Ale AI nekopíruje kód z trénovacích dat. AI má naučené vzory, které pak aplikuje na konkrétní zadání a kód. Stejně jako lidé.
Lidé zvládají univerzálnější škálu vzorů, což dělá kvalitativní rozdíl mezi lidskou AI případně obecnou AI a současnou AI. Ale při programování s AI to potřebné z univerzální inteligence dodá programátor v promptu a pro zbytek už často stačí ta specializovaná AI.
Snažit se diskvalifikovat AI na tom, jak se učí, je marné. Učí se stejnou metodou, jako lidé – je vystavena příkladům a z nich se naučí vzory. Jediný rozdíl je v tom, že lidem stačí podstatně méně vzorů na naučení se toho stejného (a velice pravděpodobně mají mnohé základní vzory už vrozené – nemyslím reflexi, ale třeba kauzalitu).
Heh, syn o vikendu programoval na webu blokly (tusim) nejake kachnicky na rybnice. Jsem si dost jist ze vyznamu kodu nerozumel, porad ma problem s chapanim co to je funkce, co jsou vstupy a vystupy, ale presto byl schopen naklikat nejakou uspesnou kachnu kopirovanim ctrl+c,ctrl+v z jinych zdrojaku.
A zarucuju ze syn neni umela inteligence, ale celkem realna a schopna ziva inteligence!
Ne, nedělalo se to "před AI bez AI". Dělalo se na tom stále. Kdo zná historii SQL, resp. SEQUEL nebo to, čemu se v 80. letech říkalo "počítače 5. generace", tak ví, co myslím. A psalo se o tom úplně stejně. "Programátoři nebudou potřeba, všichni budeme mluvit s počítači SQL". Dokonce to bylo i ve Startreku :). Teď vývoj prostě postoupil dál. Ano, je to skok. Asi podobný, jako bylo papírové účetnictví vs zmíněné SQL. A někoho napadlo, že když jazykové modely pojmenujou "inteligence", tak z toho budou mít víc peněz.
PS: o lidském mozku jsem nic nepsal.
Komplexnost? Ne. Ani ty největší modely nemají dost neuronů.
Způsob myšlení? Velice pravděpodobně jsou LLM už hodně podobné, minimálně lidem co "přemýšlí ušima". Jednoduše řečeno, přemýšlí mluvením sami k sobě (v duchu).
Ty současné modely hodně připomínají přesně tento způsob přemýšlení. Ten agent si povídá a tím si generuje další a další kontext a odvozené informace.
Existují i lidé co přemýšlí vizuálně a ty úplně namapovat neumím.
Nicméně existují opravdu zajímavé "emerging behavior" v závislosti na velikosti těch LLM modelů. Věci, které nikdo nenaprogramoval, ale objevily se "samy od sebe". A dá se to dost zajímavě srovnávat s vzorci u jednodušších živočichů v závislosti na velikosti jejich "mozků".
Ano, pořád je to jenom statistika. Podotýkám, že AI používám k vývoji denně asi tak 95 % pracovního času; moc vlastního kódu jsem za posledních pár měsíců nenapsal. Ale to neznamená, že to není pořád jenom statistika. Nemluvě o tom, že nahodit nějakou funkcionalitu v průměrné (čili nic moc) kvalitě na zelené louce dokáže kdejaký patlal i bez AI, to žádné umění samo o sobě fakt není a nebylo ani před AI.
Statistika nevylučuje tvůrčí činnost. Lidský mozek je také jen „statistika“ (jak tomu vy říkáte), ale panuje všeobecná shoda, že je tvůrčí.
Celkem by mne zajímalo, jak definujete tvůrčí činnost – protože nástroje pro AI programování vytváří kód, ve kterém jsou vyřešené věci, které v zadání nebyly, přímo z něj neplynou a které je možné řešit mnoha různými způsoby (a nebo vůbec neřešit). To podle vás není tvůrčí činnost?
AI agenti pro programování jsou vylepšené našeptávače asi tak stejně, jako je letadlo vylepšená vzducholoď.
"AI agenti pro programování jsou vylepšené našeptávače asi tak stejně, jako je letadlo vylepšená vzducholoď." - To je přesný příklad. A pořád o letadlu netvrdíme, že je to anděl.
PS: já osobně tvrdím, že AI je vylepšený pazourek. Pořád je to jenom nástroj.
A definice tvůrčí činnosti a inteligence? Inteligence není o tom, že ví všechno. To je slovník. Inteligence hledá a přemýšlí nad problémy. Definuje zadání. Klade otázky! A vybírá si nástroj, který je nejlépe pomůže ty otázky zodpovědět.
15. 3. 2026, 09:30 editováno autorem komentáře
A pořád o letadlu netvrdíme, že je to anděl.
To netvrdíme ani o AI.
Pořád je to jenom nástroj.
To je i počítač, internet nebo jaderná elektrárna. To, že je něco „jen nástroj“, neznamená, že to nepřináší kvalitativně nové možnosti.
A definice tvůrčí činnosti a inteligence?
Ne, definice tvůrčí činnosti. Psal jste, že AI při programování neprokazuje tvůrčí činnost. Protože tvůrčí činnost je u lidí podmínkou vzniku autorského díla, ptal jsem se právě na tu tvůrčí činnost. Vy neodpovídáte na tvůrčí činnost, ale na inteligenci.
> Inteligence hledá a přemýšlí nad problémy. Definuje zadání. Klade otázky! A vybírá si nástroj, který je nejlépe pomůže ty otázky zodpovědět.
Mi přijde že tohle současní agenti dělají. Ne dokonale (leckterý junior programátor také), ale dělají. Ale možná by pomohlo, kdybyste uvedl nějaké konkrétní příklady.
Jediný podstatný rozdíl je v tom, že člověk obvykle ví, že nic neví, takže místo halucinování si to prostě jde nastudovat.
Na druhou stranu, někdy koncem léta loni vyšla studie, která zvýšenou formu halucinací dávala do souvislosti se způsobem, jakým jsou modely trénované (malá penalizace chybné odpovědi vs. velká penalizace ne-odpovědi), takže možná i to je otázka času.
Zde https://arxiv.org/abs/2509.04664
(pravda, LLM mi muselo pomoct jí znovunajít)
AI agent by si měl nové API nastudovat z dokumentace nebo použití, stejně jako to dělá lidský programátor. Určitě to není tak, že by se AI agent vyznal jen v kódu, který viděl při trénování. Některé knihovny nejspíš LLM „zná“ už z toho, jak byl trénován, ale pravděpodobně se to týká jen hodně používaných knihoven.
Tohle ale AI modeluje taky. Dlouhodobá paměť jsou vzory, tj vnitřek té neuronky. Krátkodobá paměť je kontextové okno a co si claude uloží jako memory.md (v tom pak vyhledává).
Ty agentní neuronky normálně hledají v dokumentaci a okolním kódu, nemají všechno natvrdo zadrátované do modelu. Ten model už hlavně řídí chování a volání nástrojů.
> Dlouhodobá paměť jsou vzory, tj vnitřek té neuronky. Krátkodobá paměť je kontextové okno a co si claude uloží jako memory.md (v tom pak vyhledává).
Ale vždyť o tom mluvím. Tenhle rozdíl je dost podstatný, pokud mi kontextové okno nestačí, protože se změnil kód v závislostech, musím čekat na další verzi modelu. Pokud vyjde nová verze knihovny, jako člověk to do long-term memory dostanu prakticky hned, s poněkud odlišnými energetickými nároky.
memory.md to v tomhle případě nenahradí, kontextové okno je pořád limit.
LLM ne ale Agent vicemene ten koncept zna. pojdme si vzit historii, 2022 LLM chatbot odpovida na otazky, 2023 prichazi RAG a tedy domain-specific znalost, 2024 prinesl tool calling agenty (tedy konecne neco umi vykonavat), 2025 mainsteam implementace multiagent paternu s advanced context managementem no a na koci roku 2025 a zacatkem roku 2026 se objevuji memory enabled agenti, to jsou vsechny to todo listy, scratchboardy. Tady se musi hlavne pochopit Agent != LLM. pokud zacnete pouzivat novou knihovny, tak agent si je bez problemu osaha a klidne muze ulozot do kratkodobe pameti, kterou muze kdykoliv inicializovat, experimentalne mam overeno, jedine co mu k tomu stacilo si precist header file and eventualne zdrojak. Ja osobne jsem kratkodobou pamet v Agentovi take implementoval., dokonce i RAG se da takto implementovat a v nekterych pripadech to je mnohem lepsi nez tradicni RAG, uz jsme se opravdu architectoncky dostali mnohem dale nez promt chaining, je pravda, ze bez tool calling by to nebylo mozne. dnes pro domain specific task clovek klidne vystaci s 8-20b llm modelem v takovem setupu. Idealni je mit jeste k tomu nejaky python fine tuned model a puthon execution sandbox tool. pak byste se divil co takovy model dokaze. minuly rok jsem takhle ve svem, vlastnim agentovi predhodil openapi specifikaci a gpt-oss 20b si stim poradila na jednicku a jeste mi k tomu kreslilo grafy pomoci matplotlib.