Učenie
Tréningový dokument
02 / POZRIME SA DOVNÚTRA
Slová sa menia na spojenia.
Prejdi nad slovom. Uvidíš, čo po ňom môže nasledovať.
Prázdne neuróny. Žiadne vedomosti.
Sivé krúžky ešte nemajú slová ani naučené spojenia.
Posuvníky zmenia aj dostupné slová pri generovaní.
Percentá znamenajú podiel výskytov medzi zachovanými následníkmi slova, nie istotu pravdivosti. Menej váh tu obmedzí slovnú zásobu a cesty. Kvalita skutočného LLM závisí aj od dát, architektúry a tréningu; cena ju neurčuje.
03 / JEDNO SLOVO ZA DRUHÝM
Odpoveď nevznikne naraz.
Vzniká slovo po slove.
Pozri sa na možnosti modelu v každom kroku.
Tvoj prompt
VSTUP → VÝSTUPNajprv nauč model na záložke Učenie.
Nasledujúce slovo
NAŽIVOKontext, ktorý model práve používa
Pri generovaní tu uvidíš kandidátov a ich vypočítané pravdepodobnosti.
Model nerozumie otázke ako človek. Výber úvodnej vety je jednoduché textové vyhľadávanie. Potom počítame pravdepodobnosti zo skutočných výskytov v tréningu, po obmedzení neurónov a spojení z mapy.
04 / KEĎ PLYNULOSŤ NESTAČÍ
Znie to presvedčivo.
A predsa to môže byť nesprávne.
Chýbajúci fakt + podobný kontext = priestor na halucináciu.
Čo je v tréningovom texte
DÔKAZ„Nemecká armáda nasadila viac ako tri milióny vojakov do invázie do Sovietskeho zväzu.“
druha-svetova-vojna.txt · invázia v júni 1941
Celkový počet amerických vojakov v druhej svetovej vojne v našom texte nie je uvedený.
Slová „nemecká“ aj „americká“ sa spájajú so slovom „armáda“. Podobné spojenie však neznamená rovnaký fakt.
Historický zdroj: US Holocaust Memorial Museum ↗Sleduj chybnú cestu v sieti
SIMULÁCIA CHYBYSpusti ukážku alebo postupuj po jednom slove. Kliknutím na neurón preskúmaj jeho úlohu.
Tu bude vznikať odpoveď. Chybná väzba sa rozsvieti načerveno.
Riadený scenár nad dodaným textom, nezávislý od vlastného tréningu. AI dokáže povedať „neviem“, ale samotné dopĺňanie pravdepodobných slov neoveruje fakty. Tu zámerne pokračuje aj bez správneho údaja.
Pravdepodobné slovo ≠ overený fakt. Bezpečnejšia odpoveď by bola: „V dostupnom texte tento údaj nemám.“ Ani vysoká pravdepodobnosť ďalšieho slova nezaručuje správnosť celej odpovede.
05 / OD SIMULÁCIE K REALITE
Dve siete.
Dva spôsoby učenia.
Mozog menia životné skúsenosti. Model mení svoje váhy počas tréningu.
Podobnosť prepojení ešte neznamená rovnaké fungovanie.
Človek
ŽIVÁ SIEŤNeurón je živá bunka. Synapsia je miesto komunikácie medzi bunkami. Počty sa medzi ľuďmi a odhadmi líšia; nie sú presnou konštantou.
Skúsenosť, pohyb a učenie môžu meniť štruktúru aj funkciu mozgu. Plasticita pretrváva počas života, hoci sa mení s vekom. BrainFacts / Society for Neuroscience ↗
GPT‑6 Astra
V overenej dokumentácii GPT‑6 Astra nie je uvedený počet parametrov ani úplná architektúra. Číselný odhad „neurónov“ by tu bol vymyslený. Parameter je naučené číslo, nie živá bunka.
Cutoff označuje časovú hranicu znalostí uvedenú pre model, nie dátum jeho posledného tréningu ani záruku znalosti všetkého pred týmto dátumom. Novšie informácie môže dostať v prompte alebo cez vyhľadávanie.
Čo sa stane, keď príde nová informácia?
KLIKNI A POROVNAJUkážka typického LLM s pevnými váhami pri používaní. Obe kresby vyššie zareagujú na vybraný dej.
Pripravený na novú skúsenosť
Klikni na prvé tlačidlo. V ilustračnom mozgu sa zmenia niektoré spojenia.
Naučené váhy sú pripravené
Pri bežnom generovaní sa používajú existujúce váhy. Rozhovor pridáva kontext, nie automaticky nový tréning.
Tretie tlačidlo je všeobecná ilustrácia tréningu, nie spustenie tréningu GPT‑6 ani funkcia jeho API. Pamäť aplikácie, kontext rozhovoru a preučenie váh sú rozdielne veci. OpenAI: kontext a optimalizácia modelov ↗
Počet spojení nie je skóre inteligencie.
Mozog a LLM sú veľmi odlišné systémy. Jedna synapsia sa nerovná jednému parametru a umelý „neurón“ sa nerovná biologickému. Z týchto počtov nemôžeme vypočítať, ako ďaleko je AI od ľudského mozgu. Doložený rozdiel je v stavbe a spôsobe učenia.
Čo je odhad, čo je zverejnené a odkiaľ sú čísla?
Mozog: približne 86 miliárd neurónov je často používaný odhad. Pôvodná štúdia uvádza priemer 86,1 ± 8,1 miliardy; nejde o presný počet pre každého človeka. Približne 100 biliónov synapsií je orientačný odhad UCLA. Štúdia ↗ · UCLA ↗
GPT‑6 Astra: cutoff 30. apríl 2026 a podpora vyhľadávania sú uvedené v dokumentácii. Počet parametrov v nej nie je. Preto nezobrazujeme nepodložený odhad. OpenAI ↗
Oprava názvu: overených 2,8 T parametrov patrí Kimi K3 od Moonshot AI. Modelová karta uvádza 104 miliárd aktívnych parametrov na token. Údaj 2,8 T pre Qwen sa nám nepodarilo doložiť. Oficiálna modelová karta Kimi K3 ↗
Jednotky: anglické B = miliarda = 10⁹. Anglické T = slovenský bilión = 10¹². Celkové parametre MoE modelu a parametre aktívne pri jednom tokene sú odlišné počty. Ani jeden nie je počtom biologických neurónov.
Stav overenia: 9. september 2026. Ide o uložený prehľad zdrojov, nie automaticky aktualizované živé údaje.
Kontext
Chat
LLM model
Čaká na správuInternet
Chat
LLM
PripravenýČaká na vyhľadávanie