Token

Model Context Protocol (MCP) je otevřený standard vyvinutý společností Anthropic, který definuje, jak se AI aplikace připojují k externím zdrojům dat a nástrojům. MCP poskytuje univerzální rozhraní pro přístup LLM k databázím, API, souborovým systémům a dalším službám prostřednictvím standardizovaných serverových implementací. Umožňuje budovat AI aplikace, které mohou strukturovaně a bezpečně interagovat s reálným světem.

V kontextu AI se halucinací rozumí situace, kdy jazykový model generuje sebejistě znějící, ale fakticky nesprávné nebo vymyšlené informace. Dochází k tomu, protože LLM predikují statisticky pravděpodobný text, místo aby ověřovaly fakta. Mezi strategie zmírnění patří RAG, zakotvení odpovědí ve zdrojových dokumentech, validace strukturovaného výstupu a nastavení teploty pro snížení kreativní odchylky.

Neuronová síť je výpočetní model inspirovaný lidským mozkem, složený z vrstev propojených uzlů (neuronů), které zpracovávají data úpravou vážených spojení během trénování. Hluboké neuronové sítě s mnoha vrstvami tvoří základ moderní AI a pohánějí vše od rozpoznávání obrazu po porozumění jazyku. Mezi běžné architektury patří dopředné sítě, konvoluční sítě (CNN) a transformery.

Generativní AI je kategorie umělé inteligence, která vytváří nový obsah — text, obrázky, kód, hudbu nebo video — místo pouhé analýzy nebo klasifikace existujících dat. Poháněná architekturami jako transformery a difuzní modely, generativní AI transformovala vývoj softwaru nástroji jako GitHub Copilot, Claude a Cursor. Představuje posun od AI jako klasifikačního nástroje k AI jako kreativnímu spolupracovníkovi.

Zpětnovazební učení (RL) je paradigma strojového učení, kde se agent učí optimálnímu chování interakcí s prostředím a přijímáním odměn nebo penalizací. RLHF (Reinforcement Learning from Human Feedback) je klíčová technika používaná k alignmentu LLM s lidskými preferencemi, díky níž jsou výstupy modelů užitečnější a bezpečnější. RL stojí také za průlomy v herní AI a robotice.

Multimodální AI označuje modely, které dokáží zpracovávat a generovat více typů dat — text, obrázky, zvuk a video — v rámci jednoho systému. Modely jako GPT-4o a Claude přijímají textové i obrazové vstupy, což umožňuje vizuální odpovídání na otázky, analýzu dokumentů a porozumění UI. Tato konvergence stírá hranice mezi dříve oddělenými AI disciplínami.