Moderné četboty dokážu viesť presvedčivé konverzácie, no pri jednoduchom experimente založenom na rozpoznávaní farieb sa ich výkon výrazne zhoršil.
Viacero výskumov ukazuje, že modely môžu zlyhávať v logickom uvažovaní, a to najviac vtedy, keď sú vytrhnuté z bežných, rutinných vzorcov. Zdroj: iStock.com/Jake Lomachevsky/3d_kot
Umelá inteligencia prekonáva množstvo míľnikov. Najpokročilejšie jazykové modely dokážu vytvárať texty, prepínať medzi jazykmi, napísať počítačový kód či analyzovať obsahovo rozsiahle dokumenty. Niektoré systémy dokonca uspeli v moderných verziách Turingovho testu, v ktorom sa snažia presvedčiť človeka, že komunikujú s ľudskou bytosťou.
Napriek týmto úspechom však vedci stále hľadajú odpoveď na základnú otázku: Rozumejú četboty svetu podobne ako ľudia alebo len mimoriadne efektívne predpovedajú ďalšie slová? Práve preto sa výskumníci čoraz častejšie obracajú k psychológii a k testom, ktoré boli pôvodne navrhnuté na skúmanie fungovania ľudského mozgu.
Jedným z najzaujímavejších príkladov je Stroopov test, ktorý psychológ John Ridley Stroop predstavil už v roku 1935. Ide o jednoduchú úlohu: človek vidí názvy farieb napísané inou farbou, než akú označujú. Slovo červená môže byť napríklad vytlačené modrou farbou. Úlohou je pomenovať farbu písma a ignorovať význam samotného slova.
Pre človeka je táto úloha mierne náročná, pretože mozog automaticky spracúva význam slov. Väčšina ľudí ju však zvládne s relatívne malým spomalením. Vedci preto predpokladali, že moderné modely umelej inteligencie si s podobnou úlohou poradia bez väčších problémov. Výsledky ich prekvapili.
Keď sa četbot prestane sústrediť
Výskumníci otestovali viaceré popredné jazykové modely vrátane systémov zo sérií GPT, Claude a Gemini. Pri krátkych zadaniach dosahovali vysokú úspešnosť a často sa približovali ľudským výsledkom. Situácia sa však dramaticky zmenila, keď sa úloha predĺžila.
Kým človek si dokáže udržať pozornosť aj pri dlhších zoznamoch, presnosť modelov umelej inteligencie začala prudko klesať. Niektoré systémy sa z úspešnosti nad 90 percent prepadli na úroveň blízku náhodnému hádaniu. Výskumníci hovoria o kolapse pozornosti, ktorý sa objavil s narastaním zložitosti úloh.
Podľa autorov štúdie problém nespočíva v tom, že by modely nepoznali farby. Zlyhávajú preto, lebo nedokážu efektívne riadiť svoju pozornosť podobným spôsobom ako ľudský mozog. Ľudia disponujú mechanizmami takzvanej exekutívnej kontroly, ktoré nám umožňujú potlačiť rušivé informácie a sústrediť sa na relevantnú úlohu. Súčasné jazykové modely nič podobné nemajú.
Práve tento rozdiel môže byť jednou z najväčších prekážok na ceste k všeobecnej umelej inteligencii. Výskumníci naznačujú, že ak sa majú priblížiť ľudskému spôsobu myslenia, budúce systémy budú musieť disponovať mechanizmami pripomínajúcimi biologickú pozornosť.
Kým väčšina ľudí zvládne Stroopov test pomerne rýchlo, najmodernejšie četboty sa naň nedokážu sústrediť. Schválne – skúste si ho aj vy a buďte lepší v udržaní pozornosti než umelá inteligencia. Povedzte si pre seba farbu napísaných slov, nie ich význam. Zdroj: Dom ilúzií
Stroopov test nie je prvý test, ktorý umelá inteligencia už v minulosti podstúpila. Vedci totiž už niekoľko rokov skúmajú, či sa jazykové modely správajú podobne ako ľudia aj v iných psychologických experimentoch. Ukázalo sa napríklad, že četboty môžu podliehať efektu prvého dojmu (primacy effect). Pri hodnotení kandidátov často ovplyvní ich rozhodnutie poradie informácií, podobne ako je to u ľudí.
Ďalšie výskumy sa zamerali na takzvanú teóriu mysle – schopnosť pochopiť, čo si myslia alebo v čo veria iní ľudia. Hoci četboty v niektorých testoch uspeli, už malé úpravy úloh často viedli k prudkému zhoršeniu výsledkov. To naznačuje, že modely môžu skôr rozpoznávať vzory z tréningových dát, než skutočne chápať psychologické situácie.
Zaujímavé je, že rovnaké systémy zároveň dokážu presvedčivo napodobňovať ľudské správanie. Nedávna štúdia publikovaná v časopise PNAS Nexus ukázala, že niektoré modely dokázali v kontrolovaných podmienkach prejsť modernou verziou Turingovho testu a boli považované za ľudí častejšie než skutoční účastníci experimentu.
Tieto zdanlivo protichodné výsledky ukazujú, aké komplikované je hodnotenie umelej inteligencie. Model môže pôsobiť mimoriadne inteligentne v konverzácii a zároveň zlyhávať pri úlohách, ktoré sú pre ľudí takmer triviálne.
Čo to vypovedá o mozgu ľudí?
Podobné experimenty paradoxne neodhaľujú len slabiny umelej inteligencie, ale aj silné stránky ľudského mozgu. Stroopov test sa už desaťročia používa pri výskume pozornosti, učenia a neurologických ochorení. Ukazuje, ako efektívne dokážeme filtrovať informácie a potláčať rušivé podnety.
Ľudský mozog pritom nepracuje ako jazykový model. Namiesto predpovedania ďalšieho slova kombinuje pozornosť, pamäť, emócie, zmyslové vnímanie a skúsenosti získané počas života. Práve táto kombinácia môže byť dôvodom, prečo ľudia podávajú lepšie výkony v úlohách zameraných na koncentráciu a kognitívnu kontrolu.
Pre odborníkov na umelú inteligenciu sú takéto zistenia cenným zdrojom inšpirácie. Budúce generácie umelej inteligencie môžu čoraz viac preberať princípy fungovania biologického mozgu namiesto toho, aby sa spoliehali len na štatistické spracovanie textu.
Nová generácia četbotov
Vývoj umelej inteligencie sa však nezastavil. Rok 2026 priniesol nástup tzv. agentických systémov, ktoré už nefungujú len ako konverzačné četboty. Dokážu samostatne vykonávať viacero krokov, plánovať úlohy a pracovať s externými nástrojmi.
VEDOMOSTNÉ OKIENKO
Agentická umelá inteligencia je systém, ktorý prekonáva tradičné obmedzenia bežných četbotov. Namiesto pasívneho odpovedania na otázky dokáže autonómne stanoviť ciele, naplánovať jednotlivé kroky a samostatne ich vykonať pomocou dostupných nástrojov. V nasledujúcich rokoch môže priniesť revolúciu v spôsobe fungovania organizácií prechodom od izolovanej automatizácie ku koordinovaným systémom orientovaným na ciele, ktoré sú schopné plánovať, konať a učiť sa v zložitých prostrediach. Podľa správy Agentic AI iniciatívy Stepup Startups už tento posun prebieha. Európa spája popredné svetové talenty v oblasti inžinierstva umelej inteligencie, silné regulačné aktíva a rýchlo rastúcu investičnú činnosť, čím sa kontinent stáva dôveryhodným aktérom v tejto ďalšej fáze umelej inteligencie. Štrukturálne nedostatky však naďalej brzdia rozsiahle zavádzanie a globálnu konkurencieschopnosť.
Francúzska spoločnosť Mistral napríklad premenovala svojho asistenta Le Chat na Vibe a rozšírila ho o funkcie umožňujúce riešiť komplexné viacstupňové úlohy. Trend smeruje od jednoduchých odpovedí k digitálnym asistentom, ktorí dokážu aktívne pracovať s informáciami a riešiť zadania používateľa.
Zároveň sa rozvíjajú multimodálne systémy schopné kombinovať text, obraz, hlas a video. Četbot budúcnosti už nebude len ponúkať odpovede, ale bude schopný analyzovať fotografie, vytvárať prezentácie, plánovať projekty či komunikovať hlasom v reálnom čase.
Niektorí výskumníci preto upozorňujú, že tradičné testy inteligencie nemusia stačiť na hodnotenie nových systémov umelej inteligencie. Otázkou už nie je len to, či četbot odpovie správne, ale či dokáže dlhodobo plánovať, spolupracovať a spoľahlivo vykonávať úlohy v reálnom svete.
Slovensko ide s trendom
Do vývoja umelej inteligencie sa postupne zapája aj Slovensko. V posledných rokoch vzniklo viacero domácich jazykových modelov a četbotov zameraných na komunikáciu v slovenčine, podporu zákazníkov či automatizáciu služieb verejnej správy. Výhodou lokálnych riešení je lepšia znalosť slovenského jazyka, kultúrnych špecifík a domáceho prostredia.
Významným trendom je aj integrácia generatívnej umelej inteligencie do komerčných služieb. Slovenský Telekom napríklad rozširuje platformu Magenta AI, ktorá prepája konverzačnú umelú inteligenciu s nástrojmi na tvorbu obrázkov a hlasového obsahu. Objavujú sa aj nové slovenské četboty vyvíjané univerzitami, startupmi a technologickými firmami. Ich cieľom nie je konkurovať globálnym gigantom ako ChatGPT či Gemini, ale ponúknuť riešenia prispôsobené potrebám slovenských používateľov, firiem a inštitúcií.
Práve lokálne jazykové modely môžu v budúcnosti zohrávať dôležitú úlohu pri digitalizácii štátnej správy, vzdelávania či zdravotníctva. Hoci zaostávajú za najväčšími svetovými systémami, ich výhodou je lepšie pochopenie špecifík menších jazykov a národných prostredí.
Dlhá cesta ku skutočnej inteligencii
Stroopov test ukázal, že medzi schopnosťou viesť presvedčivý rozhovor a skutočným porozumením stále existuje významný rozdiel. Četboty dnes dokážu napodobňovať ľudí lepšie než kedykoľvek predtým, no zároveň narážajú na limity, ktoré odhaľujú ich odlišnú architektúru.
Pre verejnosť je to pripomienka, že súčasná umelá inteligencia nie je digitálnym ekvivalentom ľudského mozgu. Je to mimoriadne výkonný nástroj založený na spracovaní obrovského množstva dát. Výskumy z oblasti psychológie však naznačujú, že ku skutočne všeobecnej inteligencii vedie ešte dlhá cesta – a možno bude vyžadovať úplne nové princípy fungovania, než aké poznáme dnes.
Zdroje: PNAS Nexus, PNAS, Science Daily, heise online, Európska komisia (1, 2), TA3
(KAM)
