Základy umělé inteligence pro začátečníky

Subject: Po absolvování tohoto školení budou účastníci schopni porozumět základním principům a fungování umělé inteligence (AI) a aysvětlit klíčové pojmy, jako jsou strojové učení, generativní AI, neuronové sítě a automatizace

Category: Training

Created: 2026-09-05 00:00 Created By: IGOR

Updated: 2026-09-11 06:31 Updated By: IGOR

Link to QASK test

Cíl školení

Po absolvování tohoto školení budete:

• rozumět základním pojmům umělé inteligence,
• znát rozdíl mezi AI, strojovým učením a hlubokým učením,
• umět identifikovat možnosti využití AI v praxi,
• rozumět výhodám a rizikům používání AI,
• umět navrhovat jednoduché scénáře využití AI ve firmě.

1. Co je umělá inteligence?

Umělá inteligence (Artificial Intelligence, AI) je oblast informatiky, která se zabývá vytvářením systémů schopných vykonávat úkoly, které obvykle vyžadují lidskou inteligenci.

Mezi tyto úkoly patří:

• učení z dat,
• řešení problémů,
• rozpoznávání obrazů,
• porozumění textu,
• překlad jazyků,
• plánování a rozhodování.

Příklady AI z každodenního života

• hlasoví asistenti,
• doporučovací systémy,
• navigační aplikace,
• chatboti,
• automatické překladače,
• inteligentní vyhledávače.

Zamyslete se

Kde ve svém pracovním nebo osobním životě využíváte AI?

2. Historie a vývoj AI

Vývoj umělé inteligence začal v polovině 20. století.

Významné milníky

3. Typy umělé inteligence

3.1 Úzká AI (Weak AI)

Je navržena pro vykonávání konkrétního úkolu.

Příklady

• chatboti,
• spam filtry,
• doporučovací systémy,
• hlasoví asistenti.

Většina dnešních AI systémů patří do této kategorie.

3.2 Obecná AI (Strong AI)

Hypotetická AI, která dokáže myslet a učit se podobným způsobem jako člověk.

Takový systém zatím neexistuje.

3.3 Superinteligence

Teoretická forma AI, která by mohla překonat lidskou inteligenci ve všech oblastech.

Je předmětem vědeckých, etických a filozofických diskusí.

4. Strojové učení (Machine Learning)

Strojové učení je podmnožinou umělé inteligence.

Namísto programování všech pravidel se systém učí z dostupných dat.

Jednoduchý příklad

Pokud modelu ukážeme tisíce obrázků koček a psů, postupně se naučí tato zvířata rozlišovat.

4.1 Učení s učitelem

Model se učí z označených dat.

Příklad

Výsledkem je model schopný klasifikovat nové obrázky.

4.2 Učení bez učitele

Model pracuje s neoznačenými daty.

Jeho cílem je identifikovat skryté vzory a souvislosti.

Příklad

Segmentace zákazníků podle jejich chování.

4.3 Posilované učení

Model se učí na základě odměn a penalizací.

Příklad

AI v počítačové hře:

• správná akce = odměna,
• nesprávná akce = penalizace.

Postupně se tak učí správnou strategii.

5. Hluboké učení (Deep Learning)

Hluboké učení je pokročilá forma strojového učení.

Používá neuronové sítě inspirované fungováním lidského mozku.

Hlavní vlastnosti

• práce s velkým množstvím dat,
• automatické rozpoznávání vzorů,
• vysoká přesnost.

Oblasti využití

• rozpoznávání obličeje,
• rozpoznávání hlasu,
• zpracování textu,
• autonomní vozidla,
• medicínská diagnostika.

6. Zpracování přirozeného jazyka (NLP)

Natural Language Processing (NLP) umožňuje počítačům pracovat s lidským jazykem.

Schopnosti NLP

• čtení textu,
• porozumění významu,
• překlad jazyků,
• sumarizace dokumentů,
• odpovídání na otázky,
• generování textu.

Příklady

• Microsoft Copilot,
• ChatGPT,
• automatické překladače,
• hlasoví asistenti.

7. Generativní AI

Generativní AI dokáže vytvářet nový obsah na základě dat, na kterých byla natrénována.

Dokáže generovat

• text,
• obrázky,
• prezentace,
• videa,
• programový kód.

Praktické využití

• tvorba dokumentace,
• návrhy e-mailů,
• marketingový obsah,
• generování obrázků,
• pomoc při programování.

8. Využití AI v podnikání

Zákaznická podpora

• chatboti,
• automatické odpovědi,
• analýza zpětné vazby.

Marketing

• personalizace kampaní,
• tvorba obsahu,
• segmentace zákazníků.

Prodej

• doporučování produktů,
• predikce poptávky,
• analýza chování zákazníků.

IT

• bezpečnostní analýza,
• automatizace úkolů,
• zpracování logů.

Lidské zdroje

• podpora náboru,
• plánování školení,
• analýza životopisů.

9. Výhody AI

Vyšší efektivita

AI dokáže zpracovat velké množství dat v krátkém čase.

Automatizace rutinních úkolů

Zaměstnanci se mohou věnovat důležitějším aktivitám.

Lepší rozhodování

AI pomáhá identifikovat trendy a skryté souvislosti.

Nepřetržitá dostupnost

Služby založené na AI mohou fungovat 24 hodin denně.

10. Rizika a omezení AI

Kvalita vstupních dat

Výsledek závisí na kvalitě poskytnutých dat.

Nesprávné odpovědi

AI může vytvářet nepřesné nebo zavádějící informace.

Ochrana údajů

Je důležité zajistit ochranu osobních a citlivých údajů.

Etické aspekty

Při využívání AI je třeba dbát na:

• transparentnost,
• spravedlnost,
• odpovědnost,
• ochranu soukromí.

11. Doporučené postupy při zavádění AI

1. Identifikujte vhodné procesy

Vyberte oblasti, kde může AI přinést největší hodnotu.

2. Začněte pilotním projektem

Nejprve ověřte výsledky na menším vzorku.

3. Sledujte výsledky

Vyhodnocujte:

• úsporu času,
• kvalitu výstupů,
• přínosy pro organizaci.

4. Dodržujte legislativu

Respektujte interní pravidla i platné zákony.

5. Vzdělávejte uživatele

Pravidelná školení zvyšují efektivitu využívání AI.