| 29 / Čes. slov. Farm. 2026;75(1):24-29 / ČESKÁ A SLOVENSKÁ FARMACIE www.csfarmacie.cz SOCIÁLNÍ FARMACIE A LÉKÁRENSTVÍ Umělá inteligence ve službách farmacie – možnosti využití v praxi hu ukončilo a poskytlo následující grafický přehled (Obr. 2) o průběhu fine tuningu. (https://yolov8.org/category/blog/) box_loss = chyba predikce, hodnota by měla být co nejnižší. cls_loss = klasifikační chyba → výrazně klesá na začátku → model se rychle naučil třídy. dfl_loss = model se učí ostřejší a přesnější distribuci kolem správných pozic hran, což je žádoucí trend. precision – přesnost má několik propadů – zastavit trénink zde by byla chyba, později se stabilizuje blízko 1.0, téměř ideální výsledek recall – lze přeložit jako citlivost. Ideální hodnota je 1.0. Model po 50. cyklu prakticky nevykazuje falešně pozitivní výsledky (neoznačuje pozadí jako tobolku). mAP50, mean Average Precision – hlavní metrika úspěšnosti detekce, která měří, kolik procent detekce má překryv s pravdivými objekty. Zde model vykazuje žádoucí růst. Detailní informace, týkající se obrázku 2 lze nalézt na internetových stránkách yolov8.org po vyhledání názvu jednotlivých grafů (15). Nejlepší verze modelu nemusí být ta poslední. Po tréninku je automaticky vytvořen soubor best.pt, který obsahuje model s nejlepším výsledkem při validaci vzorových dat. Následuje obslužný kód v programovacím jazyce Python, který uvede model v život. Program používá knihovnu OpenCV pro propojení kamery a AI modelu a obslužnou knihovnu pro práci s modely společnosti Ultralytics. Kód lze nalézt v adresáři GitHub (14). Uživatel na obrazovce vidí přenos z kamery s vyznačenými objekty a počítadlem objektů (Obr. 3). Závěr Ačkoliv pokrok ve vývoji tzv. umělé inteligence poskytuje stále nové možnosti využití v praxi, uživatel musí znát princip této technologie, její slabé a silné stránky tak, aby její potenciál využil naplno. Umělá inteligence tak, jak ji známe dnes, nedokáže nahradit zkušeného odborníka, může se ale stát užitečným nástrojem ve většině lidských činností včetně farmacie. LITERATURA 1. Tokenizer – OpenAI Platform. [cited 2025 Dec 13]. Available from: https://platform.openai.com/tokenizer. 2. Epstein R, et al. Parsing the Turing Test (Philosophical and Methodological Issues in the Quest for the Thinking Computer). Dordrecht: Springer Netherlands; 2008. https://doi. org/10.1007/978-1-4020-6710-5 3. Artificial Intelligence (AI) Coined at Dartmouth [Internet]. [cited 2025 Dec 13]. Available from: https://home.dartmouth.edu/about/artificial-intelligence-ai-coined-dartmouth 4. Russell S, Norvig P. Artificial Intelligence (A Modern Approach, Third edition, Global edition, with Ernest Davis a Douglas Edwards). Harlow: Pearson Education Limited; 2016. 5. Vaswani A, et al. Attention Is All You Need. Attention Is All You Need. 31st Conference on Neural Information Processing Systems; 2017 6. Walsh S, Timeline Of ChatGPT Updates & Key Events; 2025 [cited 2025 Dec 13]. Available from: https://www.searchenginejournal.com/history-of-chatgpt-timeline/488370/ 7. Kucharavy A. Overview of Existing LLM Families (Threats, Exposure and Mitigation). Large Language Models in Cybersecurity. Springer Nature Switzerland; 2024. 8. NÚKIB vydal Varování před některými produkty společnosti DeepSeek. Národní úřad pro kybernetickou a informační bezpečnost; 2025 [cited 2025 Dec 13]. Available from: https://nukib.gov.cz/cs/infoservis/aktuality/2279-nukib-vydal-varovani-pred-nekterymi-produkty-spolecnosti-deepseek. 9. Liu Z, et al. am-ELO: A Stable Framework for Arena-based LLM Evaluation; 2025 [cited 2025 Dec 13]. Available from: https://proceedings.mlr.press/v267/liu25ak.html 10. Lianmin Z, et al. Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena; 2023 [cited 2025 Dec 13]. Available from: https://doi.org/10.48550/ARXIV.2306.05685 11. Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence and amending Regulations (EC) No 300/2008, (EU) No 167/2013, (EU) No 168/2013, (EU) 2018/858, (EU) 2018/1139 and (EU) 2019/2144 and Directives 2014/90/EU, (EU) 2016/797 and (EU) 2020/1828 (Artificial Intelligence Act) (Text with EEA relevance), No. 2024/1689; 2024 [cited 2025 Dec 13]. Available from: https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng 12. Shaping Europe’s digital future: AI Act; 2024 [cited 2025 Dec 13]. Available from: https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai 13. Národní centrum elektronického zdravotnictví: Čato kladené otázky; 2025 [cited 2025 Dec 13]. Available from: https://ncez.mzcr.cz/cs/ai-inovativni-digitalni-technologie-ve- -zdravotnictvi/casto-kladene-otazky-faq 14. Rydrych M. Doplňující materiály; 2025 [cited 2025 Dec 13]. Available from: https:// github.com/Lyman911/AI 15. Blog – YOLOv8; 2024 [cited 2026 Feb 7]. Available from: https://yolov8.org/category/blog/ Obr. 2. Průběh fine-tuningu Obr. 3. Náhled AI detekce tobolek v reálném čase
RkJQdWJsaXNoZXIy NDA4Mjc=