Předchozí (3) - Obsah - Další (5) - Výkladový slovník - Příspěvek na kávu

Téma 4 – Umělá inteligence a mozek

Dva odlišné systémy inteligence, společné principy adaptace

Úvod: inspirace biologií, realizace matematikou

Lidský mozek a umělá inteligence sdílejí cíl – zpracovávat informace tak, aby výsledkem bylo účelné chování nebo rozhodnutí. Mozek je biologický systém formovaný evolucí, AI je technická konstrukce založená na algoritmech. Podobnosti v pojmech (neurony, sítě, učení) jsou často metaforické, přesto přinášejí inspiraci oběma stranám.

Učení v biologickém a umělém systému

Biologický mozek

Učení je výsledkem změn v synaptických spojeních mezi neurony. Hebbovo pravidlo („neurony, které spolu pálí, se propojí“) popisuje posilování spojení při současné aktivaci. Emoce, motivace a smyslový kontext ovlivňují, jak se učíme.

Umělá inteligence

Učení v neuronových sítích spočívá v úpravě vah mezi uzly pro minimalizaci chyby. Nejčastěji se využívá zpětná propagace chyby (backpropagation) a optimalizační algoritmy, např. gradientní sestup. AI je obvykle úzce specializovaná a postrádá univerzální adaptabilitu lidského mozku.

Struktura a funkce neuronových sítí

Umělé neuronové sítě jsou tvořeny vrstvami uzlů provádějících jednoduché výpočty. Deep learning umožňuje extrakci komplexních vzorů z dat, například pro rozpoznávání obličejů nebo zpracování přirozeného jazyka.

Biologický mozek má velkou diverzitu neuronů, elektrochemické přenosy a paralelní zpracování v mnoha oblastech. Integruje různé typy vstupů a rozhoduje i v podmínkách nejistoty.

Schopnost rozpoznávat vzory a predikovat

• Mozek propojuje smyslové vjemy s předchozí zkušeností a emocionálním kontextem.
• AI analyzuje velké objemy dat a hledá statistické vztahy pro předpověď, např. v doporučovacích systémech.

Výhodou AI je rychlost a přesnost ve specifických úkolech, výhodou mozku je flexibilita, chápání kontextu a tvorba nových hypotéz mimo vstupní data.

Vědomí: hranice mezi simulací a prožitkem

Vědomí zahrnuje subjektivní prožitek a sebereflexi – schopnosti, které současné AI systémy nemají. Umí generovat odpovědi působící „vědomě“, ale jde o statistické zpracování dat, nikoli o zkušenost. Otázka vytvoření vědomí v AI naráží na filozofické, technické i etické bariéry.

Etické a praktické souvislosti

• Odpovědnost za rozhodnutí AI systémů.
• Prevence záměrného klamání uživatelů.
• Zda má AI rozhodovat v oblastech s přímým dopadem na lidský život.

Praktická aktivita: učení člověka vs. učení sítě

• Simulace sítě – na platformě Google Teachable Machine ukázat reakci na vstupy a úpravu vah.
• Simulace lidí – úkol pro studenty, zpětná vazba a srovnání strategie sítě a lidí.

Reflexe: Kdo byl rychlejší? Jak se lišila strategie lidí a stroje?

Shrnutí

• Mozek i AI posilují spojení podle zpětné vazby.
• Deep learning je silný v rozpoznávání vzorců, ale postrádá lidskou komplexnost.
• Vědomí zatím patří jen lidem.
• Spolupráce neurověd a AI může přinést průlom v pochopení inteligence.

Doporučené zdroje

• KANDEL, Eric R., James H. SCHWARTZ a Thomas M. JESSELL. Principles of Neural Science . 5th ed. New York: McGraw-Hill, 2013. ISBN 978-0-07-139011-8.
• GOODFELLOW, Ian, Yoshua BENGIO a Aaron COURVILLE. Deep Learning . Cambridge: MIT Press, 2016. ISBN 978-0-262-03561-3.
• CHURCHLAND, Patricia S. a Terrence J. SEJNOWSKI. The Computational Brain . Cambridge: MIT Press, 1992. ISBN 978-0-262-03188-2.
• RUSSELL, Stuart J. a Peter NORVIG. Artificial Intelligence: A Modern Approach . 4th ed. Hoboken: Pearson, 2021. ISBN 978-0-13-461099-3.
• GOOGLE. Teachable Machine [online]. Mountain View: Google LLC, ©2025 [cit. 2025-08-11]. Dostupné z: https://teachablemachine.withgoogle.com/