26 | ČESKÁ A SLOVENSKÁ FARMACIE / Čes. slov. Farm. 2026;75(1):24-29 / www.csfarmacie.cz SOCIÁLNÍ FARMACIE A LÉKÁRENSTVÍ Umělá inteligence ve službách farmacie – možnosti využití v praxi dokázaly řešit úzce vymezené problémy. Zároveň se však ukázalo, že tehdejší výpočetní kapacita a algoritmy nejsou dostatečné pro naplnění ambiciózních vizí. To vedlo k několika obdobím tzv. „AI winter“, kdy výzkum i financování stagnovaly (4). Skutečný zlom nastal až s rozvojem strojového učení (machine learning) a neuronových sítí v 90. letech a zejména po roce 2010, kdy rostoucí výpočetní výkon, dostupnost velkých dat a nové architektury (např. deep learning) umožnily vznik moderní generace AI systémů. K zásadnímu obratu došlo v roce 2017, kdy tým společnosti Google publikoval článek Attention Is All You Need (5), který představil transformerové modely – architekturu, jež se stala základem dnešních systémů, jako jsou GPT-3 (2020) či GPT-4 (2023). Přehled relevantních modelů Ruku v ruce s rozvojem technologie po roce 2020 vznikla plejáda jazykových modelů. Tyto modely jsou v průběhu času aktualizovány a doplňovány o nové funkcionality, mění se výpočetní kapacita serverů. Kvalita takových produktů může kolísat v čase. Z toho důvodu je následující přehled členěn podle rodin jazykových modelů, ne podle konkrétních verzí. OpenAI – ChatGPT Společnost OpenAI uvedla v roce 2020 model GPT-3, který znamenal zásadní průlom v přirozeném zpracování jazyka. Navazující verze GPT-3.5 (2022) a GPT-4 (2023) přinesly výrazné zlepšení porozumění kontextu, přesnosti i schopnosti generovat strukturované texty. Současnou vlajkovou lodí (2026) je GPT-5. ChatGPT, veřejně dostupná aplikace založená na těchto modelech, se stala globálním fenoménem a synonymem pro praktické využití generativní AI. Modely OpenAI jsou přístupné prostřednictvím API (Application Programming Interface) i webového rozhraní ChatGPT. ChatGPT jsou primárně jazykové generativní modely, mají ale schopnost zpracovávat a vytvářet soubory, jsou schopné generovat grafiku díky propojení s technologií DALL·E od stejné společnosti (6). Google DeepMind – Gemini Rodina modelů Gemini (původně označovaná jako Bard) vznikla pod hlavičkou společnosti Google DeepMind jako odpověď na modely GPT od OpenAI. První verze Gemini 1 byla uvedena na přelomu let 2023/2024, přičemž následné generace (Gemini 1.5, Gemini 2 – 2025) přinesly zásadní posun směrem k integraci s ekosystémem Google. Modely Gemini kombinují jazykové, obrazové i programovací schopnosti a jsou úzce propojeny se službami Google – například s vyhledáváním, Workspace (Gmail, Docs, Sheets) a Androidem. Díky tomu umožňují plynulé propojení generativní AI s běžnými nástroji produktivity. Architektura Gemini staví na principech multimodálního tréninku, což znamená, že modely od počátku zpracovávají text, obraz, zvuk i video jako jednotný datový prostor. To umožňuje například analyzovat grafy, generovat kód z obrázků či interpretovat vizuální instrukce. Anthropic – Claude Společnost Anthropic, založená bývalými výzkumníky OpenAI, vyvinula modelovou řadu Claude (od roku 2023). Modely Claude jsou známé důrazem na bezpečnost, interpretovatelnost a „constitutional AI“ – přístup, který umožňuje řídit chování modelu na základě předem definovaných etických pravidel. Poslední verze Claude 4.5 (2025) patří mezi nejvýkonnější komerční modely a často je srovnávána s GPT-5. Podle velikosti modelu se Claude rozděluje na verze Opus, Sonnet, Haiku. Deepseek Čínská společnost a stejnojmenná rodina modelů, založená v roce 2023, se zaměřuje na vývoj velkých jazykových modelů (LLM) a technologií obecné umělé inteligence (AGI – Artificial General Intelligence). Cílem firmy je nabídnout vysoce výkonné a zároveň efektivní modely s nižšími náklady na provoz i trénink ve srovnání se západní konkurencí, jako jsou OpenAI, Anthropic či Google DeepMind. Modelová řada DeepSeek-V (např. V2, V3, R1) využívá architekturu typu Mixture of Experts (MoE), která umožňuje aktivovat pouze část neuronové sítě při každém výpočtu. Tím se výrazně snižuje výpočetní náročnost bez ztráty výkonu. Například model DeepSeek-V3 má teoreticky až 671 miliard parametrů, přičemž při jednom dotazu pracuje pouze s částí (~37 miliard), což jej činí mimořádně efektivním. Modely jsou multimodální – podporují text, obrázky i kód, a jsou trénovány na vícejazyčných datech (angličtina, čínština aj.). Zajímavostí je částečná otevřenost modelů DeepSeek – některé váhy a technické dokumentace jsou veřejně dostupné na platformách jako Hugging Face nebo GitHub. Společnost tímto přístupem podporuje transparentnost a výzkum, ačkoli jiné části ekosystému zůstávají uzavřené. Národní úřad pro kybernetickou a informační bezpečnost vydal proti produktům této společnosti v červenci roku 2025 varování. Důvodem je pravděpodobně netransparentní nakládání s údaji poskytovanými uživatelem (7, 8). Způsoby hodnocení výstupu Oproti konvenčnímu softwaru, tedy produktům, které jsou naprogramovány tak, aby za všech okolností poskytovaly na stejný dotaz uživatele stejnou odpověď bez jakýchkoliv odchylek, mají AI produkty výhodu v mnohem nižších nárocích na zadání od uživatele a ve vysoké kreativitě výstupu. Tato kreativita může být v některých situacích velmi přínosná, nese s sebou ale riziko vzniku halucinací – AI model uvede překroucenou nebo zcela vyfabulovanou informaci jako fakt. Zejména ve zdravotnictví je toto velké riziko při zavedení technologie do profesionálního prostředí. Kvalita výstupu se kvantifikuje zvolenou metodou podle očekávaného použítí LLM. Modely, které mají vytvořit kód v programovacím jazyce, lze prověřit zadáním úkolu a následným automatizovaným hodnocením rychlosti vygenerovaného kódu a tím, zda se výsledek shoduje s tím, který byl definován v zadání. U textových generátorů se ujalo hodnocení lidským uživatelem, kdy na zadaný dotaz odpoví několik různých modelů. Uživatel následně hodnotí anonymizované odpovědi podle kvality. Po provedení většího množství takových sad
RkJQdWJsaXNoZXIy NDA4Mjc=