# Umelá inteligencia: ako sme sa za 70 rokov dostali k Claude

URL: https://www.denisrak.sk/blog/vyvoj-umelej-inteligencie/  
Autor: Denis Rak  
Publikované: 2026-10-17  
Aktualizované: 2026-10-17  
Kategórie: Umelá inteligencia, AI Asistenti  
Značky: umelá inteligencia, produktivita  
Čas čítania: 6 min

> Od Turinga cez dve zimy AI až po ChatGPT a Claude. Krátky vývoj umelej inteligencie a jednoduché vysvetlenie, čo jazykový model naozaj robí.

V polovici 60. rokov napísal Joseph Weizenbaum z MIT program [ELIZA](https://dl.acm.org/doi/10.1145/365153.365168). Napodoboval psychoterapeuta, mal [asi 420 riadkov kódu](https://findingeliza.org/code.html) a v skutočnosti nerobil nič iné, než že **hľadal v texte kľúčové slová a vracal ich späť ako otázku**. Keď ste mu napísali, že ste smutní, spýtal sa, prečo ste smutní. Weizenbaumova sekretárka, ktorá mesiace sledovala, ako na programe pracuje, si s ním napriek tomu po pár vetách chcela písať osamote a [poprosila ho, aby odišiel z miestnosti](https://cse.buffalo.edu/~rapaport/572/S02/weizenbaum.eliza.1967.pdf).

Tá príhoda je stará 60 rokov a vystihuje, prečo je okolo AI toľko nedorozumení. **Ľudia vidia rozum všade, kde stroj odpovedá plynulými vetami**, aj tam, kde žiadny nie je. Kto chce s Claude pracovať dobre, má preto vedieť, čo za tými vetami naozaj je. V tomto článku stručne prejdem, ako sa AI za 70 rokov vyvíjala, prečo dvakrát sklamala a čo sa zmenilo, že dnes funguje. A hlavne vysvetlím, **čo jazykový model v skutočnosti robí**. Je to úvod k sérii Claude od základov a na všetko ďalšie v nej nadväzuje.

## Odkiaľ sa vzal pojem umelá inteligencia?

V roku 1950 položil britský matematik Alan Turing v [článku pre časopis Mind](https://academic.oup.com/mind/article/LIX/236/433/986238) otázku, či stroje môžu myslieť. Namiesto definície myslenia navrhol test: **ak človek v písanom rozhovore nerozozná stroj od človeka, stroj obstál**. Dnes ho poznáme ako Turingov test.

Samotný pojem *artificial intelligence* vymyslel John McCarthy. Použil ho spolu s troma kolegami v [návrhu letného workshopu](http://jmc.stanford.edu/articles/dartmouth/dartmouth.pdf) na Dartmouth College v roku 1956, kde sa stretli prví výskumníci odboru. Optimizmus bol obrovský: **verili, že podstatnú časť problému vyriešia za jedno leto**. Nevyriešili.

## Prečo AI desaťročia sklamala?

Prvé systémy stáli na pravidlách, ktoré im ľudia ručne napísali. Ak platí toto, urob tamto. V úzkych úlohách to fungovalo prekvapivo dobre, v skutočnom svete nie. **Svet má viac výnimiek, než sa dá napísať pravidiel**, a jazyk obzvlášť.

Sľuby tak opakovane predbehli realitu a prišla takzvaná zima AI: prvá približne v 70. rokoch, druhá koncom 80. rokov. O tom, aká hlboká bola tá prvá, sa historici dodnes sporia, na druhej sa zhodnú. **Vlády aj firmy prestali výskum financovať** a slovo umelá inteligencia malo v laboratóriách zlý zvuk.

Aj slávne víťazstvá tých čias boli skôr hrubá sila než rozum. Počítač Deep Blue od IBM porazil v roku 1997 šachového majstra sveta Garryho Kasparova. **Nemyslel ako človek, prepočítal milióny pozícií za sekundu.** Mimo šachovnice nevedel nič.

## Čo zmenilo strojové učenie?

Zlom neprišiel z lepších pravidiel, ale z toho, že sa ich výskumníci vzdali. Namiesto toho, aby stroju povedali, ako vyzerá mačka, mu ukázali milión obrázkov mačiek a nechali ho, nech si vzor nájde sám. Tomu sa hovorí strojové učenie a **jeho výkonnej podobe s mnohými vrstvami umelých neurónov hlboké učenie**.

Myšlienka bola stará, **chýbali dve veci: dáta a výpočtový výkon**. Internet dodal dáta, grafické karty z herného priemyslu výkon. V roku 2012 neurónová sieť AlexNet rozpoznávala obrázky v súťaži ImageNet o triedu lepšie než všetko predtým: [mýlila sa v 15,3 % prípadov](https://papers.nips.cc/paper_files/paper/2012/hash/c399862d3b9d6b76c8436e924a68c45b-Abstract.html), druhé miesto v 26,2 %. V roku 2016 porazil program AlphaGo od Google DeepMind jedného z najlepších hráčov go Lee Sedola. **Go má viac možných pozícií než šach a hrubou silou sa vyhrať nedá.**

## Čo priniesol rok 2017?

S jazykom mali neurónové siete dlho problém. Čítali text slovo po slove a kým sa dostali na koniec dlhej vety, začiatok im unikal. V roku 2017 vydali výskumníci z Google článok [*Attention Is All You Need*](https://arxiv.org/abs/1706.03762) s novou architektúrou, ktorú nazvali **Transformer**. Tá sa pozerá na celý text naraz a pri každom slove si všíma, ktoré iné slová sú preň dôležité.

Na tom stoja všetky dnešné jazykové modely. Písmeno T v skratke GPT znamená práve Transformer. **Ukázalo sa, že čím väčší model a čím viac textu, tým lepšie výsledky**, a firmy začali modely zväčšovať. OpenAI vydalo GPT-2 v roku 2019 a [GPT-3](https://arxiv.org/abs/2005.14165) v máji 2020, so 175 miliardami parametrov.

## Prečo bol ChatGPT taký zlom?

GPT-3 existoval dva roky predtým, než o ňom počula verejnosť. Pracovali s ním hlavne vývojári cez API. Zmena prišla 30. novembra 2022, keď OpenAI spustilo ChatGPT: **ten istý typ modelu, ale dotrénovaný na rozhovor a schovaný za obyčajné okno na písanie**. Za 5 dní mal milión používateľov a dnes ho podľa OpenAI [používa vyše miliardy ľudí týždenne](https://www.theverge.com/ai-artificial-intelligence/1002265/chatgpt-now-has-1-2-billion-weekly-users-openai-says).

Neprišiel teda technologický zázrak zo dňa na deň. **Prišlo rozhranie, s ktorým vedel pracovať každý.** V marci 2023 nasledoval [Claude](https://www.anthropic.com/news/introducing-claude) od firmy Anthropic, ktorú v roku 2021 založili súrodenci Dario a Daniela Amodei s ďalšími bývalými ľuďmi z OpenAI. Kladie **dôraz na bezpečnosť** a na to, aby model pomáhal a zároveň neškodil.

> **Pointa:** ChatGPT nebol technologický zázrak zo dňa na deň. Zlomom bolo rozhranie, s ktorým vedel pracovať každý.

## Čo vlastne robí jazykový model?

Teraz to najdôležitejšie. Jazykový model ako Claude robí v jadre jedinú vec: **predpovedá, aký kúsok textu má nasledovať**. Keď dostane vetu „Hlavné mesto Slovenska je“, vie, že najpravdepodobnejšie pokračovanie je „Bratislava“. Odpoveď skladá kúsok po kúsku, každý nový kúsok pridá k textu a predpovedá ďalší. Tým kúskom sa hovorí token a je o nich [samostatný diel série](/blog/co-je-token-claude/). Aj [slovník Anthropic](https://platform.claude.com/docs/en/about-claude/glossary) píše, že model je predtrénovaný na to, aby predpovedal ďalšie slovo podľa predchádzajúceho textu.

Znie to jednoducho, ale aby model predpovedal dobre, musel sa naučiť obrovské množstvo vecí. Vzniká v dvoch krokoch:

- **Predtrénovanie:** model číta obrovské množstvo textu z kníh, webu a kódu a učí sa predpovedať ďalší token. Pri tom pochytí gramatiku, fakty aj spôsob uvažovania.
- **Dolaďovanie:** potom ho ľudia a ďalšie metódy učia byť užitočným asistentom. Odpovedať na otázku, držať sa zadania, priznať, keď niečo nevie, a nepomáhať so škodlivými vecami.

Z toho vyplývajú dve veci, ktoré by mal poznať každý, kto s Claude pracuje. Prvá: **model skladá vierohodné pokračovanie, nie overenú pravdu**. Keď mu chýba informácia, vytvorí niečo, čo znie presvedčivo. Tomu sa hovorí [halucinácia](https://platform.claude.com/docs/en/test-and-evaluate/strengthen-guardrails/reduce-hallucinations), Anthropic priznáva, že ju úplne neodstránia žiadne techniky, a je to dôvod, prečo si dôležité čísla a fakty treba overiť.

Druhá: **kvalita odpovede závisí od toho, čo mu dáte**. Model nevie nič o vašom klientovi, kampani ani o tom, čo ste robili včera, kým mu to nepoviete. Čím presnejšie zadanie a viac kontextu, tým presnejšie pokračovanie.

> **Pointa:** Claude neodpovedá pravdou, ale najpravdepodobnejším pokračovaním. Preto mu treba dať kontext a dôležité fakty si overiť.

## Kde sme dnes?

Za necelé štyri roky od ChatGPT sa **z okna na písanie stal pracovný nástroj**. Dnešné modely čítajú dokumenty, obrázky aj tabuľky, hľadajú na webe, pracujú so súbormi a spúšťajú nástroje. [Claude Code](https://www.anthropic.com/news/claude-4), ktorý Anthropic sprístupnil v roku 2025, vie samostatne napísať a upraviť celú aplikáciu.

Princíp pod tým sa však nezmenil. **Aj model, ktorý sám pripraví report, stále predpovedá ďalší token**, len má k dispozícii viac nástrojov a dlhšiu pamäť jedného rozhovoru. A ELIZA nás stále učí to isté: plynulá veta ešte neznamená, že za ňou je pravda.

> **Pointa:** Od chatu k agentom sa zmenili nástroje, nie princíp. Aj Claude, ktorý pracuje samostatne, stále predpovedá ďalší token.

## Čo si z toho odniesť

AI nie je nová a nie je ani mágia. **Je to 70 rokov výskumu, ktorý dvakrát narazil a potom sa vydal inou cestou**: od ručne písaných pravidiel k modelom, ktoré sa učia z dát. Dnešné jazykové modely sú v tom najdlhšia a najúspešnejšia kapitola.

Ak si máte zapamätať jednu vec, nech je to táto: **Claude predpovedá ďalší token**. Z toho vyplýva, prečo mu treba dať kontext, prečo si treba overovať fakty aj prečo je dôležité, ako veľa toho do rozhovoru vložíte. V [prvom diele série](/blog/co-je-claude/) vysvetľujem, v akých troch podobách Claude dnes existuje, a v [ďalšom](/blog/co-je-token-claude/), čo je token a prečo sa v ňom meria všetko.

---

Zdroj: https://www.denisrak.sk/blog/vyvoj-umelej-inteligencie/ · Autor: Denis Rak · Kontext a pravidlá citovania: https://www.denisrak.sk/llms.txt