E-book umělá inteligence: od prvního neuronu po AI agenty

Co v e-booku najdete

1. Kapitola 1 Co je umělá inteligence a proč ji pochopit

   Co si pod pojmem umělá inteligence představit, jak do sebe zapadají strojové učení, neuronové sítě a generativní AI a jak s touto knihou pracovat.

2. Kapitola 2 Předchůdci: automaty, logika a stroje, které počítaly

   Od mechanických automatů a Llullových kotoučů přes Leibnizovu dvojkovou soustavu, Babbageův stroj a Adu Lovelace po Booleovu logiku a Čapkovy roboty.

3. Kapitola 3 Alan Turing a otázka „mohou stroje myslet?“

   Turingův stroj jako model každého výpočtu, luštění Enigmy, první elektronické počítače a slavná imitační hra, které dnes říkáme Turingův test.

4. Kapitola 4 Dartmouth 1956 a zrod oboru: zlatý věk optimismu

   Letní seminář, který dal oboru jméno, symbolická umělá inteligence, první programy dokazující věty a hrající hry, jazyk LISP, chatbot ELIZA a předpovědi, které se nesplnily.

5. Kapitola 5 První umělý neuron: od McCullocha a Pittse k perceptronu

   Jak vznikl první matematický model neuronu, jak se perceptron učil rozpoznávat vzory – vysvětleno na příkladu, který si spočítáte tužkou na papíře – a proč na konci 60. let narazil na hranici.

6. Kapitola 6 AI zimy: když se sliby srazily s realitou

   Proč po velkém nadšení dvakrát přišlo zklamání a škrty ve financování, co byly expertní systémy, proč se zhroutily – a co z toho plyne pro dnešní vlnu kolem AI.

7. Kapitola 7 Strojové učení: učit se z dat místo pravidel

   Jak se počítač učí z příkladů, tři druhy strojového učení, rozhodovací stromy, filtr spamu, doporučovací systémy a posilované učení – a proč se model, který se naučí příklady nazpaměť, v praxi neosvědčí.

8. Kapitola 8 Neuronové sítě zevnitř: jak se síť učí

   Vrstvy, váhy a aktivační funkce, chyba a gradientní sestup („scházení z kopce v mlze“), zpětné šíření chyby a rozdíl mezi tréninkem a používáním modelu – vysvětleno bez vzorců, na příkladech, které si spočítáte.

9. Kapitola 9 Data, výkon a první velká vítězství

   Jak internet přinesl obrovské množství dat, proč na výkonu počítačů záleželo víc než na chytrých nápadech, jak Deep Blue porazil Kasparova, co se stalo v soutěži Netflix Prize a jak Watson vyhrál televizní kvíz.

10. Kapitola 10 Revoluce hlubokého učení: sítě, které vidí, slyší a hrají

    AlexNet a průlom v rozpoznávání obrázků, jak konvoluční síť „vidí“, rekurentní sítě a řeč, slova jako vektory, generativní sítě GAN a AlphaGo s legendárním tahem 37.

11. Kapitola 11 Transformer a jazykové modely: jak stroj předpovídá další slovo

    Článek „Attention Is All You Need“, mechanismus pozornosti vysvětlený na příkladu, tokeny a vektory, jak model generuje text slovo po slově, BERT a GPT, škálování a učení z příkladů v zadání.

12. Kapitola 12 ChatGPT a generativní AI: technologie pro každého

    Jak se z jazykového modelu stal ochotný asistent (doladění a RLHF), proč ChatGPT obletěl svět, GPT-4, Claude, Gemini a otevřené modely, jak vznikají obrázky z textu a jak na nástup generativní AI reagovala společnost.

13. Kapitola 13 Od chatbotů k agentům: AI, která přemýšlí a jedná

    Modely, které „přemýšlejí“ před odpovědí, levné otevřené modely, AI agenti, kteří sami plní úkoly v počítači, standard MCP pro napojení na systémy, a pravidla AI Actu, která začala platit. Stav k říjnu 2026.

14. Kapitola 14 AI v praxi dnes: jak je postavená AI aplikace a kde pomáhá

    Z čeho se skládá moderní AI aplikace – model, znalosti přes RAG, nástroje přes MCP, paměť, pravidla a schválení člověkem – a jak se AI využívá ve výrobě, zdravotnictví, financích, školství i doma.

15. Kapitola 15 Rizika, etika a regulace: na co si dát pozor

    Halucinace, předsudky v datech, deepfaky a podvody, soukromí a GDPR, autorská práva, spotřeba energie a pravidla AI Actu – srozumitelně a s praktickými radami, jak se rizikům bránit.

16. Kapitola 16 Budoucnost a jak začít: co nás čeká a co dělat už dnes

    Co je v příštích letech pravděpodobné, jak rozumně uvažovat o debatě kolem obecné umělé inteligence, jak se mění práce, které dovednosti se vyplatí a třicetidenní plán pro začátečníky.

17. Příloha A Velká časová osa umělé inteligence

    Přehled nejdůležitějších milníků od Babbageova stroje po AI agenty, rozdělený do pěti období. U každého milníku najdete odkaz na kapitolu, která ho vysvětluje.

18. Příloha B Slovníček pojmů

    Přes osmdesát pojmů z umělé inteligence vysvětlených jednou až třemi větami – od aktivační funkce po zpětné šíření chyby – s odkazem na kapitolu, kde se o nich dozvíte víc.

19. Příloha C Zdroje a doporučené čtení

    Klíčové původní práce a dokumenty, ze kterých kniha vychází, seřazené podle kapitol, a doporučené články a kurzy pro další studium.

Proč si e-book o umělé inteligenci přečíst

Umělá inteligence mění způsob, jakým pracujeme, učíme se i rozhodujeme – a kdo jí rozumí, používá ji lépe a bezpečněji. E-book vám dá pevný základ: pochopíte, odkud se dnešní AI vzala, proč někdy chybuje a co od ní čekat. Pokud vás téma chytne, navazuje na něj kurz umělé inteligence pro začátečníky nebo bezplatný online kurz základů AI.