysvetliť pravidlá inej stolovej hry bez nového systému. Hlavný pojem má tento význam: schopnosť adaptovať sa na široké spektrum nových problémov sa musí odlišovať od súboru mnohých vopred trénovaných zručností. Nezačínajte hotovým záverom. Najprv jednou vetou pomenujte otázku, ktorú riešite, potom vypíšte dostupné vstupy a označte údaj, ktorý by mohol najviac zmeniť výsledok.

Do riešenia zapojte aj pojem všeobecnosť, ktorý pripomína: schopnosť adaptovať sa na široké spektrum nových problémov sa musí odlišovať od súboru mnohých vopred trénovaných zručností. Vysvetlite, či medzi pojmami vzniká príčinný vzťah, obmedzenie, kontrola alebo iba voľná súvislosť. Ak tvrdíte príčinu, uveďte aj alternatívne vysvetlenie. Ak navrhujete postup, určte vlastníka každého kroku a bod, v ktorom musí zasiahnuť človek.

Výsledok odovzdajte v podobe profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Musí obsahovať stručný záver, dôvody, neistoty, zdroje alebo vstupné údaje a jeden test, ktorým možno záver spochybniť. Nestačí, aby text pôsobil odborne. Hodnotí sa, či sa dá overiť a či podľa neho možno konať bez skrytých domnienok.

Sebahodnotenie: Overte presnosť pojmov, logickú nadväznosť a zrozumiteľnosť pre cieľového čitateľa. Použite pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Nakoniec skontrolujte hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak ju riešenie prekračuje, preformulujte záver na podmienené tvrdenie alebo odporúčanie na ďalšie odborné posúdenie.

Seminárna úloha 5: Embodiment v situácii multimodálny asistent

Úlohu spracujte ako vysvetlenie pre začiatočníka. Východiskom je situácia: pracuje s textom, obrazom a zvukom, no rovnaké rozhranie zakrýva rozdielnu spoľahlivosť jednotlivých modalít. Hlavný pojem má tento význam: časť inteligencie môže závisieť od vnímania, konania a spätnej väzby vo fyzickom alebo sociálnom prostredí. Nezačínajte hotovým záverom. Najprv jednou vetou pomenujte otázku, ktorú riešite, potom vypíšte dostupné vstupy a označte údaj, ktorý by mohol najviac zmeniť výsledok.

Do riešenia zapojte aj pojem benchmarková kontaminácia, ktorý pripomína: hodnotiace úlohy alebo ich blízke varianty mohli byť prítomné v tréningových dátach, čo oslabuje dôkaz o prenose. Vysvetlite, či medzi pojmami vzniká príčinný vzťah, obmedzenie, kontrola alebo iba voľná súvislosť. Ak tvrdíte príčinu, uveďte aj alternatívne vysvetlenie. Ak navrhujete postup, určte vlastníka každého kroku a bod, v ktorom musí zasiahnuť človek.

Výsledok odovzdajte v podobe profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Musí obsahovať stručný záver, dôvody, neistoty, zdroje alebo vstupné údaje a jeden test, ktorým možno záver spochybniť. Nestačí, aby text pôsobil odborne. Hodnotí sa, či sa dá overiť a či podľa neho možno konať bez skrytých domnienok.

Sebahodnotenie: Overte presnosť pojmov, logickú nadväznosť a zrozumiteľnosť pre cieľového čitateľa. Použite pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Nakoniec skontrolujte hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak ju riešenie prekračuje, preformulujte záver na podmienené tvrdenie alebo odporúčanie na ďalšie odborné posúdenie.

Seminárna úloha 6: Agentnosť v situácii skladový robot

Úlohu spracujte ako odborné posúdenie tvrdenia. Východiskom je situácia: plánuje trasu a manipuluje s balíkmi v známom priestore, no zlyhá pri nezvyčajnom predmete alebo zmene označenia. Hlavný pojem má tento význam: systém plánuje a vykonáva viac krokov s nástrojmi, ale rozsah oprávnení nemožno zamieňať s úrovňou inteligencie. Nezačínajte hotovým záverom. Najprv jednou vetou pomenujte otázku, ktorú riešite, potom vypíšte dostupné vstupy a označte údaj, ktorý by mohol najviac zmeniť výsledok.

Do riešenia zapojte aj pojem rozsah úlohy, ktorý pripomína: presný opis vstupov, výstupov, prostredia a podmienok, v ktorých má byť schopnosť platná. Vysvetlite, či medzi pojmami vzniká príčinný vzťah, obmedzenie, kontrola alebo iba voľná súvislosť. Ak tvrdíte príčinu, uveďte aj alternatívne vysvetlenie. Ak navrhujete postup, určte vlastníka každého kroku a bod, v ktorom musí zasiahnuť človek.

Výsledok odovzdajte v podobe profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Musí obsahovať stručný záver, dôvody, neistoty, zdroje alebo vstupné údaje a jeden test, ktorým možno záver spochybniť. Nestačí, aby text pôsobil odborne. Hodnotí sa, či sa dá overiť a či podľa neho možno konať bez skrytých domnienok.

Sebahodnotenie: Overte presnosť pojmov, logickú nadväznosť a zrozumiteľnosť pre cieľového čitateľa. Použite pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Nakoniec skontrolujte hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak ju riešenie prekračuje, preformulujte záver na podmienené tvrdenie alebo odporúčanie na ďalšie odborné posúdenie.

Seminárna úloha 7: Benchmarková kontaminácia v situácii agent s nástrojmi

Úlohu spracujte ako návrh kontrolovaného pracovného postupu. Východiskom je situácia: model vie čítať e-mail, vytvoriť návrh a volať API, ale každý nový prístup zvyšuje následok nesprávneho rozhodnutia. Hlavný pojem má tento význam: hodnotiace úlohy alebo ich blízke varianty mohli byť prítomné v tréningových dátach, čo oslabuje dôkaz o prenose. Nezačínajte hotovým záverom. Najprv jednou vetou pomenujte otázku, ktorú riešite, potom vypíšte dostupné vstupy a označte údaj, ktorý by mohol najviac zmeniť výsledok.

Do riešenia zapojte aj pojem embodiment, ktorý pripomína: časť inteligencie môže závisieť od vnímania, konania a spätnej väzby vo fyzickom alebo sociálnom prostredí. Vysvetlite, či medzi pojmami vzniká príčinný vzťah, obmedzenie, kontrola alebo iba voľná súvislosť. Ak tvrdíte príčinu, uveďte aj alternatívne vysvetlenie. Ak navrhujete postup, určte vlastníka každého kroku a bod, v ktorom musí zasiahnuť človek.

Výsledok odovzdajte v podobe profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Musí obsahovať stručný záver, dôvody, neistoty, zdroje alebo vstupné údaje a jeden test, ktorým možno záver spochybniť. Nestačí, aby text pôsobil odborne. Hodnotí sa, či sa dá overiť a či podľa neho možno konať bez skrytých domnienok.

Sebahodnotenie: Overte presnosť pojmov, logickú nadväznosť a zrozumiteľnosť pre cieľového čitateľa. Použite pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Nakoniec skontrolujte hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak ju riešenie prekračuje, preformulujte záver na podmienené tvrdenie alebo odporúčanie na ďalšie odborné posúdenie.

Seminárna úloha 8: Antropocentrické kritérium v situácii šachový program

Úlohu spracujte ako diagnostika zlyhania. Východiskom je situácia: porazí veľmajstra v presne definovanej hre, ale nevie vysvetliť pravidlá inej stolovej hry bez nového systému. Hlavný pojem má tento význam: ľudská inteligencia je dôležitý referenčný bod, no rôzne druhy schopnosti nemožno zredukovať na jednu škálu. Nezačínajte hotovým záverom. Najprv jednou vetou pomenujte otázku, ktorú riešite, potom vypíšte dostupné vstupy a označte údaj, ktorý by mohol najviac zmeniť výsledok.

Do riešenia zapojte aj pojem antropocentrické kritérium, ktorý pripomína: ľudská inteligencia je dôležitý referenčný bod, no rôzne druhy schopnosti nemožno zredukovať na jednu škálu. Vysvetlite, či medzi pojmami vzniká príčinný vzťah, obmedzenie, kontrola alebo iba voľná súvislosť. Ak tvrdíte príčinu, uveďte aj alternatívne vysvetlenie. Ak navrhujete postup, určte vlastníka každého kroku a bod, v ktorom musí zasiahnuť človek.

Výsledok odovzdajte v podobe profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Musí obsahovať stručný záver, dôvody, neistoty, zdroje alebo vstupné údaje a jeden test, ktorým možno záver spochybniť. Nestačí, aby text pôsobil odborne. Hodnotí sa, či sa dá overiť a či podľa neho možno konať bez skrytých domnienok.

Sebahodnotenie: Overte presnosť pojmov, logickú nadväznosť a zrozumiteľnosť pre cieľového čitateľa. Použite pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Nakoniec skontrolujte hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak ju riešenie prekračuje, preformulujte záver na podmienené tvrdenie alebo odporúčanie na ďalšie odborné posúdenie.

Seminárna úloha 9: Úzka AI v situácii multimodálny asistent

Úlohu spracujte ako vysvetlenie pre začiatočníka. Východiskom je situácia: pracuje s textom, obrazom a zvukom, no rovnaké rozhranie zakrýva rozdielnu spoľahlivosť jednotlivých modalít. Hlavný pojem má tento význam: systém dosahuje vysoký výkon v ohraničenej triede úloh, no mimo nej môže zlyhať bez zjavného varovania. Nezačínajte hotovým záverom. Najprv jednou vetou pomenujte otázku, ktorú riešite, potom vypíšte dostupné vstupy a označte údaj, ktorý by mohol najviac zmeniť výsledok.

Do riešenia zapojte aj pojem prenos učenia, ktorý pripomína: poznatok alebo reprezentácia získaná v jednej úlohe zlepšuje učenie či výkon v inej, príbuznej úlohe. Vysvetlite, či medzi pojmami vzniká príčinný vzťah, obmedzenie, kontrola alebo iba voľná súvislosť. Ak tvrdíte príčinu, uveďte aj alternatívne vysvetlenie. Ak navrhujete postup, určte vlastníka každého kroku a bod, v ktorom musí zasiahnuť človek.

Výsledok odovzdajte v podobe profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Musí obsahovať stručný záver, dôvody, neistoty, zdroje alebo vstupné údaje a jeden test, ktorým možno záver spochybniť. Nestačí, aby text pôsobil odborne. Hodnotí sa, či sa dá overiť a či podľa neho možno konať bez skrytých domnienok.

Sebahodnotenie: Overte presnosť pojmov, logickú nadväznosť a zrozumiteľnosť pre cieľového čitateľa. Použite pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Nakoniec skontrolujte hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak ju riešenie prekračuje, preformulujte záver na podmienené tvrdenie alebo odporúčanie na ďalšie odborné posúdenie.

Seminárna úloha 10: Rozsah úlohy v situácii skladový robot

Úlohu spracujte ako odborné posúdenie tvrdenia. Východiskom je situácia: plánuje trasu a manipuluje s balíkmi v známom priestore, no zlyhá pri nezvyčajnom predmete alebo zmene označenia. Hlavný pojem má tento význam: presný opis vstupov, výstupov, prostredia a podmienok, v ktorých má byť schopnosť platná. Nezačínajte hotovým záverom. Najprv jednou vetou pomenujte otázku, ktorú riešite, potom vypíšte dostupné vstupy a označte údaj, ktorý by mohol najviac zmeniť výsledok.

Do riešenia zapojte aj pojem agentnosť, ktorý pripomína: systém plánuje a vykonáva viac krokov s nástrojmi, ale rozsah oprávnení nemožno zamieňať s úrovňou inteligencie. Vysvetlite, či medzi pojmami vzniká príčinný vzťah, obmedzenie, kontrola alebo iba voľná súvislosť. Ak tvrdíte príčinu, uveďte aj alternatívne vysvetlenie. Ak navrhujete postup, určte vlastníka každého kroku a bod, v ktorom musí zasiahnuť človek.

Výsledok odovzdajte v podobe profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Musí obsahovať stručný záver, dôvody, neistoty, zdroje alebo vstupné údaje a jeden test, ktorým možno záver spochybniť. Nestačí, aby text pôsobil odborne. Hodnotí sa, či sa dá overiť a či podľa neho možno konať bez skrytých domnienok.

Sebahodnotenie: Overte presnosť pojmov, logickú nadväznosť a zrozumiteľnosť pre cieľového čitateľa. Použite pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Nakoniec skontrolujte hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak ju riešenie prekračuje, preformulujte záver na podmienené tvrdenie alebo odporúčanie na ďalšie odborné posúdenie.

Seminárna úloha 11: Prenos učenia v situácii agent s nástrojmi

Úlohu spracujte ako návrh kontrolovaného pracovného postupu. Východiskom je situácia: model vie čítať e-mail, vytvoriť návrh a volať API, ale každý nový prístup zvyšuje následok nesprávneho rozhodnutia. Hlavný pojem má tento význam: poznatok alebo reprezentácia získaná v jednej úlohe zlepšuje učenie či výkon v inej, príbuznej úlohe. Nezačínajte hotovým záverom. Najprv jednou vetou pomenujte otázku, ktorú riešite, potom vypíšte dostupné vstupy a označte údaj, ktorý by mohol najviac zmeniť výsledok.

Do riešenia zapojte aj pojem úzka ai, ktorý pripomína: systém dosahuje vysoký výkon v ohraničenej triede úloh, no mimo nej môže zlyhať bez zjavného varovania. Vysvetlite, či medzi pojmami vzniká príčinný vzťah, obmedzenie, kontrola alebo iba voľná súvislosť. Ak tvrdíte príčinu, uveďte aj alternatívne vysvetlenie. Ak navrhujete postup, určte vlastníka každého kroku a bod, v ktorom musí zasiahnuť človek.

Výsledok odovzdajte v podobe profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Musí obsahovať stručný záver, dôvody, neistoty, zdroje alebo vstupné údaje a jeden test, ktorým možno záver spochybniť. Nestačí, aby text pôsobil odborne. Hodnotí sa, či sa dá overiť a či podľa neho možno konať bez skrytých domnienok.

Sebahodnotenie: Overte presnosť pojmov, logickú nadväznosť a zrozumiteľnosť pre cieľového čitateľa. Použite pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Nakoniec skontrolujte hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak ju riešenie prekračuje, preformulujte záver na podmienené tvrdenie alebo odporúčanie na ďalšie odborné posúdenie.

Seminárna úloha 12: Všeobecnosť v situácii šachový program

Úlohu spracujte ako diagnostika zlyhania. Východiskom je situácia: porazí veľmajstra v presne definovanej hre, ale nevie vysvetliť pravidlá inej stolovej hry bez nového systému. Hlavný pojem má tento význam: schopnosť adaptovať sa na široké spektrum nových problémov sa musí odlišovať od súboru mnohých vopred trénovaných zručností. Nezačínajte hotovým záverom. Najprv jednou vetou pomenujte otázku, ktorú riešite, potom vypíšte dostupné vstupy a označte údaj, ktorý by mohol najviac zmeniť výsledok.

Do riešenia zapojte aj pojem všeobecnosť, ktorý pripomína: schopnosť adaptovať sa na široké spektrum nových problémov sa musí odlišovať od súboru mnohých vopred trénovaných zručností. Vysvetlite, či medzi pojmami vzniká príčinný vzťah, obmedzenie, kontrola alebo iba voľná súvislosť. Ak tvrdíte príčinu, uveďte aj alternatívne vysvetlenie. Ak navrhujete postup, určte vlastníka každého kroku a bod, v ktorom musí zasiahnuť človek.

Výsledok odovzdajte v podobe profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Musí obsahovať stručný záver, dôvody, neistoty, zdroje alebo vstupné údaje a jeden test, ktorým možno záver spochybniť. Nestačí, aby text pôsobil odborne. Hodnotí sa, či sa dá overiť a či podľa neho možno konať bez skrytých domnienok.

Sebahodnotenie: Overte presnosť pojmov, logickú nadväznosť a zrozumiteľnosť pre cieľového čitateľa. Použite pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Nakoniec skontrolujte hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak ju riešenie prekračuje, preformulujte záver na podmienené tvrdenie alebo odporúčanie na ďalšie odborné posúdenie.

Seminárna úloha 13: Embodiment v situácii multimodálny asistent

Úlohu spracujte ako vysvetlenie pre začiatočníka. Východiskom je situácia: pracuje s textom, obrazom a zvukom, no rovnaké rozhranie zakrýva rozdielnu spoľahlivosť jednotlivých modalít. Hlavný pojem má tento význam: časť inteligencie môže závisieť od vnímania, konania a spätnej väzby vo fyzickom alebo sociálnom prostredí. Nezačínajte hotovým záverom. Najprv jednou vetou pomenujte otázku, ktorú riešite, potom vypíšte dostupné vstupy a označte údaj, ktorý by mohol najviac zmeniť výsledok.

Do riešenia zapojte aj pojem benchmarková kontaminácia, ktorý pripomína: hodnotiace úlohy alebo ich blízke varianty mohli byť prítomné v tréningových dátach, čo oslabuje dôkaz o prenose. Vysvetlite, či medzi pojmami vzniká príčinný vzťah, obmedzenie, kontrola alebo iba voľná súvislosť. Ak tvrdíte príčinu, uveďte aj alternatívne vysvetlenie. Ak navrhujete postup, určte vlastníka každého kroku a bod, v ktorom musí zasiahnuť človek.

Výsledok odovzdajte v podobe profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Musí obsahovať stručný záver, dôvody, neistoty, zdroje alebo vstupné údaje a jeden test, ktorým možno záver spochybniť. Nestačí, aby text pôsobil odborne. Hodnotí sa, či sa dá overiť a či podľa neho možno konať bez skrytých domnienok.

Sebahodnotenie: Overte presnosť pojmov, logickú nadväznosť a zrozumiteľnosť pre cieľového čitateľa. Použite pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Nakoniec skontrolujte hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak ju riešenie prekračuje, preformulujte záver na podmienené tvrdenie alebo odporúčanie na ďalšie odborné posúdenie.

Seminárna úloha 14: Agentnosť v situácii skladový robot

Úlohu spracujte ako odborné posúdenie tvrdenia. Východiskom je situácia: plánuje trasu a manipuluje s balíkmi v známom priestore, no zlyhá pri nezvyčajnom predmete alebo zmene označenia. Hlavný pojem má tento význam: systém plánuje a vykonáva viac krokov s nástrojmi, ale rozsah oprávnení nemožno zamieňať s úrovňou inteligencie. Nezačínajte hotovým záverom. Najprv jednou vetou pomenujte otázku, ktorú riešite, potom vypíšte dostupné vstupy a označte údaj, ktorý by mohol najviac zmeniť výsledok.

Do riešenia zapojte aj pojem rozsah úlohy, ktorý pripomína: presný opis vstupov, výstupov, prostredia a podmienok, v ktorých má byť schopnosť platná. Vysvetlite, či medzi pojmami vzniká príčinný vzťah, obmedzenie, kontrola alebo iba voľná súvislosť. Ak tvrdíte príčinu, uveďte aj alternatívne vysvetlenie. Ak navrhujete postup, určte vlastníka každého kroku a bod, v ktorom musí zasiahnuť človek.

Výsledok odovzdajte v podobe profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Musí obsahovať stručný záver, dôvody, neistoty, zdroje alebo vstupné údaje a jeden test, ktorým možno záver spochybniť. Nestačí, aby text pôsobil odborne. Hodnotí sa, či sa dá overiť a či podľa neho možno konať bez skrytých domnienok.

Sebahodnotenie: Overte presnosť pojmov, logickú nadväznosť a zrozumiteľnosť pre cieľového čitateľa. Použite pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Nakoniec skontrolujte hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak ju riešenie prekračuje, preformulujte záver na podmienené tvrdenie alebo odporúčanie na ďalšie odborné posúdenie.

Seminárna úloha 15: Benchmarková kontaminácia v situácii agent s nástrojmi

Úlohu spracujte ako návrh kontrolovaného pracovného postupu. Východiskom je situácia: model vie čítať e-mail, vytvoriť návrh a volať API, ale každý nový prístup zvyšuje následok nesprávneho rozhodnutia. Hlavný pojem má tento význam: hodnotiace úlohy alebo ich blízke varianty mohli byť prítomné v tréningových dátach, čo oslabuje dôkaz o prenose. Nezačínajte hotovým záverom. Najprv jednou vetou pomenujte otázku, ktorú riešite, potom vypíšte dostupné vstupy a označte údaj, ktorý by mohol najviac zmeniť výsledok.

Do riešenia zapojte aj pojem embodiment, ktorý pripomína: časť inteligencie môže závisieť od vnímania, konania a spätnej väzby vo fyzickom alebo sociálnom prostredí. Vysvetlite, či medzi pojmami vzniká príčinný vzťah, obmedzenie, kontrola alebo iba voľná súvislosť. Ak tvrdíte príčinu, uveďte aj alternatívne vysvetlenie. Ak navrhujete postup, určte vlastníka každého kroku a bod, v ktorom musí zasiahnuť človek.

Výsledok odovzdajte v podobe profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Musí obsahovať stručný záver, dôvody, neistoty, zdroje alebo vstupné údaje a jeden test, ktorým možno záver spochybniť. Nestačí, aby text pôsobil odborne. Hodnotí sa, či sa dá overiť a či podľa neho možno konať bez skrytých domnienok.

Sebahodnotenie: Overte presnosť pojmov, logickú nadväznosť a zrozumiteľnosť pre cieľového čitateľa. Použite pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Nakoniec skontrolujte hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak ju riešenie prekračuje, preformulujte záver na podmienené tvrdenie alebo odporúčanie na ďalšie odborné posúdenie.

Seminárna úloha 16: Antropocentrické kritérium v situácii šachový program

Úlohu spracujte ako diagnostika zlyhania. Východiskom je situácia: porazí veľmajstra v presne definovanej hre, ale nevie vysvetliť pravidlá inej stolovej hry bez nového systému. Hlavný pojem má tento význam: ľudská inteligencia je dôležitý referenčný bod, no rôzne druhy schopnosti nemožno zredukovať na jednu škálu. Nezačínajte hotovým záverom. Najprv jednou vetou pomenujte otázku, ktorú riešite, potom vypíšte dostupné vstupy a označte údaj, ktorý by mohol najviac zmeniť výsledok.

Do riešenia zapojte aj pojem antropocentrické kritérium, ktorý pripomína: ľudská inteligencia je dôležitý referenčný bod, no rôzne druhy schopnosti nemožno zredukovať na jednu škálu. Vysvetlite, či medzi pojmami vzniká príčinný vzťah, obmedzenie, kontrola alebo iba voľná súvislosť. Ak tvrdíte príčinu, uveďte aj alternatívne vysvetlenie. Ak navrhujete postup, určte vlastníka každého kroku a bod, v ktorom musí zasiahnuť človek.

Výsledok odovzdajte v podobe profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Musí obsahovať stručný záver, dôvody, neistoty, zdroje alebo vstupné údaje a jeden test, ktorým možno záver spochybniť. Nestačí, aby text pôsobil odborne. Hodnotí sa, či sa dá overiť a či podľa neho možno konať bez skrytých domnienok.

Sebahodnotenie: Overte presnosť pojmov, logickú nadväznosť a zrozumiteľnosť pre cieľového čitateľa. Použite pravidlo: schopnosť sa pripisuje iba v rozsahu úloh a podmienok, v ktorých bola opakovane preukázaná relevantným testom. Nakoniec skontrolujte hranicu: pojem AGI nemá jednu všeobecne prijatú operačnú definíciu, preto treba vždy uviesť, aké kritérium sa používa. Ak ju riešenie prekračuje, preformulujte záver na podmienené tvrdenie alebo odporúčanie na ďalšie odborné posúdenie.

Záverečné overenie porozumenia

Bez návratu k textu vysvetlite tri najdôležitejšie pojmy, ku každému uveďte príklad aj nepríklad a nakreslite medzi nimi väzby. Potom vyberte jeden prípad z vlastnej práce alebo života a spracujte ho podľa rovnakej štruktúry ako prípadové štúdie. Ak neviete určiť vstup, dôkaz a hranicu rozhodnutia, vráťte sa k príslušnému bloku.

Záverečný artefakt má mať podobu profil rozsahu schopností s úlohami, podmienkami, prenosom, neznámymi oblasťami a zakázanými závermi. Mal by byť použiteľný aj o mesiac, keď už nebudete mať v pamäti formulácie tejto kapitoly. Doplňte preto dátum, zdroje, predpoklady, rozhodnutie, zodpovednú osobu a podmienku revízie. Tak sa učivo mení na pracovnú kompetenciu, nie iba na dočasný pocit porozumenia.

Zdroje a ďalšie čítanie

• Zoznam uprednostňuje primárne vedecké práce, oficiálne definície a syntetické hodnotiace správy.
• Odhady budúcnosti sú uvádzané ako neisté názory alebo scenáre, nie ako potvrdené termíny.
• Zdroje a stav tvrdení sú aktuálne k augustu 2026.

1. François Chollet: On the Measure of Intelligence, 2019.
2. Meredith Ringel Morris a kol.: Levels of AGI: Operationalizing Progress on the Path to AGI, Google DeepMind, 2023.
3. Stanford Institute for Human-Centered AI: AI Index Report 2026 - Technical Performance, 2026.
4. Rishi Bommasani a kol.: On the Opportunities and Risks of Foundation Models, Stanford CRFM, 2021.
5. Európska únia: Akt o umelej inteligencii - článok 3, vymedzenie pojmov, konsolidované informačné rozhranie.
6. OECD: Explanatory memorandum on the updated OECD definition of an AI system, 2024.
7. Katja Grace a kol.: Thousands of AI Authors on the Future of AI, 2024.
8. International AI Safety Report: International AI Safety Report 2026, 2026.
9. Patrick Butlin a kol.: Identifying indicators of consciousness in AI systems, Trends in Cognitive Sciences, 2026.
10. Alan M. Turing: Computing Machinery and Intelligence, Mind, 1950.