[Rossi D]

Umělá inteligence už vše přečetla a nemá se z čeho učit. „Musí přejít na syntetická data,“ říká Musk



Podle článku z webu Echo24.cz se rozmach velkých jazykových modelů (například ChatGPT či jiné AI systémy) dostal do bodu, kdy už neexistuje dostatek „nového“ lidského textového obsahu, z něhož by se mohly neustále učit. Níže jsou hlavní body:

1. Vyčerpání textových zdrojů
   • AI modely za poslední roky zpracovaly ohromné množství textu z internetu (knih, článků, sociálních sítí, diskusních fór atd.).
     
   • Mnozí odborníci upozorňují, že objem kvalitních textových dat na veřejně přístupném webu je nyní téměř vyčerpaný.
     
   • Aby mohly jazykové modely růst a zlepšovat se, potřebovaly by další a další texty – a ty už přestávají být ve velké kvalitě k dispozici.
     
2. Učení z vlastního obsahu
   • Podle článku se nyní otevírá možnost, že se AI bude muset „učit sama od sebe“ – tedy analyzovat vlastní výstupy a rozvíjet je.
     
   • Jde o riziko, protože model, který sám sebe cituje či kopíruje, může snadno šířit chyby a zkreslení („halucinace“), které do něj byly vloženy už dříve.
     
   • To vyvolává debatu, zda se tím neuzavře „informační smyčka“, kde budou AI jen opakovat a kombinovat již existující generovaný obsah místo autentického lidského psaní.
     
3. Možné důsledky pro kvalitu výstupů
   • Pokud bude AI nucena trénovat převážně na vlastních textech (či na textech jiných AI systémů), mohla by klesat kvalita výstupů i pestrost informací.
     
   • Mohou se rozmnožit nepřesnosti a zvyšovat se riziko dezinformací, protože lidská kontrola a ověřování faktů se ještě více vzdálí.
     
4. Budoucí vývoj
   • Odborníci hledají cesty, jak rozšířit či zkvalitnit tréninková data. Jednou z možností je využití specializovaných, soukromých či placených databází, které dosud nebyly veřejně dostupné.
     
   • Debatuje se i o regulaci či nových formách licencí, aby se předešlo nekonečnému recyklování AI-generovaného textu.
     
5. Společenský a právní rámec
   • Článek rovněž naznačuje, že přijdou otázky týkající se autorských práv a etiky – např. nakolik je „spravedlivé“ a legální těžit z lidské tvůrčí práce, pokud už byla prakticky celá zpracována AI.
     
   • V budoucnu může vzniknout tlak na to, aby se chránily některé druhy originálních textů před masivním využitím k trénování umělé inteligence.
     

Závěrem článek varuje, že stávající modely umělé inteligence se ocitají na hraně možností, pokud jde o čerpání nových textových dat z internetu. Další posun ve vývoji AI tak bude muset vyřešit, odkud brát kvalitní obsah, aby se zamezilo uzavřené smyčce generování „pseudonových“ textů z již existujících výstupů AI.
 

 

---

Microsoft připravuje DirectX na podporu neuronového vykreslování pro grafiku využívající umělou inteligenci - klíčovým prvkem aktualizace bude podpora kooperativního vektoru



Podle článku na Tom’s Hardware připravuje společnost Microsoft rozšíření DirectX o podporu tzv. neural renderingu – tedy grafických technik postavených na umělé inteligenci. Níže jsou klíčové body:

1. Neural rendering v DirectX
   • Nové funkce umožní AI-powered grafické efekty přímo na úrovni API.
     
   • To znamená, že herní engine nebo další software může volat knihovny DirectX, které využijí neuronové sítě ke generování či vylepšování obrazu.
     
2. Kooperativní vektorová podpora
   • Jedním z hlavních vylepšení je tzv. Cooperative Vector Support, které má lépe využívat paralelizaci a výpočetní kapacity GPU pro AI výpočty.
     
   • Je to krok k tomu, aby GPU mohly plnohodnotně obsluhovat jak klasické 3D vykreslování, tak i specializované AI funkce najednou.
     
3. Výhody pro vývojáře
   • Snazší integrace AI: Vývojáři her a grafických aplikací nebudou muset psát vlastní kód pro neuronové sítě – o vše se postará rozhraní DirectX.
     
   • Optimalizace výkonu: Zahrnutí AI přímo do grafického API může zlepšit efektivitu a snížit latenci oproti řešením, která dosud využívala externí knihovny nebo vlastní kód.
     
4. Příklady využití
   • AI upscaling a super sampling (podobně jako Nvidia DLSS či AMD FSR) – vyšší FPS a lepší obrazová kvalita při nižším nativním rozlišení.
     
   • Procedurální generování: Neuronové sítě mohou vytvářet textury, nasvěcování či efekty v reálném čase.
     
   • Pokročilé efekty: Odstranění šumu z ray tracingu, zlepšení stínování, detailnější animace postav atd.
     
5. Dopad na trh
   • Microsoft se snaží konkurovat technologiím jako je Nvidia DLSS nebo Intel XeSS, ale tentokrát s univerzálním řešením přímo v DirectX.
     
   • GPU výrobci (Nvidia, AMD, Intel) tak mohou implementovat hardwarovou a ovladačovou podporu, aby uživatelé z AI-renderingu těžili napříč různými hrami a aplikacemi.
     
6. Výhled do budoucna
   • Vzhledem k obecně rostoucímu významu AI v grafice lze očekávat další rozšiřování a prohlubování podpory.
     
   • Pokud se tento přístup ukáže efektivní, hry a aplikace by mohly nabízet kvalitnější vizuál i lepší výkon na široké škále počítačů.
     

Z článku vyplývá, že Microsoft s rozšířením DirectX o neural rendering míří na zjednodušení integrace AI do her a dalších grafických aplikací. V dlouhodobém výhledu to může znamenat skok ve vizuální kvalitě a plynulosti – a to i na strojích, které by jinak na vysoké detaily nemusely stačit.
 

---

Vědci zlepšili výkon agenta AI při řešení neznámých úloh pomocí hry Dungeons and Dragons



Podle článku na VentureBeat.com použili výzkumníci mechaniky a principy stolní hry Dungeons & Dragons (D&D) k tomu, aby zlepšili výkon agentů umělé inteligence (AI) při řešení úkolů, které pro ně byly dosud neznámé nebo neobvyklé. Níže jsou hlavní body:

1. D&D jako tréninková platforma
   • Autoři studie se inspirovali stolní hrou Dungeons & Dragons, kde hráči (resp. postavy) musí kreativně reagovat na různé situace a úkoly definované vypravěčem.
     
   • Tento princip přenesli do simulovaného prostředí, ve kterém AI agenti procházeli sérií úkolů a výzev – podobně jako dobrodružství v D&D.
     
2. Zvládání neznámých situací
   • Hlavní motivací bylo naučit AI lépe reagovat na nepředvídané problémy a nové situace, s nimiž se doposud nesetkala.
     
   • Výzkumníci zjistili, že analogický přístup ke „kampani“ (tj. dlouhodobému sledování příběhu či cíle) umožnil agentům postupně zdokonalovat strategické a logické myšlení.
     
3. Kooperativní i samostatné úkoly
   • Agenti museli řešit různé úkoly buď sami, nebo v rámci „týmu“ – přitom se do jisté míry simulovala komunikace, typická pro skupinu hráčů D&D.
     
   • Interakce se prostřednictvím herních mechanik ukázala jako efektivní pro doplňkové učení, kdy agenti sdílejí nápady či strategie.
     
4. Zlepšení rozhodovacích procesů
   • Výzkum potvrdil, že díky „hernímu“ kontextu a rozmanitým úkolům dokázali agenti lépe generalizovat a následně se orientovat i v úlohách mimo původní tréninkové scénáře.
     
   • Dochází ke zlepšení zejména v oblastech plánování, předvídání důsledků a kreativních řešení.
     
5. Aplikace výsledků
   • Metoda by mohla najít využití v reálných projektech, kde AI čelí nepředvídatelným nebo variabilním situacím (např. robotika, simulace, plánování misí).
     
   • Ukazuje se, že herní principy mohou být v tréninku AI stejně užitečné jako tradiční metodiky zaměřené na statická data nebo opakující se scénáře.
     

Článek tak přináší zajímavý pohled na to, jak lze prostřednictvím prvků z herního designu – konkrétně z Dungeons & Dragons – rozvíjet schopnosti umělé inteligence při řešení komplexních a neznámých úkolů.
 

---

Spojené království se chystá uvolnit umělou inteligenci pro obnovu země, premiér Starmer slibuje pracovní místa a růst



Podle článku na ReadWrite.com se šéf britské Labour Party Keir Starmer vyjadřuje k problematice umělé inteligence (AI) a zdůrazňuje, že Spojené království by mělo AI využít k podpoře ekonomického růstu a nových pracovních příležitostí, nikoli se jí obávat. Níže najdete klíčové body:

1. AI jako motor hospodářského růstu
   • Starmer vidí v umělé inteligenci obrovský potenciál pro zvýšení produktivity firem a transformaci tradičních odvětví.
     
   • Namísto strachu z poklesu pracovních míst kvůli automatizaci prosazuje postup, kdy by AI pomáhala vytvářet pracovní místa budoucnosti s vyšší přidanou hodnotou.
     
2. Vzdělávání a rekvalifikace
   • K dosažení přínosů z AI je podle Starmera nezbytné investovat do vzdělávání – zejména do oborů souvisejících s technologiemi, inovacemi a výzkumem.
     
   • Doporučuje programy, které podpoří rekvalifikaci pracovníků, aby se dokázali přizpůsobit novým pracovním příležitostem a nezůstali pozadu za rychle se měnícím trhem.
     
3. Regulace a etika
   • Starmer zdůrazňuje, že zodpovědné nakládání s AI musí být podpořeno vhodnými pravidly a regulacemi.
     
   • Podle něj je klíčové dbát na ochranu osobních údajů, bezpečnost algoritmů a prevenci diskriminace, ale zároveň nebrzdit inovace příliš přísnou legislativou.
     
4. Partnerství státní a soukromé sféry
   • Soukromé společnosti jsou v AI velmi aktivní, a proto by vláda měla s nimi spolupracovat na vývoji a implementaci AI technologií v různých odvětvích (zdravotnictví, doprava, výroba).
     
   • Optimální bude rovněž propojení s univerzitami a výzkumnými institucemi, aby se podařilo urychlit pokroky a společně vyřešit etické či technické otázky.
     
5. Mezinárodní konkurenceschopnost
   • Článek poukazuje, že Starmer nechce, aby Velká Británie zaostávala za USA nebo Čínou, jež do AI masivně investují.
     
   • Strategická podpora AI by podle něj mohla vynést Spojené království na špičku technologického pokroku a zvýšit jeho konkurenceschopnost na globálním trhu.
     

Celkově článek ukazuje, že Keir Starmer a Labour Party spatřují v umělé inteligenci příležitost k posílení hospodářského růstu a vytváření moderních pracovních míst. Zároveň kladou důraz na nutnost vzdělávání, rekvalifikací a dobře nastavené regulace, aby byla AI přínosem pro společnost, a ne hrozbou.