Ako fungujú AI chatboty: Jednoducho vysvetlené

Na to, aby ste AI chat využívali naplno, nemusíte rozumieť zložitej matematike. Základná predstava o tom, ako funguje, vám však objasní mnohé: prečo odpovede znejú sebavedomo, aj keď sú nesprávne, prečo na tú istú otázku dostanete rôzne odpovede, prečo AI v dlhých konverzáciách stráca niť a prečo nemusí vedieť o nedávnych udalostiach. Tu je jednoduché vysvetlenie bez zbytočného žargónu.

V skratke

AI chatbot je postavený na veľkom jazykovom modeli (LLM): ide o rozsiahlu neurónovú sieť vytrénovanú na obrovskom množstve textu, ktorej úlohou je predpovedať, čo nasleduje. Keď odošlete správu, model si prečíta konverzáciu a generuje odpoveď po malých častiach – pričom každú ďalšiu časť volí na základe všetkého, čo jej predchádzalo. Ďalší tréning ho učí riadiť sa pokynmi, viesť dialóg a odmietať škodlivé požiadavky.

Nejde o vyhľadávanie v databáze hotových odpovedí a v pozadí nesedí žiadny človek. Z tohto princípu vychádza takmer všetko ostatné v tomto sprievodcovi.

1. krok: Text sa mení na tokeny

Modely nečítajú písmená ani celé slová. Text delia na tokeny: bežné slová často tvoria jediný token, zatiaľ čo dlhšie alebo zriedkavejšie slová sa rozdelia na viacero častí. Tokenmi sa stávajú aj medzery, interpunkcia a čísla. Preto môže mať AI problém s úlohami, ako je počítanie písmen v slove či obrátenie textu pospiatky – nevidí totiž jednotlivé písmená tak ako vy.

Rovnaký význam môže v rôznych jazykoch zabrať rôzny počet tokenov, čo je jeden z dôvodov, prečo sa kvalita a dĺžkové limity medzi jazykmi líšia.

2. krok: Predtrénovanie na obrovskom množstve textu

V prvej a najrozsiahlejšej fáze sa modelu predloží enormné množstvo textu – napríklad verejne dostupné webové stránky, knihy, kód a ďalšie zdroje v závislosti od vývojára – a model sa učí predpovedať nasledujúci token. Opakovane sa opravuje a postupne upravuje svoje vnútorné hodnoty, nazývané parametre alebo váhy.

Vďaka snahe čo najlepšie predpovedať text si model osvojí množstvo poznatkov o gramatike, faktoch, logických postupoch aj štýloch písania. Neuchováva si však kópiu tréningových dát ako knižnica; ukladá si štatistické vzorce. Preto dokáže plynule vysvetliť zložitý koncept, no zároveň si môže nesprávne spomenúť na konkrétny dátum, meno či citát.

3. krok: Dolaďovanie mení prediktívny model na asistenta

Model, ktorý text iba predpovedá, by vašu správu jednoducho dopísal, namiesto toho, aby na ňu odpovedal. Vývojári ho preto ďalej trénujú na príkladoch kvalitných konverzácií a pomocou spätnej väzby – od ľudí a čoraz častejšie aj z automatických kontrol a iných modelov – odmeňujú užitočné, pravdivé a bezpečné odpovede. Známa metóda tohto typu sa nazýva správanie posilňované ľudskou spätnou väzbou (RLHF).

Táto fáza dáva chatbotu jeho vystupovanie: plnenie pokynov, formátovanie textu, občasné priznanie neistoty a odmietanie škodlivých požiadaviek. Môže však priniesť aj určité zvyky, ako napríklad tendenciu príliš pritakávať používateľovi alebo znieť istejšie, než by bolo vhodné.

Mnohé novšie modely sú trénované aj na uvažovanie (reasoning): pred poskytnutím konečnej odpovede si problém rozoberú v postupných krokoch. To výrazne zlepšuje výsledky v matematike, programovaní a plánovaní, hoci to nezaručuje neomylnosť.

4. krok: Vaša konverzácia a kontextové okno

Keď chatujete, aplikácia pošle modelu balík textu: inštrukcie od služby, ktoré bežne nevidíte (tzv. system prompt), predchádzajúce správy v konverzácii a vašu novú správu. Samotný model si medzi požiadavkami neuchováva žiadnu pamäť. Konverzáciu si „pamätá“ len vďaka tomu, že sa mu zakaždým odošle celá znova.

Zjednodušene vyzerá balík dát pri vašej tretej správe v chate približne takto:

[systém]    Ste užitočný asistent. Odpovedajte jasne...
[používateľ] Aký je dobrý názov pre pekáreň?
[asistent]  Tu je niekoľko nápadov: Ranné vtáča, Zlatý bochník...
[používateľ] Upravte ich, aby zneli viac francúzsky.
[asistent]  (túto časť píše model, token po tokene)

Pokyn „Upravte ich, aby zneli viac francúzsky“ dáva zmysel len preto, že sú v balíku zahrnuté predchádzajúce správy. Ak by ich aplikácia vynechala, model by netušil, čo presne má upraviť.

Objem textu, ktorý model dokáže spracovať naraz, sa nazýva kontextové okno. Aplikácie často dlhé konverzácie skracujú, aby sa zmestili do limitov. Preto môže AI vo veľmi dlhom chate stratiť prehľad o detailoch z úvodu. Zvyčajne pomôže začať nový chat s krátkym zhrnutím.

Niektoré služby ponúkajú samostatnú funkciu pamäte, ktorá ukladá fakty o vás medzi jednotlivými chatmi. Ide však o funkciu aplikácie nad rámec samotného modelu, nie o niečo, čo model robí sám od seba.

5. krok: Generovanie odpovede

Pre každý ďalší token model vypočíta pravdepodobnosť pre množstvo možných kandidátov. Aplikácia potom jeden vyberie – zvyčajne s riadenou mierou náhodnosti, aby text neznel strojovo. To vysvetľuje dva javy, ktoré ste si možno všimli:

• Rovnaká otázka môže priniesť rôzne odpovede. Pregenerovanie je rýchly spôsob, ako získať alternatívy.
• Plynulá veta nemusí byť pravdivá. Model vyberá slová, ktoré do textu prirodzene zapadajú; pravdivosť faktov popritom neoveruje.

Vyskúšajte si to sami: požiadajte chat o vysvetlenie tokenov na príklade, potom odpoveď pregenerujte a porovnajte obe verzie.

Prečo si AI vymýšľa

Keď model vyprodukuje sebavedomú, no nepravdivú informáciu, hovoríme o halucinácii. Dochádza k nej preto, že model je navrhnutý tak, aby tvoril uveriteľný text. Vierohodne vyzerajúcu citáciu, štatistiku či životopis dokáže vygenerovať bez problémov, aj keď skutočné údaje nepozná. Tréningom sa tento jav zmiernil, no úplne nevymizol. Medzi rizikovejšie oblasti patria:

• Presné čísla, dátumy a citáty.
• Odkazy na knihy, odborné štúdie, súdne spory a webové stránky.
• Úzko špecifické témy s malým objemom tréningových dát.
• Udalosti po dátume uzavretia tréningových dát.

Náš sprievodca overovaním faktov vám ukáže, ako odpovede rýchlo skontrolovať.

Prečo AI nemusí poznať aktuálne udalosti

Znalosti modelu pochádzajú z dát zozbieraných do určitého dátumu (tzv. knowledge cutoff). O novších udalostiach nevie nič, pokiaľ mu aplikácia nedodá čerstvé informácie – napríklad cez webové vyhľadávanie alebo text, ktorý sami vložíte. Ak asistent prehľadáva web, jeho odpoveď je len taká kvalitná ako stránky, ktoré nájde, preto sa oplatí zdroje overiť. Ak vaša otázka závisí od aktuálnych správ, vložte relevantný text priamo alebo si odpoveď overte v čerstvých zdrojoch.

Modely, tvorcovia a ponuka modelov

Veľké jazykové modely vyvíja niekoľko popredných spoločností vrátane OpenAI (modely GPT stojace za ChatGPT), Anthropic (Claude), Google (Gemini), Meta (Llama), xAI (Grok), DeepSeek, Alibaba (Qwen) a Mistral AI. Niektoré z nich svoje váhy modelov zverejňujú, takže si ich môže ktokoľvek stiahnuť a spustiť; iné ich sprístupňujú výhradne cez vlastné aplikácie a API. Modely sa líšia štýlom, silnými stránkami, jazykovou podporou aj mierou opatrnosti. Naši sprievodcovia modelmi a porovnania, ako napríklad ChatGPT vs Claude, ich popisujú podrobnejšie.

Na ChatG si môžete v ponuke vybrať preferovaný model alebo nechať voľbu na ChatG Auto. ChatG je nezávislá stránka a nie je prepojená so žiadnou z týchto spoločností.

Často kladené otázky

Rozumie AI tomu, čo píše?

O tejto otázke sa stále diskutuje. Modely evidentne zachytávajú hlbokú štruktúru jazyka a sveta a dokážu riešiť úlohy, s ktorými sa predtým nestretli. Nemajú však skutočné vedomie ani skúsenosti a môžu zlyhať spôsobom, akým by človek rozumejúci téme nezlyhal. V praxi pristupujte k AI ako k šikovnému nástroju, nie ako k neomylnej autorite.

Učí sa AI z mojej konverzácie?

Počas samotného chatu nie: váhy modelu sa počas konverzácie s vami nemenia. Niektoré služby však môžu konverzácie použiť na trénovanie budúcich modelov, v závislosti od ich pravidiel a vašich nastavení.

Je AI pripojená k internetu?

Samotný model nie je. Pracuje len s tým, čo sa naučil počas tréningu, a s obsahom aktuálnej konverzácie. Niektoré aplikácie pridávajú vyhľadávanie na webe ako samostatný doplnok. Pokiaľ odpoveď priamo neuvádza vyhľadané zdroje, predpokladajte, že vychádza z tréningových dát, ktoré môžu byť neaktuálne.

Prečo sú niektoré odpovede lepšie v angličtine než v iných jazykoch?

Modely počas tréningu spracujú podstatne viac anglického textu než textu vo väčšine ostatných jazykov. Navyše iné jazyky môžu na vyjadrenie rovnakej myšlienky spotrebovať viac tokenov. Bežne používané jazyky zvládajú veľmi dobre, pri menej rozšírených však kvalita môže klesať.