Jedno percento ešte nie je zákon. Výsledok môže platiť iba pre konkrétny model, zariadenie, vzorku alebo laboratórne podmienky. Preto pri týchto štatistikách o umelej inteligencii nechávame písmená čitateľné.
Zaujímavosti o AI, ktoré ukazujú neuveriteľné tempo vývoja
1. Koľkokrát narástol výpočtový tréning najväčších modelov?
Podľa výskumnej organizácie Epoch AI vzrástlo množstvo výpočtov na tréning špičkových jazykových modelov od roku 2020 10 000-násobne. Dlhodobý trend zodpovedá zdvojnásobeniu každých 5,2 mesiaca. Neznamená to automaticky rovnaký rast inteligencie, ale vysvetľuje, prečo dátové centrá pripomínajú priemyselné závody.
2. Koľko môže stáť jediný veľký tréning AI?
Odhady Epoch AI ukazujú, že náklady na tréning najväčších modelov sa od roku 2020 zvyšovali 3,5-násobne ročne a zdvojnásobovali každých sedem mesiacov. Tréningy v roku 2024 sa približovali k 390 miliónom dolárov. Ide o odhady hardvéru a energie, nie účtenku, ktorú laboratórium zverejnilo pri pokladni.
3. Ako mohla tá istá úroveň AI zlacnieť 280-násobne?
Stanfordský AI Index vypočítal, že cena spracovania jedného milióna tokenov systémom na úrovni GPT-3.5 klesla medzi novembrom 2022 a októbrom 2024 viac než 280-násobne. Zaujímavé fakty o umelej inteligencii teda nie sú iba o raste. To, čo bolo technologickou atrakciou, sa za dva roky zmenilo na lacnú súčasť bežnej aplikácie.
4. Zdvojnásobuje sa „pracovný záber“ agentov každých sedem mesiacov?
METR meria, akú dlhú softvérovú úlohu dokáže AI agent dokončiť s 50-percentnou úspešnosťou podľa času potrebného ľudskému expertovi. V dátach z rokov 2019 až 2025 sa tento horizont zdvojnásoboval približne každých sedem mesiacov. Autori upozorňujú, že výsledok závisí od skladby úloh a pri dlhých zadaniach sú ľudské časy čiastočne odhadované.
5. Dokáže AI zrýchliť predpoveď počasia z hodín na minútu?
Model GraphCast vytvoril desaťdňovú globálnu predpoveď za menej než minútu na jedinom akcelerátore. V porovnaní s vtedajším špičkovým numerickým systémom bol presnejší vo viac než 90 % z 1 380 hodnotených premenných a časov. Klasické modely však nezmizli — dodávajú fyzikálne dáta, na ktorých sa AI učí.
Fakty o AI, ktoré menia vedu, medicínu a programovanie
6. Môže AI zrýchliť kód používaný biliónkrát denne?
AlphaDev našiel nové postupy triedenia krátkych zoznamov, ktoré boli až o 70 % rýchlejšie; pri viac než 250 000 položkách bolo zrýchlenie približne 1,7 %. Algoritmy sa dostali do knižnice LLVM libc++, takže ich používajú reálne programy. Malá úspora jednej inštrukcie je zaujímavá práve preto, že triedenie prebieha biliónkrát denne.
7. Koľko bielkovín už má štruktúru predpovedanú pomocou AI?
Databáza AlphaFold ponúka otvorený prístup k viac než 200 miliónom predpovedí proteínových štruktúr. Do októbra 2025 ju použili vyše tri milióny ľudí v 190 krajinách. Predpoveď nie je náhradou každého laboratórneho experimentu, ale dramaticky zužuje priestor, v ktorom vedci hľadajú odpoveď.
8. Objavila AI milióny materiálov, ktoré ešte neexistovali?
Systém GNoME navrhol 2,2 milióna kryštálových štruktúr a približne 380 000 označil za stabilné kandidáty. To neznamená, že už máme milión nových batérií v sklade. Ide o výpočtové predpovede, ktoré treba vyrobiť a overiť. Aj tak však AI rozšírila zoznam možných experimentov v rozsahu, ktorý by ľudia prechádzali celé generácie.
9. Dá sa Parkinsonova choroba odhadovať z nočného dýchania?
Výskumníci z MIT použili neurónovú sieť na analýzu dychu počas spánku a pri detekcii Parkinsonovej choroby dosiahli viac než 90-percentnú presnosť. V dlhodobých dátach systém označil 75 % ľudí, ktorí diagnózu pri prvom meraní nemali, ale neskôr ju dostali. Výsledok je sľubný, nie hotová domáca diagnostika cez mikrofón.
10. Dokáže AI preložiť mozgovú aktivitu do súvislého textu?
Neinvazívny dekóder z University of Texas zachytil pomocou fMRI približný význam počúvaných alebo predstavovaných príbehov. Asi v polovici prípadov vytvoril text, ktorý významovo zodpovedal originálu. Experiment mal iba troch účastníkov a každý absolvoval približne 16 hodín individuálneho tréningu. Čítanie cudzích myšlienok v autobuse teda zatiaľ odložme.
Zaujímavé fakty o umelej inteligencii, ktoré pôsobia trochu zvláštne
11. Vidí AI v röntgene niečo, čo lekár nepozná?
Modely dokázali z röntgenov, CT a mamografických snímok predpovedať pacientom uvádzanú rasu aj vtedy, keď to odborníci z obrazu nevedeli určiť. Fungovali dokonca po orezaní, rozmazaní a pridaní šumu. Výskumníci presný signál spoľahlivo nevysvetlili, čo je vážny problém pri kontrole skrytého skreslenia medicínskej AI.
12. Môže AI spoznať kláves podľa jeho zvuku?
V kontrolovanom experimente klasifikoval model stlačené klávesy notebooku s presnosťou 95 % zo zvuku zaznamenaného blízkym telefónom a 93 % cez Zoom. Model sa však učil na konkrétnej klávesnici a každú klávesu mal vopred nahranú viackrát. Nie je to univerzálne odpočúvanie hesiel, ale tichá klávesnica práve dostala nový význam.
13. Vytvoria si skupiny AI agentov vlastné spoločenské pravidlá?
Experiment publikovaný v Science Advances ukázal, že decentralizované skupiny jazykových modelov si bez centrálneho vodcu spontánne vytvorili spoločné pomenovania. Objavili sa aj kolektívne predsudky, ktoré nebolo možné jednoducho pripísať jednotlivému agentovi. Malá odhodlaná skupina navyše dokázala presmerovať konvenciu celej populácie. Robotická porada teda môže mať vlastnú kancelársku politiku.
14. Môže sa AI pokaziť, keď ju kŕmime výstupmi inej AI?
Štúdia v Nature ukázala „kolaps modelu“: pri opakovanom nekritickom trénovaní na syntetických dátach sa strácali zriedkavé časti pôvodného rozdelenia a vznikali nezvratné chyby. Neznamená to, že každé syntetické dáta sú zlé. Potrebujú však kontrolu a kvalitné reálne dáta. Internet plný AI textov nemá byť nekonečný samoobslužný bufet.
15. Dokáže AI človeka presviedčať rovnako dobre ako človek?
Metaanalýza experimentov zistila, že jazykové modely sa v presviedčaní dokážu vyrovnať ľuďom, hoci výsledok výrazne závisí od spôsobu nasadenia. V jednej politickej štúdii bolo podľa modelu 15 až 40 % informačných tvrdení pravdepodobne dezinformačných. Výrečný text preto nie je automaticky múdry — niekedy je iba sebavedome oblečený.
Štatistiky o umelej inteligencii, ktoré už také veselé nie sú
16. Môže AI skúseného programátora namiesto zrýchlenia spomaliť?
V randomizovanej štúdii METR dokončovali skúsení open-source vývojári úlohy s nástrojmi AI v priemere o 19 % dlhšie, hoci sami očakávali zrýchlenie. Neskoršie pokračovanie prinieslo priaznivejšie, ale štatisticky neisté výsledky. Pointa nie je, že AI škodí každému, ale že pocit produktivity nie je meranie produktivity.
17. Koho uprednostní AI, keď triedi životopisy?
V audite troch jazykových modelov a 550 reálnych životopisov boli mená spájané s bielymi uchádzačmi preferované v 85,1 % testov; mená spájané s čiernymi uchádzačmi v 8,6 %. Nešlo o všetky náborové systémy, ale výsledok rozbíja pohodlnú predstavu, že algoritmus je neutrálny, pretože nemá náladu ani obednú prestávku.
18. Ako často si AI v právnych otázkach vymýšľala?
Stanfordský výskum na starších všeobecných modeloch nameral pri overiteľných právnych otázkach halucinácie v 58 až 82 % odpovedí. Špecializované právne systémy v ďalšom teste chybovali najmenej v 17 % prípadov. Čísla nemožno preniesť na každý dnešný model, ale vysvetľujú, prečo „AI povedala“ nie je právny argument ani citácia.
19. Koľko elektriny si vypýtajú dátové centrá?
IEA uvádza, že spotreba elektriny dátových centier vzrástla v roku 2025 o 17 %, kým celosvetový dopyt po elektrine o 3 %. Do roku 2030 môže dosiahnuť približne 950 TWh, teda okolo troch percent svetovej spotreby. Nie všetko minie AI, ale práve AI orientované centrá rastú výrazne rýchlejšie.
20. Rastú reálne incidenty s AI rovnako rýchlo ako jej schopnosti?
Databáza citovaná v Stanford AI Indexe zaznamenala v roku 2025 362 incidentov spojených s AI, oproti 233 v roku 2024 — nárast približne o 55 %. Počet závisí od metodiky a dostupných hlásení, preto nepredstavuje všetky škody na svete. Trend však ukazuje, že nasadenie predbieha schopnosť technológiu spoľahlivo kontrolovať.
AI môže predpovedať štruktúru miliónov bielkovín a zároveň si vymyslieť neexistujúci rozsudok. Schopnosť v jednej oblasti nie je všeobecná spoľahlivosť. Digitálny génius môže mať stále zásuvku plnú veľmi presvedčivých nezmyslov.
Čo si z týchto faktov o AI odniesť?
Najzaujímavejšie fakty o AI nie sú jednotlivé rekordy, ale kontrast. Výpočty rastú, ceny úloh klesajú a AI rieši problémy, ktoré boli nedávno prakticky nedostupné. Zároveň si prenáša skreslenia z dát, vytvára nové riziká a občas ľudí spomalí práve vtedy, keď sú presvedčení o opaku.
Pre Slovensko je preto dôležitejšia rozumná adopcia než naháňanie každej novinky. V článku Slovensko verzus svet: AI v reálnej praxi ukazujeme, prečo nestačí kúpiť licenciu a vyhlásiť firmu za inteligentnú. AI potrebuje kvalitné dáta, merateľný cieľ, kontrolu človeka a ochotu priznať, že pekná odpoveď ešte nemusí byť správna.
Tieto zaujímavosti o AI preto nie sú oslavou ani obžalobou. Sú pripomienkou, že rovnaká technológia môže pomôcť odhaliť chorobu, zrýchliť predpoveď počasia, zosilniť diskrimináciu aj presvedčivo klamať. Budúcnosť nebude určená iba tým, čo AI dokáže, ale najmä tým, kde jej dovolíme rozhodovať a kto bude kontrolovať výsledok.
Zdroje: Stanford AI Index 2026 , IEA , Stanford HAI , AIES 2024 , METR , Science
