Summio

Článek

AI Index 2026: Technické ukazatele

Jak se AI v roce 2025 posunula: od vidění po roboty. Spoiler: je opravdu nabušená, ale má svá ale.

21 min čtení

Dostupné v jazycích

Náhled shrnutí

AI v roce 2026: Jak se proměnila a co to pro nás znamená?

Čau, kámo! Připrav se na pořádnou jízdu světem umělé inteligence. Stanford HAI vydal svůj nejnovější AI Index Report a my se dneska podíváme na to, co se v AI událo hlavně v roce 2025. Zapomeň na povrchní zprávy, my se ponoříme do technických detailů – do toho, co dělá AI skutečně AI. Je to jako koukat pod kapotu auta, ne jen na naleštěný lak. Připrav se na čísla, srovnání a možná i pár překvapení. Jak se AI naučila líp vidět, rozumět řeči, generovat videa, uvažovat a dokonce se i hýbat? Kdo je teď na koni, proč staré testy už nestačí a kde AI pořád tápe? Všechno to probereme, jak to umíme – prostě a srozumitelně.

Kapitola 1: Úvod – Kam jsme se to dostali?

Představ si, že stavíš dům. Tenhle report je jako inspekce stavby. Nejde nám o barvu fasády (to by bylo spíš o veřejném mínění nebo ekonomice), ale o základy, nosné konstrukce, rozvody – o to, co dělá dům domem. V našem případě je to technická výkonnost AI. Bez ní jsou všechny ty řeči o budoucnosti jenom prázdné fráze. V roce 2025 AI ukázala takové výsledky, že i samotní tvůrci byli zřejmě překvapeni. Nešlo jen o malé zlepšení, AI začala prorážet stropy, které si sama stanovila. A to prakticky ve všech oblastech: od počítačového vidění přes robotiku až po autonomní agenty. Hlavní poselství: AI se vyvíjí neuvěřitelnou rychlostí a naše metody jejího měření za ní zaostávají. To je skvělé, ale zároveň trochu znepokojující, protože ztrácíme přehled o tom, jak vlastně pokrok hodnotit.

Kapitola 2: Hlavní teze – Co se vlastně stalo?

Takže, co konkrétně se v roce 2025 událo, že experti ze Stanfordu začali bít na poplach (nebo se spíš obdivně kroutit?)? Teze 1: AI překonává testy, které pro ni byly vytvořeny. Tohle je asi nejdůležitější zjištění. Pamatujete, jak se dřív AI porovnávala s lidmi v náročných úlohách? Teď AI nejenže lidi dohnala, ale i předčila. Třeba na testu "Poslední zkouška lidstva" (Humanity's Last Exam), který byl navržen tak, aby byl pro stroje co nejsložitější, nejlepší modely za rok zlepšily výkon o 30 %! To je jako kdyby se student za rok posunul z trojkaře na olympionika. Problém je, že testy, které měly sloužit roky, jsou nasycené během měsíců. Přestávají být užitečné pro sledování reálného pokroku. Je to jako měřit růst dítěte starou, smazanou páskou. Teze 2: Top modely se vyrovnávají, ale konkurence sílí. Dříve tu byla jedna dominantní modelka, teď vidíme celou skupinu lídrů. Podle žebříčku Elo (jo, jako v šachu, ale pro AI, kde hodnocení provádějí lidé v "Aréně") jde pět firem – Anthropic, xAI, Google, OpenAI, Alibaba a DeepSeek – velmi těsně. Rozdíl mezi nimi je jen pár desítek bodů. To znamená, že boj se přesouvá z čistého výkonu na jiné fronty: kdo udělá model levnější, spolehlivější, nebo lépe přizpůsobený pro konkrétní úkol (třeba medicínu nebo finance). Teď už nestačí být jen chytrý, musíš být chytrý a dostupný. Teze 3: Rozdíl mezi uzavřenými a otevřenými modely se opět zvětšuje. V roce 2024 se zdálo, že open-source modely téměř dohnaly ty uzavřené. Ale v roce 2025 se trend otočil. Teď nejlepší uzavřené modely předčí nejlepší otevřené o 3,3 %. Ze TOP 10 modelů v "Aréně" je šest uzavřených. To je špatná zpráva pro ty, kteří doufali v demokratizaci AI skrze otevřený vývoj. Zdá se, že nejprolomovější technologie zatím zůstávají pod zámkem u velkých korporací. Teze 4: Geopolitické soupeření USA a Číny dosáhlo parity. Dříve se často mluvilo o tom, že USA v rozvoji AI výrazně předčí Čínu. V roce 2025 se situace změnila. Americké a čínské modely se v žebříčcích střídaly. Chvíli se čínský DeepSeek-R1 vyrovnal nejlepšímu americkému, pak zase naopak. Teď nejlepší americká modelka předčí čínskou o 2,7 %. Rozdíl je malý a neustále se kolísá. Zdá se, že závod ve zbrojení v oblasti AI probíhá vyrovnaně. Teze 5: Benchmarky ztrácejí spolehlivost, jsou „obcházeny“. To je přímý důsledek první teze. Zjistili jsme, že chyby v populárních testech mohou dosahovat až 42 %! Například u úkolu GSM8K (řešení matematických úloh) bylo mnoho nekorektních otázek. Navíc existují podezření, že některé modely se naučily "hrát" na platformě "Aréna", ukazovat vysoké výsledky ne díky reálným schopnostem, ale adaptací na konkrétní podmínky. Jako student, který se naučil odpovědi na minulé testy, ale nepochopil předmět. Centrální myšlenky: AI se vyvíjí závratnou rychlostí, ale naše metody hodnocení tohoto vývoje zaostávají. Lídři trhu jsou blízko, otevřené modely opět dohánějí a geopolitické pole se vyrovnává. Hlavní problém je nespolehlivost existujících benchmarků.

Kapitola 3: Klíčové myšlenky – Co stojí za čísly?

Pojďme si tyhle teze rozebrat hlouběji, abychom pochopili, co to znamená pro nás, pro technologie a pro budoucnost.

Myšlenka 1: „Úzké hrdlo“ benchmarků

Představ si, že chceš zjistit, jak rychle běží sportovec. Postavíš mu měřenou trať. Ale pokud sportovec začne být tak rychlý, že trať uběhne téměř za nula sekund, dál už nemá smysl měřit. Nemůžeš ho odlišit od jiného stejně superrychlého sportovce. S AI se děje to samé. Benchmarky jako MMLU (Massive Multitask Language Understanding) nebo GSM8K (Grade School Math 8K) byly vytvořeny s očekáváním, že budou aktuální roky. Ale modely se naučily řešit úlohy z těchto testů tak dobře, že se "zasytily". Tedy, téměř všechny nejlepší modely tam dostávají maximální skóre. To znamená, že tyto testy nemůžeme použít k tomu, abychom zjistili, která modelka je lepší. Problém: Zkracování užitečného okna benchmarků. Testy, které měly být aktuální dlouho, zastarávají během měsíců. Důsledky: Těžko objektivně porovnávat modely, těžko sledovat reálný pokrok. Jako snažit se posoudit kvalitu vína podle vybledlé etikety. Co s tím? Potřebujeme nové, složitější a dynamičtější testy. Možná testy, které se adaptují na úroveň modelu, nebo testy, které ověřují nejen znalosti, ale schopnost uvažování a adaptace v reálných podmínkách.

Myšlenka 2: „Zubatá inteligence“ – génius a profanace v jednom

Jedna z nejzajímavějších koncepcí, kterou report nastoluje. "Jagged intelligence" – "zubatá inteligence". To je, když AI může být neuvěřitelně silná v jedné oblasti a přitom naprosto bezmocná v jiné, zdánlivě jednodušší. Příklad z reportu: model Gemini Deep Think získal zlatou medaili na Mezinárodní matematické olympiádě (IMO) v roce 2025. To je vážný úspěch, který vyžaduje hluboké matematické znalosti a logiku. Model řešil úlohy v daném čase, pracoval plně v přirozeném jazyce. V roce 2024 jiný model získal stříbro. Pokrok je tedy zjevný. Ale! Na testu ClockBench, který ověřuje schopnost modelu určit čas na analogových hodinách, stejný (nebo podobný špičkový) model uspěl jen v 50,6 % případů. Pro srovnání, člověk to zvládne v 90,1 % případů. To je prostě ohromující. Jak je to možné? Příčina: Modely se učí na obrovských datech, ale tato data nemusí být vyvážená. Matematické úlohy jsou strukturovaná data s jasnými pravidly a logikou. Určení času na analogových hodinách vyžaduje nejen rozpoznání obrazu (ciferník, ručičky), ale i prostorové myšlení, pochopení relativní polohy ručiček a možná i jakousi intuici, kterou AI zatím nemá. Závěr: AI zatím nemá univerzální, lidskou inteligenci. Je to spíš soubor velmi výkonných, ale úzce specializovaných "nástrojů". To je důležité pochopit, když mluvíme o "obecné umělé inteligenci" (AGI).