5 tipů od Petra, vydání #202
Dnešní menu: Proč si jazykové modely vymýšlejí? Rychlý vývoj webu s Loveable. Jak na přesnější zadání pro kódování s pomocí AI. Služba Agent.ai. Jak na vytvoření 3000 podcastových epizod týdně.
Proč jazykové modely halucinují a proč za to může test
Halucinace jazykových modelů nejsou žádná “magická” chyba, ale statistická nutnost. Tak zní hlavní závěr nové studie výzkumníků z OpenAI a Georgia Tech.
Důvod? AI je jako student, který radši tipne, než by řekl „nevím“. A testy, které na ni používáme, ji v tom utvrzují.
Už při pre-trénování se jazykový model učí napodobovat jazyk tak, aby byl co nejvíc podobný datům, na kterých trénuje. Jenže když daný fakt v datech není (např. něčí narozeniny, které se zmínily jen jednou), model si ho musí „domyslet“. A i kdyby data byla čistá, chyby by vznikaly kvůli samotné matematice trénování. Konkrétně kvůli tomu, jak se model snaží předvídat nejpravděpodobnější výstupy.
Ještě zajímavější je to ale po tréninku. Když model ladíme a testujeme, většinou používáme binární metriky typu „odpověděl správně/špatně“. Jenže když model napíše „nevím“, dostane nulu. Když tipne a trefí se, má bod. Výsledkem je, že AI se učí radši tipovat než přiznat nejistotu.
Autoři studie navrhují řešení: změnit způsob hodnocení výstupů jazykových modelů. Třeba inspirovat se starými verzemi SAT testů, které penalizovaly špatné odpovědi a zvýhodňovaly ty, kdo přiznali, že si nejsou jistí. Model by pak měl instrukci typu: „Odpověz jen, pokud si jsi jistý alespoň na 75 %. Jinak napiš ‚nevím‘.“ Jednoduché? Ano. A účinné.
Studie ukazuje, že halucinace nejsou selhání modelu, ale důsledek toho, jak ho učíme a hodnotíme. Když změníme ta pověstná pravidla hry, tak můžeme dostat AI, které budou méně sebevědomě lhát a víc říkat pravdu, i když někdy jen přiznají, že si nejsou jisté.
To by asi bylo lepší, co říkáš?
Lovable.dev ti postaví web, zatímco si dáváš kafe
Pokud máš v hlavě nápad na web nebo aplikaci, ale nechceš (nebo nemůžeš) strávit týdny u kódu, zkus Lovable.dev. Je to platforma, která funguje na principu tzv. vibe codingu. Popíšeš, co chceš, a AI ti rovnou postaví web - jeho frontend, backend i databázi.
Nepotřebuješ znát frameworky, databázové ORM nebo jak rozjet hosting. Všechno zařídí za tebe. Tvoje práce? Formulovat zadání jako bys ho říkal kolegovi: „Chci web s přihlášením, správcem úkolů a tabulkou s přehledem.“
A co všechno to umí?
Navrhne databázi (přes Supabase), připraví API a napojí frontend.
Má chatovacího agenta, který ti pomáhá projekt ladit a doplňovat funkce.
Umožní ti dělat změny vizuálně nebo přímo v kódu, když chceš víc kontroly.
A pak to všechno nasadíš na vlastní doménu.
Lovable.dev se skvěle hodí na prototypy, MVPčka, interní nástroje i rychlé testování nápadů. Nebo třeba na landing pages. A ano, pořád je to beta, takže má své limity. Ale je to hodně zábavné.
Mimochodem, v roce 2025 už má přes 200 milionů dolarů v investicích a staví na něm spousta startupů svoje první produkty.
Jak využívat AI prakticky?
Přesně na to se zaměřuje můj online kurz Praktické využití AI v online marketingu, který startuje již v pondělí 15. září 2025. Není jen pro marketéry, ale pro každého, kdo chce mít AI jako pomocníka, ne jen hračku.
Projdeme si spoustu praktických ukázek v nástrojích jako jsou ChatGPT, Midjourney, NanoBanana, Canva, Make, Suno, Descript, CapCut, HeyGen, Eleven Labs a další.
Jádrem kurzu je minimum teorie a spíš ukázat, jak lze AI nástroje používat a jak ti mohou pomoci zefektivnit tvoji práci. Ať už jsi podnikatel, freelancer nebo zaměstnanec.
👉 Na účastníky čeká celkem 6 podvečerů živého vysílání + záznamy a prompty k volnému použití.
Více informací a přihlášky najdeš na: https://online21.cz/prakticke-vyuziti-ai-v-online-marketingu-online-kurz
Těším se, že spolu v září prozkoumáme, jak AI využít naplno.
GitHub Spec Kit: AI ti líp pomůže, když ví, co vlastně chceš
Pokud chceš do světa vibe codingu zabřednout ještě hlouběji, tak tě upozorním na Spec Kit od GitHubu - open-source nástroj, který tě vede krok za krokem k tomu, aby vznikla dobrá specifikace. A tu pak můžeš použít nejen jako dokumentaci, ale jako zadání pro AI vývoj.
Spec Kit zavádí do vývoje tzv. spec-driven development. To je přístup, kdy je specifikace výchozím bodem celého projektu. Díky tomu se pak můžeš opřít o AI (Copilot, Gemini CLI nebo Claude), aniž bys riskoval, že ti kód generuje něco úplně jiného, než jsi chtěl.
Specifikace má 4 fáze:
Specify - co chceš postavit a proč, z pohledu uživatele
Plan - jak to bude vypadat technicky
Tasks - rozpad na menší úkoly
Implement - samotné psaní kódu
Každý krok má svůj formát a šablonu. Přes CLI nástroj specify si vytvoříš projekt a postupně ho vyplníš. Výhoda? Specifikace je přehledná, konzistentní a AI ji chápe jako závazný kontrakt a ne jako volný popis.
Tady je ukázkové video, jak se se Spec Kitem pracuje:
Spec Kit se hodí hlavně pro nové projekty, feature návrhy nebo refaktoring. Pokud jsi někdy měl pocit, že AI “kóduje od boku”, tohle je způsob, jak tomu dát řád. A tvé budoucí já (a tvůj tým) ti za to poděkují.
Agent.ai: Když chceš AI, která opravdu něco udělá
Spousta AI nástrojů umí odpovídat, radit nebo shrnovat. Ale Agent.ai jde dál.
Agent.ai je totiž platforma pro tvorbu a správu tzv. AI agentů. To jsou inteligentní pomocníci, které si nastavíš pro konkrétní úkol. Od odpovídání na e-maily přes správu zákaznických dotazů až po práci s daty. Nejde o jeden chatbot, ale o celé workflow, kde si nastavíš pravidla, kroky, integrace. Vizuálně, bez kódu.
Co agent umí? Například:
Automaticky odpovídat zákazníkům na základě tvého FAQ nebo CRM.
Propojovat se s API nebo databázemi a reagovat na data v reálném čase.
Řídit vícekrokové úlohy (např. “když se objeví nový klient, zaregistruj ho, pošli uvítací e-mail a založ složku”).
Díky přehlednému editoru můžeš agenta ladit, testovat i sdílet s týmem. Existuje i knihovna předpřipravených agentů, které můžeš vzít, upravit a rovnou použít.
A hlavně - kvůli tvorbě AI agentu nemusíš umět programovat.
Pokud chceš, aby AI přestala jen radit a začala makat, Agent.ai stojí za vyzkoušení.
Vytvoření podcastu za pouhý jeden dolar? Inception Point AI ukazuje, že to jde
Představ si, že každý týden vyprodukuješ 3 000 podcastových epizod. Bez studia, bez střihače, bez moderátora. Jen s pomocí AI. Přesně to dělá americký startup Inception Point AI, který buduje síť pořadů moderovaných plně umělými osobnostmi. A celá tvorba jedné epizody je u nich levnější než to pověstné kafe. Stojí totiž zhruba jeden dolar.
Za projektem stojí bývalá COO Wondery Jeanine Wright a její cíl je jednoduchý: škálovat obsah do takové míry, že se i velmi úzké publikum (třeba 50 lidí) vyplatí obsluhovat. Podcast o pylové situaci v Ohiu? Jasně. Minutové ticho s názvem A Moment of Silence? Proč ne. Vše, co má byť jen malý zájem, lze zreplikovat a rozšířit.
Obsah vzniká pomocí 184 AI agentů, kteří kombinují různé velké jazykové modely (včetně OpenAI, Claude, Perplexity, Gemini). AI vybírá témata, tvoří scénáře, skládá audio a přiřazuje „hlasové“ osobnosti jako Clare Delish (food expert) nebo Nigel Thistledown (zahradník a milovník přírody).
A to není ještě všechno. Firma pracuje i na AI influencerech, kteří by vystupovali na sociálních sítích nebo v budoucnu i v literatuře. Zatím je všechno transparentní: každý AI host se na začátku epizody představí jako ne-lidský. Ale kam to povede dál, si už představit dokážeš sám.
Zajímá tě to? Mrkni na jejich produkci třeba přes „Quiet Please Podcast Network“.
Děkuji ti za přečtení tohoto vydání 5 tipů od Petra a přeji ti krásný víkend!
P.S. Další tvorbu 5 tipů od Petra, můžeš podpořit na tomto odkazu jednorázovým příspěvkem podle tvého uvážení.
Já ti za to předem moc děkuji a slibuji, že tvůj příspěvek použiji na čerstvou dávku kofeinu pro povzbuzení při psaní! :-)
5 tipů od Petra můžeš také doporučit svým kamarádům. Stačí kliknout na toto tlačítko: