Lekcia 1 zo 4~15 min čítania·Vývojár

Zoznám sa s AI

Čo to naozaj je, ako to funguje pod kapotou a ako sa pýtať, aby si dostal použiteľnú odpoveď.

Čo je to vlastne AI?

„AI“ je obrovská oblasť, ale to, o čom dnes hovoria všetci, je generatívna AI — chatovací asistenti, ktorí píšu text. Všetci stoja na rovnakom motore: veľkom jazykovom modeli (LLM). Väčšinu vysvetlia tri myšlienky.

Veľmi sčítaný autocomplete

Funguje ako našepkávač na klávesnici telefónu — len natrénovaný na obrovskej časti písaného internetu. Naučil sa výborne predpovedať, aký text má nasledovať.

Naučil sa, nebol naprogramovaný

Nikto nenapísal pravidlo „keď sa spýtajú na X, odpovedz Y“. Vzory jazyka nasal z príkladov — ako človek, ktorý nasiakne cudzím jazykom čítaním.

Generuje — nevyhľadáva

Nie je to databáza ani vyhľadávač. Odpoveď nikde nevyťahuje; skladá ju nanovo, slovo po slove. Väčšinou správne, občas sebavedomo nesprávne.

Mená, ktoré budeš počuť

ChatGPT (OpenAI), Claude (Anthropic), Copilot (Microsoft), Gemini (Google). Rôzne značky, rovnaký druh.

Od tvojej otázky k odpovedi

Každý rozhovor s AI prebieha v rovnakých štyroch krokoch — žiadna mágia, len veľmi rýchle predpovedanie.

1
Napíšeš prompt
Tvoja otázka alebo zadanie, bežným jazykom. Žiadna špeciálna syntax.
2
Text sa rozdelí na tokeny
Model rozseká tvoj text na malé kúsky. Sú jeho jednotkou čítania aj písania.
3
Predpovedá token po tokene
Vyberie najpravdepodobnejší ďalší token. Potom ďalší. A ďalší.
4
Odpoveď prúdi späť
Preto sa odpoveď objavuje slovo po slove — sleduješ predikčnú slučku naživo.

Pozri sa: predpovedanie ďalšieho tokenu

V každom kroku model zvažuje množstvo pokračovaní a vyberie pravdepodobné. To je celé to „premýšľanie“.

Prvým krokom pri hľadaní príčiny chyby v produkcii je

reprodukovať

52 %

pozrieť

27 %

vrátiť

9 %

banán

<1 %

Ako vyzerá token

Tokeny sú kúsky textu — často celé slovo, niekedy len jeho časť. Táto veta má desať tokenov:

NullPointerException␣v␣metóde␣getUserById()

Orientačne: jeden token ≈ ¾ anglického slova; slovenčina sa delí na o niečo viac. Limity a ceny AI nástrojov sa počítajú práve v tokenoch.

Krátkodobá pamäť: kontextové okno

Všetko v konverzácii — inštrukcie, vložené dokumenty aj vlastné odpovede — sa musí zmestiť do obmedzeného priestoru. Keď sa naplní, najstaršie časti vypadávajú.

inštrukcievložený dokumentdoterajší chatvoľné miesto

Praktický dôsledok: v dlhom rozhovore môže asistent „zabudnúť“, čo si povedal na začiatku. Začať pre novú tému novú konverzáciu je normálne a často funguje lepšie.

Osem slov, ktoré pokryjú 90 % rozhovorov o AI

LLM — veľký jazykový model: Motor v každom AI chate. Program natrénovaný na obrovskom množstve textu, aby predpovedal, čo nasleduje.
Prompt — tvoja inštrukcia: Otázka alebo zadanie pre model. Jediná vec, ktorú máš plne pod kontrolou — lepší prompt, lepšia odpoveď.
Token — kúsok textu: Jednotka, v ktorej model číta aj píše. Zhruba tri štvrtiny slova. V tokenoch sa počítajú limity aj ceny.
Kontextové okno — krátkodobá pamäť: Koľko toho model naraz udrží v hlave — celá konverzácia vrátane vložených súborov. Je konečné.
Knowledge cutoff — kde končia znalosti: Dátum, po ktorý sa model učil. Čokoľvek neskoršie v ňom nie je — ak si to sám nevyhľadá na webe.
Halucinácia — sebavedomo vedľa: Keď model vygeneruje niečo nepravdivé, ale plynulo a s istotou. Neklame — predpovedá vierohodne znejúci text.
Model — verzia motora: Väčšie modely sú múdrejšie, ale pomalšie a drahšie; menšie rýchle a lacné. „Na akom modeli si?“ = „akú verziu máš?“
Asistent vs. agent — odpovedať vs. konať: Asistent odpovie v chate. Agent vie použiť nástroje — hľadať, čítať súbory, spúšťať kód — a riešiť viackrokové úlohy.

V čom je skvelá — a kde má slabiny

V čom je naozaj skvelá

Zdedená trieda vysvetlená skôr, než sa v nej začneš hrabať
Stack trace preložený na zoznam hypotéz, ktorý sa dá odkrokovať
Hraničné prípady na testy, na ktoré si sám nepomyslel
Popis pull requestu a commit message za pol minúty
SQL dotaz podľa opisu — aj rozobratie cudzieho s tromi JOINmi
Preklad toho, čo sa naozaj stalo, do reči, ktorej rozumie biznis

S čím zápasí

Čerstvé správy a všetko po knowledge cutoff — pokiaľ nevie hľadať na webe
Nepozná tvoj projekt, súbory ani e-maily — vidí len to, čo mu vložíš
Presná aritmetika a počítanie — predpovedá text, nepočíta
Spoľahlivá pravdivosť — vie halucinovať s úplnou istotou
Vágne zadania — nejasný prompt dostane generickú odpoveď
Konzistentnosť vo veľmi dlhých chatoch — starý kontext vypadáva z okna

Dobrý mentálny model

Ber ju ako brilantného, nekonečne trpezlivého nového kolegu — veľmi rýchleho, veľmi sčítaného, ochotného, ale nového vo firme a občas sa mýliaceho. Prácu takého kolegu by si skontroloval. Skontroluj aj prácu AI.

Ako vyzerá dobrý prompt

Model ti nevidí do hlavy — má len tvoje slová. Kvalita odpovede kopíruje kvalitu otázky. Dobrý prompt zvyčajne nesie tri ingrediencie:

Robím na backende v Jave 17, Spring Boot 3, Maven, PostgreSQL, testy v JUnit 5. Aplikáciu som zdedil, autori v tíme už nie sú. Vysvetli mi, čo robí táto trieda, a povedz, kde v nej môže vznikať chyba, ktorú vidím v logu. Formát: najprv päť viet po ľudsky, potom číslovaný zoznam podozrivých miest s odkazom na konkrétny riadok. Nič neprepisuj, kým ťa o to nepoprosím.

Kontext — kto si a s čím pracuješ

Úloha — čo presne spraviť a koľko toho

Formát — akú podobu má mať odpoveď

Pred a po

Zdedená trieda, ktorú vidíš prvýkrát

Vágne

„Vysvetli mi tento kód. [trieda]“

Model nevie, prečo sa na to pozeráš. Dostaneš prerozprávanie riadok po riadku — to isté, čo si prečítal sám, len dlhšie. A niekde v tom aj rovno prepísanú verziu, o ktorú si nežiadal.

Konkrétne

„Toto je trieda zo staršej Spring Boot aplikácie, ktorú som zdedil — Java 17, autori v tíme už nie sú. Idem do nej pridať novú validáciu. Vysvetli mi v piatich vetách, za čo je zodpovedná a kto ju volá, potom vypíš miesta, kde sa mení stav alebo sa robí niečo neočakávané. Kód neprepisuj a ak ti na pochopenie niečo chýba, napíš, čo ti mám doložiť. [trieda]“

Model vie, prečo tam ideš, a namiesto prerozprávania ti dá mapu. Posledná veta je dôležitejšia než celý zvyšok — namiesto domýšľania si vypýta chýbajúci kontext.

Chyba, ktorá padla v noci

Vágne

„Prečo to padá? [stack trace]“

Zo stack trace bez kontextu vyjde učebnicová odpoveď typu „niekde máš null“. Ešte horšie: model si domyslí verziu knižnice, ktorú nepoužívaš, a pošle ťa hľadať na miesto, ktoré u teba neexistuje.

Konkrétne

„Java 17, Spring Boot 3.2, PostgreSQL. Toto padlo v noci v produkcii, na testovacom prostredí sa to nedá zopakovať. Včera sme nasadili zmenu v [čo sa zmenilo]. Už som skúsil [čo si skúsil]. Daj mi päť hypotéz zoradených podľa pravdepodobnosti a ku každej napíš, ako ju viem za päť minút potvrdiť alebo vylúčiť. Kód zatiaľ neprepisuj. [stack trace]“

Verzie, čo sa zmenilo a čo si už skúsil sú tri vety, ktoré rozhodujú. Namiesto jednej sebavedomej odpovede dostaneš postup, ktorý sa dá odkrokovať.

Poznámka do ticketu pre biznis

Vágne

„Napíš, čo sme opravili.“

Model nevie, komu to píšeš, takže to napíše tvojou rečou. Do ticketu, ktorý číta produktová manažérka a podpora, sa dostane „race condition v transakčnom kontexte“ a nikto sa nič nedozvie.

Konkrétne

„Opravili sme chybu, pri ktorej sa objednávka za istých okolností uložila dvakrát — technicky išlo o [čo to bolo]. Napíš poznámku do ticketu pre produktovú manažérku a podporu: čo sa dialo z pohľadu zákazníka, čo je odteraz inak a či treba niečo dorobiť ručne so starými dátami. Max 120 slov, bez technických pojmov. Nesľubuj nič, čo nie je v mojom opise.“

Povedal si, kto to číta a čo ho zaujíma. Posledná veta bráni tomu, aby ti model za teba sľúbil, že staré dáta sa opravia samy.

Je to rozhovor, nie hrací automat

Prvá odpoveď je návrh, nie verdikt. Odpíš „kratšie“, „formálnejšie“, „teraz ako tabuľku“. Dolaďovanie je normálne.

Ukáž, nielen opisuj

Ak chceš konkrétny štýl, vlož príklad: „tu je jeden náš zápis — nový napíš presne v tomto štýle.“

Povedz, pre koho to je

„Pre klienta“, „pre šéfa“, „pre kolegu, ktorý nepozná detaily“. To robí odpoveď použiteľnou.

Nechaj ju pýtať sa

Pridaj „ak je niečo nejasné, najprv sa ma spýtaj“. Z hádania sa stane krátky dialóg.

Dve pravidlá, kým sa na ňu spoľahneš

Pravidlo 1 — najprv overiť, potom použiť

Výstup AI je silný návrh, nie zdroj pravdy. Fakty, čísla, mená, citáty, právne formulácie — skontroluj ich, kým ich pustíš z rúk. Keď sa mýli, znie rovnako isto, ako keď má pravdu.

Pravidlo 2 — pozor na to, čo vkladáš

Čokoľvek napíšeš, sa spracuje mimo tvojho počítača. Žiadne osobné údaje iných ľudí, prihlasovacie údaje ani dôverné dokumenty. V práci navyše len nástroje, ktoré firma schválila.

Upokojenie: je to výkonný nástroj, nie náhrada. Odstraňuje nudné časti práce — prvé návrhy, zhrnutia, rutinu — takže na tvojom úsudku a znalosti veci záleží viac, nie menej.

Tri prompty, ktoré si dnes vyskúšaj

Otvor ľubovoľný AI chat a vlož jeden z nich. Sleduj, ako tri ingrediencie robia svoju prácu.

Vysvetli mi to ako nováčikovi

Overíš si, že vieš dostať odpoveď na svojej úrovni — a nie prednášku.

Vysvetli, čo je „veľký jazykový model“, niekomu, kto nikdy nepracoval s AI. Použi prirovnanie z bežného života, max 5 viet.

Kde mi to ušetrí čas

Dostaneš zoznam šitý na to, čo naozaj robíš — a rovno zoradený podľa náročnosti.

Robím ako Java vývojár na backende — udržiavam staršiu Spring Boot aplikáciu, čítam viac cudzieho kódu než píšem nového a k tomu chodia tickety, review a otázky od biznisu. Navrhni 10 spôsobov, ako by mi AI mohla ušetriť čas v bežnom pracovnom týždni. Zoraď ich od najľahšie zavediteľných po najťažšie, ako číslovaný zoznam.

Tri tóny naraz

Najlepší spôsob, ako pochopiť, čo znamená „povedz, pre koho to je“.

Tu je odsek z e-mailu, ktorý som napísal: [vlož ho]. Prepíš ho v troch tónoch — formálnom, priateľskom a veľmi stručnom — a každú verziu označ.

Potom pokračuj v rozhovore. Polož doplňujúcu otázku, nesúhlas, vypýtaj si iný formát. Desať minút hrania naučí viac než akákoľvek prednáška.