Vědci z Kalifornské univerzity v San Diegu v roce 2025 posadili stovky lidí do textového chatu se dvěma partnery najednou, jedním člověkem a jedním modelem, a nechali je hádat, kdo je kdo. Když model GPT-4.5 dostal instrukci hrát introvertní mladou osobu znalou internetového slangu, uhodli to lidé jen ve 27 procentech případů. Jinými slovy, ve 73 procentech případů usoudili, že mluví s člověkem, i když mluvili se strojem. Bez téhle konkrétní instrukce se úspěšnost modelu propadla na méně než polovinu. Ten rozdíl je důležitější než samotné číslo. Ukazuje, že otázka „kdo je chytřejší, člověk, nebo AI“ nedává úplně smysl. Lepší otázka zní, ve které konkrétní úloze a za jakých podmínek AI vyhrává, a kde naráží na limit, který se jen tak neposune.

Test, který AI nakonec prošla

Popsaný experiment provedli Cameron Jones a Benjamin Bergen a výsledky zveřejnili jako odbornou studii. Šlo o takzvaný třístranný Turingův test: vyhodnocovatel si dvacet minut povídal zvlášť s člověkem a zvlášť s modelem, a pak měl určit, kdo byl kdo. Podle autorů jde o první doložený případ, kdy umělý systém tenhle standardní test spolehlivě prošel.

Klíčové slovo je „spolehlivě prošel“, ne „je nerozeznatelný od člověka za všech okolností“. Bez pečlivě navržené persony model propadal. Starší GPT-4o dopadl v testu podprůměrně, hůř než čistě skriptovaný program ELIZA ze šedesátých let, který žádnou inteligenci nemá a jen mechanicky přeformulovává vstup. Schopnost projít testem tedy nestojí jen na síle modelu, ale i na tom, jak přesně mu zadáte, jakou roli má hrát.

Kde vyhrává rychlost bez únavy

V oblastech s jasně danými pravidly umí AI porazit člověka spolehlivě a už dlouho. Počítač Deep Blue porazil v roce 1997 tehdejšího mistra světa v šachu Garriho Kasparova, a od té doby žádný člověk proti nejlepším šachovým programům reálnou šanci nemá. O necelých dvacet let později program AlphaGo od Googlu porazil profesionálního hráče Lee Sedola ve go, hře s tak obrovským počtem možných tahů, že ji odborníci ještě pár let předtím považovali za bezpečnou před počítači na další dekádu.

Společný jmenovatel obou vítězství je jasně ohraničený prostor možností s jednoznačnými pravidly, kde jde spočítat obrovské množství variant rychleji, než to zvládne lidský mozek. Stejný princip funguje i mimo hry: model projde tisíce stránek textu za vteřiny, přeloží dokument do desítky jazyků najednou a nikdy neztratí koncentraci po osmi hodinách práce jako unavený člověk. Tam, kde jde úloha převést na jasně definovaný výpočet, má AI náskok, který se nezmenšuje.

Mamograf, který nešel na dovolenou

Zajímavější je pohled na hraniční oblast, kde se výhoda AI dá měřit, ale platí jen za konkrétních podmínek. Tým Googlu DeepMind v roce 2020 publikoval v časopise Nature studii, ve které natrénovaný systém hodnotil mamografické snímky téměř 29 tisíc žen z USA a Velké Británie. Systém ve srovnání s britskými i americkými specialisty snížil počet falešně pozitivních i falešně negativních výsledků, a v nezávislém testu proti šesti radiologům překonal všech šest.

Autoři studie ale nepředkládají výsledek jako důvod nahradit radiology softwarem. Zkoumali, jak by systém mohl fungovat jako druhý pár očí vedle člověka. AI v tomhle úzkém úkolu, rozpoznat vzorec na snímku, kde má obrovské množství trénovacích dat, dokázala něco měřitelně užitečného. To ale neznamená, že rozumí medicíně jako celku, umí mluvit s pacientkou o diagnóze nebo rozhodne, co udělat s nejednoznačným nálezem.

Snadné pro člověka, těžké pro stroj

Robotik Hans Moravec popsal už v osmdesátých letech jev, kterému se dnes říká Moravcův paradox: úkoly, které dospělému člověku připadají triviální, protože je zvládl bezděčně jako dítě, bývají pro počítač extrémně náročné, zatímco úkoly náročné pro člověka, jako je počítání s velkými čísly, zvládá počítač snadno.

Chytit letící míč, poznat obličej v přeplněné místnosti nebo přejít rušnou křižovatku odhadem, kdy stihnete přejít, dělá zdravý dospělý člověk bez přemýšlení. Robotická ruka, která má vzít ponožku z hromady prádla a srovnat ji s párem, na tom pořád pracuje roky vývoje a spoustu peněz, a i tak občas selže na detailu, kterého by si dítě ani nevšimlo. Jazykový model má podobný slepý flek jinde: umí popsat fyzikální zákon, ale nerozumí prostoru kolem sebe tak, jak mu rozumí tělo, které v něm vyrostlo.

Tvůrčí práce: rychlost variant, ne nutně originalita

U kreativní práce je srovnání zrádnější než u šachu nebo mamografu, protože chybí jednoznačné měřítko vítězství. Model dokáže během pár vteřin vygenerovat desítku variant loga, textu písně nebo úvodního odstavce článku, a řada z nich bude řemeslně v pořádku. To je jeho skutečná síla: rychlost a objem, ne nutně hloubka. Co model dělá, je statisticky pravděpodobná kombinace vzorů, které viděl v tréninkových datech, ne zkušenost, ze které by čerpal jako člověk. Když textař napíše píseň o rozchodu, opírá se o vlastní prožitý smutek, i když ho zpracuje do metafory. Model žádný rozchod nezažil, jen zná statisticky, jak podobné písně obvykle znějí. Výsledek může být řemeslně obstojný a přesto bude chybět to, co dělá umělecké dílo výjimečným, ne jen kompetentním. U rutinní tvůrčí práce, varianty reklamního sloganu nebo návrhu miniatury na video, tenhle rozdíl často nevadí. U díla, které má diváka nebo čtenáře skutečně zasáhnout, obvykle vadí.

Když si AI něco vymyslí a nepozná to

Druhá slabina je jiného druhu, netýká se fyzického světa, ale spolehlivosti faktů. Jazykový model občas vygeneruje informaci, která zní věrohodně, ale není pravdivá, ať jde o vymyšlenou citaci, špatné datum nebo neexistující zdroj. Tenhle jev, takzvané halucinace, dopodrobna rozebírá samostatný text o halucinacích AI, včetně toho, proč k nim dochází a jak je poznat. Pro srovnání s člověkem je podstatné tohle: člověk, který něco neví, to obvykle nějak naznačí, zaváhá, řekne „nejsem si jistý“. Model podobný signál nedává automaticky. Věta s vymyšleným faktem zní stejně sebejistě jako věta se skutečným faktem, a to je rozdíl, který se v žádné příští generaci modelů zatím úplně neztratil.

Úsudek, za který někdo nese odpovědnost

Tam, kde končí jasně definovaná úloha a začíná nejednoznačná situace bez jediného správného postupu, se poměr sil otáčí zpátky ve prospěch člověka. Rozhodnutí, jestli propustit zaměstnance, který udělal chybu poprvé po deseti letech bezchybné práce, nebo jak citlivě sdělit pacientovi špatnou zprávu, nejde spočítat jako tah v šachu. Vyžaduje kontext, zkušenost s konkrétními lidmi a ochotu nést za výsledek odpovědnost, kterou model nemá a nemůže mít. Podobně to platí u čtení mezi řádky, ironie, kulturních narážek nebo situace, kdy dva lidé říkají jedno a myslí druhé. Model reaguje na to, co je napsané nebo řečené, ne na to, co ví o konkrétním člověku před sebou z předchozích deseti let vztahu. Kde AI dnes tenhle rozdíl reálně mění pracovní pozice a kde ne, popisuje samostatně text o AI a budoucnosti práce, tenhle text se soustředí jen na to, co obě strany srovnání umí a neumí, ne na to, čí práci to promění.

Na co si dát pozor

Studie jako ta s mamografy nebo Turingův test se snadno zjednoduší na titulek „AI porazila člověka“, a to zastírá, jak úzce byly podmínky nastavené.

Mamografická studie testovala jeden konkrétní typ snímku podle přísného protokolu, ne obecnou schopnost diagnostikovat cokoliv. Turingův test prošel model jen s konkrétní personou a jen v krátké konverzaci, ne v libovolné situaci. Výsledek z jedné úzké úlohy neznamená, že model danou oblast ovládá obecně. Opačná chyba je stejně riskantní. Kdo AI paušálně odmítá s tím, že „stejně nerozumí ničemu“, přehlíží konkrétní, měřitelné výsledky, které nejsou marketingová fráze. Rozumnější přístup je ptát se u každé konkrétní úlohy zvlášť, jestli jde o jasně ohraničenou úlohu s dostatkem trénovacích dat, kde AI reálně vyniká, nebo o situaci s nejednoznačným kontextem a odpovědností za důsledek, kde má navrch pořád člověk.

Kdo vyhrál? Záleží, v čem

AI dnes spolehlivě vede tam, kde jde úloha spočítat nebo rozpoznat podle vzorce ve velkém množství dat: v šachu, ve hře go, i při rozpoznávání vzorců na mamografickém snímku. Člověk má navrch tam, kde chybí jasná pravidla, kde je potřeba fyzická zručnost v nepředvídatelném prostředí, nebo kde rozhodnutí nese osobní odpovědnost a vyžaduje čtení kontextu, který nikde nestojí černé na bílém. Nejužitečnější otázka není, kdo je celkově lepší, ale která konkrétní úloha před vámi právě leží.