Slovník pojmů umělé inteligence – 60 nejdůležitějších výrazů od A do Z srozumitelně česky

Svět umělé inteligence přináší nové pojmy rychleji, než je stačíme vstřebávat: LLM, prompt, token, halucinace, RAG, agent, embedding, inference, jailbreak, deepfake… V článcích a médiích se často používají bez vysvětlení, někdy i nepřesně. Tento slovník shrnuje nejdůležitější výrazy srozumitelně a česky, abyste se v textech o AI neztráceli, dokázali kriticky číst tvrzení firem a vybírat nástroje, a abyste věděli, kde hledat podrobnější vysvětlení. Výrazy jsou řazeny abecedně; u mnoha najdete odkaz na samostatný článek.

V tomto slovníku najdete více než šedesát pojmů: základní (AI, strojové učení, model), technické (token, embedding, parametry, inference), praktické (prompt, kontextové okno, plugin, agent), bezpečnostní (halucinace, jailbreak, prompt injection, deepfake) a regulační (AI Act, vysoce rizikové systémy). Čerpáme z oficiálních glosářů a přehledů, například Google: Machine Learning Glossary, NIST: AI Risk Management Framework – Glossary, IBM: Artificial intelligence, Wikipedie: Umělá inteligence a Nařízení EU o umělé inteligenci (AI Act). Terminologie se vyvíjí a různí autoři ji používají mírně odlišně; uvádíme nejběžnější význam.

Další články najdete v kategorii Základy a principy AI, například Co to je umělá inteligence (AI), Strojové učení a hluboké učení a Tokeny a kontextové okno.

Aktualizováno: listopad 2026.

A–D

• Agent (AI agent): systém, který s pomocí jazykového modelu plánuje kroky a používá nástroje (prohlížeč, kód, e-mail) k dosažení cíle; viz AI agenti.
• AGI (umělá obecná inteligence): hypotetická AI se schopnostmi člověka napříč širokým spektrem úloh; viz AGI a superinteligence.
• AI Act (nařízení EU o AI): evropský zákon, který reguluje AI podle rizika použití; viz EU AI Act.
• Algoritmus: postup krok za krokem, kterým počítač řeší úlohu.
• Alignment (sladění): úsilí, aby systémy dělaly to, co lidé skutečně chtějí, a byly bezpečné.
• API: rozhraní, přes které programy komunikují s AI službou; platí se obvykle za tokeny.
• Benchmark: standardizovaný test pro srovnání modelů; viz Jak hodnotit AI modely.
• Bias (zkreslení): systematická chyba či nespravedlnost vyplývající z dat či návrhu; viz Rizika AI: bias a diskriminace.
• Chatbot: program, který komunikuje v přirozeném jazyce; moderní chatboti používají velké jazykové modely; viz Co je to ChatGPT.
• Červený tým (red team): skupina, která se záměrně pokouší model prolomit či zneužít, aby odhalila slabiny.
• Datový posun (data drift): změna reality, kvůli které model trénovaný na starších datech přestane fungovat dobře.
• Deepfake: syntetické video, zvuk či obraz, které věrohodně napodobuje skutečné osoby; viz Deepfake: jak poznat.
• Difuzní model: typ generativního modelu (obrázky, video), který vytváří obsah postupným odšuměním; viz Generativní AI vs. klasická AI.

E–L

• Embedding: číselný vektor, který zachycuje význam textu či obrázku; podobné významy mají podobné vektory; základ vyhledávání v RAG.
• Etika AI: oblast zabývající se spravedlností, odpovědností, transparentností a dopady AI.
• Fine-tuning (dolaďování): dotrénování hotového modelu na vlastních příkladech; viz RAG a fine-tuning.
• Foundation model (základní model): velký univerzální model trénovaný na rozsáhlých datech, který lze přizpůsobit mnoha úlohám.
• Generativní AI: AI vytvářející nový obsah (text, obrázky, hudbu, kód); viz Generativní AI vs. klasická AI.
• GPU: grafický procesor; díky paralelním výpočtům je základním hardwarem pro trénink a provoz modelů.
• GPT: rodina jazykových modelů (Generative Pre-trained Transformer); zkratka označuje typ architektury a tréninku.
• Halucinace: věrohodně znějící, ale nepravdivá či vymyšlená odpověď modelu; viz Proč AI halucinuje.
• Hluboké učení (deep learning): strojové učení s vícevrstvými neuronovými sítěmi; viz Strojové a hluboké učení.
• Inference: použití natrénovaného modelu k odpovědi (na rozdíl od tréninku).
• Instrukční ladění: dotrénování modelu na zadáních a vzorových odpovědích, aby následoval pokyny; viz Jak se trénuje AI model.
• Jailbreak: pokus obejít bezpečnostní omezení modelu zadáním; viz Jailbreak AI modelů.
• Kontextové okno: maximální počet tokenů, které model zpracuje najednou; viz Tokeny a kontextové okno.
• Kontaminace dat: únik testových otázek do trénovacích dat, který zkresluje výsledky benchmarků.
• LLM (velký jazykový model): neuronová síť natrénovaná na rozsáhlých textech, která umí generovat a zpracovávat jazyk.
• LoRA: úsporná metoda dolaďování pomocí malých přídavných matic.

Orientační schéma vztahu klíčových pojmů AI – vlastní infografika

M–R

• Machine learning (strojové učení): část AI, v níž se model učí vzorce z dat.
• MCP (Model Context Protocol): otevřený protokol pro propojení AI aplikací s nástroji a daty; viz MCP a propojení AI s nástroji.
• Model: matematická funkce s naučenými parametry, která z vstupu vytváří výstup.
• Multimodální: model, který zpracovává více druhů dat (text, obraz, zvuk, video); viz Multimodální AI.
• Neuronová síť: model z vrstev propojených jednotek s nastavitelnými váhami, volně inspirovaný mozkem.
• NLP (zpracování přirozeného jazyka): obor zabývající se porozuměním a tvorbou lidského jazyka počítači.
• Open-source model (otevřený model): model, jehož váhy (a někdy kód) jsou dostupné ke stažení a úpravám podle licence; viz Open-source AI modely.
• Overfitting (přeučení): model se naučí tréninková data příliš přesně a selhává na nových.
• Parametry (váhy): čísla uvnitř modelu, která se upravují při tréninku; velké modely jich mají miliardy.
• Plugin / nástroj: rozšíření, které modelu umožní volat externí funkce (vyhledávání, kalkulačka).
• Pozornost (attention): mechanismus, jímž transformer váží, které části vstupu jsou pro další výstup důležité.
• Předtrénování: první fáze tréninku na obrovském korpusu, kdy se model učí předpovídat další token.
• Prompt: zadání, které modelu dáváte; viz Jak psát prompty pro AI.
• Prompt engineering: umění formulovat zadání, aby model podával lepší výsledky.
• Prompt injection: útok, při němž škodlivý text v datech modelu podstrčí vlastní pokyny; viz Prompt injection.
• RAG: vyhledávání v dokumentech kombinované s generováním odpovědi; viz RAG a fine-tuning.
• Reasoning model (model s uvažováním): model, který před odpovědí generuje dlouhý vnitřní postup úvahy; zlepšuje výsledky u složitých úloh, ale zpomaluje a zdražuje odpověď.
• RLHF: učení posilováním z lidské zpětné vazby, kterým se model dolaďuje podle preferencí lidí.

S–Z

• Samoučení (self-supervised learning): model si „štítky“ vytváří z dat sám, například předpovídá další slovo.
• Syntetická data: data vytvořená uměle (často jinou AI) pro trénink či testování.
• Systémový prompt: skryté úvodní pokyny, které poskytovatel či aplikace dává modelu (role, pravidla).
• Teplota (temperature): nastavení náhodnosti generování; nižší = předvídatelnější, vyšší = kreativnější.
• Token: kousek textu, se kterým model počítá; viz Tokeny a kontextové okno.
• Transformer: architektura neuronové sítě s mechanismem pozornosti, základ většiny jazykových modelů; vznikla 2017 (viz Historie umělé inteligence).
• Trénovací data: data, z nichž se model učí; určují jeho znalosti i zkreslení.
• Turingův test: koncept testu, zda stroj dokáže v konverzaci obstát jako člověk.
• Učení bez učitele / s učitelem / posilované: tři hlavní typy strojového učení.
• Umělá inteligence (AI): široký obor zabývající se systémy provádějícími úlohy vyžadující inteligenci; viz Co to je umělá inteligence (AI).
• Úzká AI: AI pro konkrétní úlohu, na rozdíl od hypotetické obecné AI.
• Vektorová databáze: úložiště optimalizované pro hledání podle podobnosti vektorů (embeddingů).
• Vícekrokové uvažování (chain of thought): postup, kdy model řeší úlohu po krocích; často zvyšuje přesnost.
• Watermarking (vodoznak): označení AI obsahu pro pozdější rozpoznání; viz AI značení obsahu a C2PA.
• Zero-shot / few-shot: zadání úlohy bez příkladů či s několika příklady přímo v promptu.
• Zkreslení (bias): viz výše.

Pojmy z regulace a bezpečnosti

• Vysoce riziková AI: kategorie systémů podle AI Act (například nábor, úvěrové hodnocení, zdravotnictví), které mají přísnější povinnosti.
• Zakázané praktiky: použití AI, která AI Act zakazuje (například určité formy manipulace či sociálního hodnocení); viz EU AI Act.
• Transparentnost: povinnost informovat uživatele, že komunikují s AI či že obsah je AI generovaný.
• Vysvětlitelnost (explainability): schopnost popsat, proč model rozhodl tak, jak rozhodl.
• Ochrana osobních údajů (GDPR): pravidla pro zpracování osobních údajů, která se vztahují i na AI; viz AI a ochrana osobních údajů (GDPR).
• Data poisoning (otrávení dat): útok vkládající škodlivá data do tréninku.
• Odpovědnost: otázka, kdo nese následky chyb AI; viz Kdo nese odpovědnost za chyby AI.
• Shadow AI: používání AI nástrojů zaměstnanci bez vědomí a schválení firmy; viz Firemní politika používání AI.

Kontrolní seznam – vlastní infografika

Časté otázky v praxi

Jaký je rozdíl mezi AI, modelem a chatbotem?: AI je obor, model je matematický systém, chatbot je aplikace, která model používá. Co je prompt?: zadání modelu. Co je token?: kousek textu, se kterým model počítá. Co je halucinace?: nepravdivá, ale věrohodná odpověď. Co je agent?: systém s modelem a nástroji plnící úkoly po krocích.

Slovník v kostce

Základní údaje – vlastní infografika

Výhody a nevýhody

Souhrn pro čtenáře – vlastní infografika

Související články

Další články najdete v kategorii Základy a principy AI: Jak se trénuje AI model, Generativní AI vs. klasická AI, Multimodální AI a Jak hodnotit AI modely.

Shrnutí

Slovník shrnuje nejdůležitější pojmy umělé inteligence od agenta po zkreslení: model, prompt, token, kontextové okno, halucinace, RAG, fine-tuning, agent, multimodální či deepfake. Pojmy se vyvíjejí, proto si ověřujte, jak je používá konkrétní autor. Další vysvětlení najdete v Google ML Glossary a v souvisejících článcích.

Často kladené otázky ke slovníku AI