Vlákno názorů k článku
Šestnáct Claude AI vytvořilo překladač jazyka C v Rustu od Dushino - Tak jeden programátor by něco takového dělal několik...

Ako myslite ze AI dokaze oklamat roky vyvoja v oblasti matematiky (to nie je iba o programovani) a napise len tak lepsi parser ako generator z BNF? To nie je o ziadnej novej a starej skole. To je o pristupe profik vs amater.

Nemyslím si, že AI dokáže oklamat roky vývoje ani matematiky, ani programování. Naopak si myslím, že MOŹNÁ v (brzké?) budoucnosti dokáže navázat a přijít s něčím novým. Specializované AI už něco takového dělají, ale masové nasazení to zatím není.
Starou školou bylo myšleno použití lex-u a yacc-u.
Já si vůbec nemyslím, že AI v dnešní podobě nahradí profíky. Když bych měl parafrázovat, co bylo řečeno i zde v diskusi, testovat je třeba každopádně, ať už kód od AI, profíka nebo amatéra. Samozřejmě je pak rozdíl, jak ten kód vypadá z pohledu bezpečnosti (tady bch AI věřil možná i na 50%, viz zprávy z poslední doby o nálezech bezpečnostních děr v letitém SW - a fakt nemyslím aféru s automaticky generovanými PR), udržitelnosti (když vypadne AI, měl by zde být někdo, kdo ten kód pochopí a dokáže udržovat. Zatím. Obávám se však, že se blíží doba, kdy budou výsledky AI perfektně funkční, ale člověk už nepochopí, proč.) a rozšířitelnosti (viz předchozí bod). Ale to jsou jen mé názory, to je nezajímavé. Zajímavější je pozorovat, jak schopnosti AI při designu i kódování SW rostou. A i v testech.

Když děláš nějaký transpiler, tak máš z počátku takové idealistické představy, že ten výsledný kód má být jako od programátora. Jenže pak zjistíš, že to nikdo nečte a nikoho nezajímá. A tak to vzdáš.

Jiná věc je ta, že v drtivé většině případů nepotřebuješ, aby si rozuměl Assembleru. Tím spíše, že cílových platforem a cílových Assemblerů může být více. A tak stačí jeden specialista na tisíc? vývojářů?

Tak jestli ten transpiler překládá do assembleru, bylo by rozhodně dobré tomu assembleru rozumět aspoň natolik, abych dokázal vyhodnotit, jestli dělá co má a pokud možno i jestli je výsledný kód efektivní, ne? Mám tady skrytý předpoklad, že chci, aby byl výsledek použitelný. Čímž se dostáváme na začátek ke sdělení článku, na který reagujeme.

12. 2. 2026, 07:32 editováno autorem komentáře

Nechápu souvislost.

Když bych ten můj příspěvek zkrátil, snažil jsem se říct: není poptávka.

Ale píše tam přece, že to má postavený nad Claude (běželo jich víc, ale to je asi jedno).

Píše
====
This was a clean-room implementation (Claude did not have internet access at any point during its development); it depends only on the Rust standard library.
====

Takže měl k dispozici akorát natrénovaný model ve více instancích + rust knihovnu, bez ničeho dalšího. Žádné hotové implementace čehokoliv, na čem by mohl dál stavět.

Claude je GPT (předtrénovaný model), to neznamená "akorát", ale "všechno co šlo sehnat" (trošku přeháním, ale je to blízko pravdě).

Samozřejmě že všechno, co šlo sehnat. Někdo brání profesionálovi, aby přečetl všechno, co jde sehnat? Samozřejmě nemluvím o nelegálním přístupu k ukradeným zdrojům. Pokud někdo něco zveřejní, musí počítat s tím, že si to někdo/něco přečte a zaktualizuje si tím své synapse/parametry. A pak tu "znalost" využije v další činnosti. Ať je to člověk nebo LLM. Já v tom až tak velký rozdíl nevidím. V obou případech použije akorát znalosti získané učením. Já to nepovažuji za "obšlehnuté zdrojáky". Ale každý to vidí jinak, což je taky v pořádku.

"Pokud někdo něco zveřejní, musí počítat s tím, že si to někdo/něco přečte a zaktualizuje si tím své synapse/parametry. A pak tu "znalost" využije v další činnosti. Ať je to člověk nebo LLM."

Tak zaprve LLM si parametry nezaktualizuje a zadruhe clovek a LLM fakt nejsou to same.

> clovek a LLM fakt nejsou to same
Ale vyzera to tak ze nejaka cast mozgu naozaj funguje podobne ako LLM.

======
Tak zaprve LLM si parametry nezaktualizuje
======

V čem tedy spočívá fáze učení?

Ta běží jednou a nedělá to LLM.

> Ta běží jednou
Moze bezat kolko krat chcete. Ale samozrejme pri beznom pouzivani sa uz neuci, vtedy sa uz iba pouziva.

Samozřejmě že to běží jednou, na všech těch vstupních datech, které jsou v daném čase k dispozici (je nepodstatné, zda trénink provádí samo LLM, nebo nějaké obslužné nástroje). Pak naučený model spustí, dají mu k dispozici znalosti ovládání svých agentů přes popisy v nějakých promptech (ani nemusí být lidsky čitelné, ale pořád jsou to návody), příp. nějaké programátorské postupy/prompty - tedy to co tvoří ten Claude Code. A dalším promptem tomu modelu s přístupem k pomocným nástrojům dali za úkol napsat ten kompilátor. Takže to co měl ten celý model k dispozici se pořád jenom to, co získal ve fázi učení + ty "vývojářské best practice" prompty. V čem se to liší od toho, co jsem napsal?

Nebo má Claude Code k dispozici nějakou lokální (bez přístupu na net) obrovskou databázi zkopírovaného ("obšlehnutého")/přechrou­paného knowhow, kterou by přes RAG průběžně konzultoval? To bych se divil, protože tam už by si dost zahrávali s autorskými právy, ale třeba jo... Tak jak to je?

9. 2. 2026, 19:45 editováno autorem komentáře

> na všech těch vstupních datech
A co su podla vas tieto vstupne data a ake su podla vas velke?

Jak s touto diskusí souvisí velikost trénovacích dat? Nikdo tu nerozporuje, že se při tréninku (tj. ladění parametrů modelu) používá vše, co je v daný čas dostupné (ať při prvním tréninku, nebo někdy později při "dotrénování" - možná je desetinné číslo modelu verze dotrénování, nevím, ale není to zde důležité).

A to natrénování != obrovskou databázi zkopírovaného ("obšlehnutého")/přechrou­paného knowhow, kterou by přes RAG průběžně konzultoval?

Dle mého názoru to stejné není. Je rozdíl při učení nastavovat váhy synapsí/parametry modelu, nebo si k příslušné otázce najít relevantní hotové texty a ty při vytváření odpovědi použít.

Ale on ich ten model takto ulozene ma. Iba nie tak ako si vy predstavujete ale ako slovicko s vazbou na dalsie slovicko a vahou k tomu slovicku. Skuste si pozriet ako funguje LLM. To nie je neuronova siet ako si ju vy pamatate.

Ale je. Zapomínáte totiž na embedding. Dál je tam typicky několik různých attention heads (takže vlastně několik neuronek v jedné), pak ještě výběr z nich a deembedding.

Takže sice je to prediktor dalšího tokenu, ale té abstrakce je tam tolik, že se to už klasickým markovovým řetězcům moc nepodobá.

Nicméně u starších modelů se opravdu stávalo, že to zvládlo replikovat i kus originálního textu.

Já v tam ten rozdíl nevidím.

Čistě co se informační teorie týče, tak skutečnost, že tam nikde není souvislý text ale je tam ten text rozpuštěný ve vahách nic nemění na skutenosti, že tam ta informace je. Jako byste chtěl tvrdit, že když zazipuju linuxové jádro, tak to jádro v tom archivu není.

Mno nevím, takovej Grok4 má (pokud mi teda nelže do očí) cca 3*10^13 bitů parametrů, a tréningová data odhaduje na 2-3*10^14 (při 1-1.5b na znak).

To rozhodně neodpovídá na "tam ta informace je". A ano, pokud ten linuxovej kernel zazipujete ztrátově, tak tam ten kernel opravdu není.

"blurry jpeg of web" není špatná merafora

Jak napsali už jiní. On ten text není ani v těch vahách. V těch váhách jsou zobecněné vztahy mezi něčím, čo byste mohl nazvat koncepty (embeddings). Je to vektor příznaků, ne to konkrétní slovo.

Prostě se ta NN naučila, že takto se píše smyčka. A zvlášť se naučila, že pro nějaký jazyk se používá konkrétní klíčové slovo. Člověk to dělá podobně.

Tak asi je to všeobecně známé, ale vyzkoušel jsem si na RAGu, že opravdu význam v embeddings není závislý na jazyku textu - nalezené podobné vektory na dotaz patřily významově podobným článkům v čj i aj, jazyk vliv neměl.

11. 2. 2026, 09:30 editováno autorem komentáře

Pokud si vyberete vicejazycny model. Ale asi bude cim dal tim tezsi neudelat to, protoze treba ten nejnovejsi model od Googlu uz je jenom vicejazycny :-)

https://docs.cloud.google.com/vertex-ai/generative-ai/docs/embeddings/get-text-embeddings#google-models

já nepsal natvrdo "obšlehnuté zdrojáky", ale ano, i tak by se to asi dalo hodnotit (jenže do těch modelů nevidíme, navíc současné modely nerady označují zdroje).

Pořád čekám, kdy se v IT objeví někdo, kdo na tom bude vydělávat po analýze zdrojáků (a teď se nebavím o morálce okolo celé genAI, to je na delší povídání někde u piva :-).

Myslíš něco jako SCO a hlavičkové soubory linuxu? :D Ti ani nepotřebovali ukazovat na zdroje pro učení LLM. Ale podařilo se jim vyrobit precedent ohledně triviálních podobností.

No něco takového. A nebo naopak - můžu si vzít cizí zdrojáky generované AI? Komu patří, protože mám pořád pocit, že autorské právo je v tomto případě na vodě (možná je autorský zákoník mířen na prompty a ne na výslednej kód???)

Tohle je komplikované, protože se to teoreticky vztahuje na jakýkoliv generovaný obsah. A ještě v každé zemi jinak.

A nemusí to být jen AI. Co takhle rendering 3d modelu? Model udělal člověk, ale ten finální render do fotky (včetně světel, odlesků atd.) dělal stroj. Nebo binárka programu, dneska je to taky možná víc práce překladače, než programátora (různé optimalizace atd). Zdrojáky jsou pochopitelně jasné.

A pak nastává problem s tím, když je součást vývoje nejenom to generování zdrojáků, ale i code review. Je plně zkontrolovaný kód práce AI nebo člověka? A bylo by to stejné, i kdybych ten kód nechal vyrobit třeba bashem nebo by hodně částí bylo upraveno pomocí tradičních, ale stále automatických nástrojů (třeba ten lex)?

Nedávno jsem zaznamenal tu přetahovanou o selfie makaka - https://en.wikipedia.org/wiki/Monkey_selfie_copyright_dispute - fotograf nachystal situaci, foťák, nastavení atd, ale makak stiskl spoušť.

Ty zdrojové kódy patří normálně autorovi. Tedy tomu co použil AI jako nástroj k jejich vytvoření. Stejně jako jakýkoli jiný nástroj, například štětec při malování obrazu. Za to zda tyto zdrojáky generované AI neporušují autorský zákon odpovídá autor. Tedy tomu co použil AI jako nástroj k jejich vytvoření. Jen je tu ještě licence konkrétního AI nástroje, na to pozor.

Podle českého práva ano. Podle práva v USA to je mnohem složitější. Protože tam se copyright na dílo musí registrovat a díla nevytvořená člověkem úřad odmítá. A týká se to i věcí generovaných AI.

Tak ono to s tím autorstvím je obecně divné. Když někdo napíše prompt na vygenerování obrazu, je to opravdu jeho autorské dílo? Občas si nechávám něco nakreslit za peníze od živých umělců. Napíšu svou představu, upřesním po dodání hrubého skeče, a zaplatím za hotové dílo. Můžu říkat že je to teď můj obraz? Ano. Můžu říkat že ze mě sepsání zadání dělá autorku? Těžko.

Na druhou stranu, jak se to liší od renderu nebo kompilace? Tam je taky většina výstupu vypočítaná nějakým nástrojem.

A třeba u editace fotek a různých retuší se dnes AI používá hodně. Či je pak ta finální fotka?

Tohle se právě hodně zajímavě řešilo u toho případu s makakem. Podle soudu v USA tradičně stačil netriviální vstup od člověka. Už vize nebo finální úprava stačila. U AI najednou copyright neplatí, pokud je tam netriviální vliv AI? To je najednou úplně obrácená implikace.

A co třeba takový Alexandre Dumas a jeho "továrna na romány"? Je autorem, nebo to jsou ti jeho ghostwriteři? Co mistři jako Michelangelo a další? Rozdal skici a my obdivujeme výtvory jeho bezejmenných dělníků. O software jakožto zaměstnaneckém díle ani nemluvě - de iure jsem autorem a náležejí mi osobnostní autorská práva, ale jak bych to prakticky dokazoval a vymáhal? Když zaměstnanci zadám úkol a popíšu mu algoritmus, jsem autorem já, nebo on, kdož to pouze převedl do konkrétního programovacího jazyka? Je na tabulkovém procesoru či Norton Commanderu podstatná implementace, nebo nápad? Co všechny ty unixové klony - nápad, nebo implementace? Co Sacherův dort - nápad, nebo konkrétní "implementace"? (kuchařské recepty jsou nejstarší doložené nehmotné statky podléhající právní ochraně - už ve starověku)

U zaměstnaneckého díla je to u nás v práci snadné, máme verzovací systém :D Ale osobnostní práva jsou celkem k ničemu, protože výhradní práva na užívání má ten zaměstnavatel.

Implementace vs. nápad je taky jednoduché rozhodnout. Autorské právo chrání pouze zdrojáky (jako literární dílo) a binárky (speciální případ v AZ pro software). Nápad se případně chrání patenty.

Ale diskuze je o problému s ochranou "mezivýstupů" - prompt samotný je chráněný (jako literární dílo), ale mezivýstup (zdrojáky) už někdy je a někdy není, i když tam autor dělal review, změny atd.

Ta argumentace prostě nepočítá s tím, že LLM nejsou jen další "kompilátor" z promptu (mezivýsledky z GCC nebo LLVM taky určitě chránit nejdou). Je to spíš asistent pro psaní kódu, který člověk dále upravuje (to samé foto a video).

Rozumiete tomu ako funguje LLM a na akych udajoch je trenovana? To ze nema 'aktualne' pristup k internetu znamena ze nevidi posledne commity. Inac ma komplet nacitany cely github a translacia medzi jazykmi je to co LLM ide velmi dobre.

Jistě. A pokud je ta abstrakce dobře udělaná, tak je to stejné jako náš mozek. Číst a učit se Vám taky nikdo nezakázal, jen nesmíte přímo kopírovat. Přepis do jiného jazyka nebo napodobení algoritmu je tudíž legální (dokud ta podobnost nepřekročí celkem vysokou míru).

Pak to tedy ještě trošku komplikují patenty, ale to už je jiný problém.