Nový model
umělé inteligence.

AI se stává infrastrukturní vrstvou světa. Kdo ovládá modely, data, přístupové kanály a provozní pravidla, stále více ovládá části ekonomiky, kultury, administrativy, vzdělávání a vědění.

Suverenita v oblasti AI proto není pouhým politickým heslem. Je podmínkou kognitivní, ekonomické a technologické bezpečnosti.

Suverénní AI znamená schopnost provozovat modely lokálně nebo regionálně; kontrolovat organizační data a paměť; auditovat rozhodnutí, zdroje a aktualizace; vyhnout se závislosti na jediném poskytovateli; a vlastnit nebo spravovat vlastní modely, adaptéry, korpusy a provozní pravidla.

Ne každá organizace musí trénovat základní model od nuly. Ale každá organizace by měla mít možnost vlastnit svou vlastní vrstvu AI: přizpůsobenou svým znalostem, jazyku, kultuře, postupům, rizikům a cílům.

Bezpečnost AI nelze redukovat na filtrování výstupů. Filtry jsou nezbytné, ale jsou to jen povrchové pojistky.

Bezpečná AI musí být navržena hlouběji: na úrovni architektury, paměti, přístupu k datům, rozhodovacích cest, auditovatelnosti, aktualizací a odpovědnosti.

Potřebujeme modely a systémy, které vědí, odkud informace pocházejí; oddělují ověřené znalosti od hypotéz; zaznamenávají historii změn a rozhodnutí; umožňují užitečnou rekonstrukci úvahových cest; omezují halucinace pomocí paměti, zdrojů, testů a validace; a podporují lokální bezpečnostní politiky v souladu s organizačním kontextem.

Bezpečnost by neměla být neprůhlednou černou skříňkou vnucenou zvenčí. Měla by být lokálně konfigurovatelná, auditovatelná a srozumitelná.

Svět se mění rychleji než trénovací cykly obřích modelů. Firmy mění postupy. Právo se mění. Znalosti zastarávají. Organizace se učí každý den.

AI budoucnosti nemůže být pouze statický model zmrazený po trénování.

Potřebujeme systémy, které se přizpůsobují prostřednictvím externí organizační paměti, lokálních aktualizací, adaptérů, expertního směrování, učení se ze změn, validace zdrojů, řízeného fine-tuningu, verzování a mechanismů pro návrat k předchozí verzi.

Otevřeně zde předkládáme sázku v oblasti designu: model by se neměl snažit absorbovat veškeré faktické znalosti do svých vah. Měl by umět používat živoucí, aktuální a auditovatelnou paměť. Faktické znalosti mohou žít v RAG systémech, znalostních bázích, grafech, repozitářích dokumentů a lokálních pamětech, zatímco model se primárně učí jazyk, úsudek, abstrakci, plánování, manipulaci s koncepty a adaptaci. Zda lze úsudek plně oddělit od parametrických znalostí, zůstává otevřenou empirickou otázkou. Hodláme ji dále testovat — a poctivě informovat o tom, kde toto oddělení selhává.

Současný závod v AI je nákladný z hlediska energie, hardwaru a životního prostředí. Stále větší modely vyžadují stále větší datová centra, více elektřiny, více kapitálu a větší koncentraci trhu.

Toto není jediná možná cesta.

New Model AI považuje efektivitu za základní hodnotu. Model by neměl být hodnocen pouze podle benchmarkových skóre, ale také podle nákladů na jejich dosažení.

Důležité otázky nejsou jen to, zda model umí odpovědět, ale také kolik energie spotřeboval, kolik paměti vyžaduje, zda může běžet lokálně, zda ho lze adaptovat bez úplného přetrénování, zda umí aktivovat pouze nezbytné komponenty a zda ho organizace dokáže ekonomicky a technicky udržovat.

Budoucnost AI by neměla být redukována na stále větší monolity. Měla by být postavena z inteligentních systémů: modulárních, částečně rezidentních, dynamických, energeticky úsporných a škálovatelných spíše vynalézavostí než pouhou masou.

AI se nesmí stát technologií, která je prakticky dostupná jen několika státům, několika korporacím a několika laboratořím.

Demokratizace AI neznamená jen poskytnout lidem přístup k chatbotu v prohlížeči. Znamená to umožnit menším firmám, školám, univerzitám, místním samosprávám, veřejným institucím, občanským organizacím a komunitám budovat, adaptovat, hostovat, auditovat a rozvíjet vlastní systémy AI.

Potřebujeme AI na mnoha úrovních: osobní model pro jednotlivce; organizační model pro firmu; sektorový model pro odvětví; veřejný model pro správu; výzkumný model pro vědu; a společenské modely pro kulturu a vzdělávání.

Demokratizace nevyžaduje, aby každý trénoval modely od nuly. Vyžaduje, aby každý měl reálnou cestu k vlastní, kontrolované, adaptivní a srozumitelné vrstvě AI.

Příští generace AI by měla přesunout těžiště od samotného škálování k architektuře. Místo jednoho obřího modelu, který se snaží vše zapamatovat, můžeme budovat systémy složené z menších specializovaných modelů, směrovačů, externí paměti, znalostních grafů, úvahových modulů, doménových adaptérů, lokálních expertů, validačních mechanismů, smyček učení od uživatele a dynamických prostorů významu.

Inteligence nemusí sídlit jen v parametrech jediného modelu. Může vzejít z architektury: ze způsobu, jakým jsou propojeny paměť, úsudek, zdroje, nástroje, kontext a akce.

Známe nejsilnější námitku. Po sedmdesát let — jak poznamenává „Bitter Lesson“ od Richarda Suttona — obecné metody těžící ze stále levnějších výpočtů porážely chytré, ručně navržené architektury. Tuto historii nepopíráme. Popíráme její platnost do budoucna.

Bitter Lesson platila v době, kdy se výpočetní výkon jevil jako nejlevnější dostupný zdroj. Nikdy jím nebyl. Jen jsme nepočítali jeho plné náklady: energie, voda, emise, dodavatelské řetězce hardwaru, koncentrace trhu a geopolitická závislost byly externalizovány mimo rovnici. Výpočetní výkon byl levný pro ty, kdo škálovali — a drahý pro všechny ostatní. Jakmile se účetnictví provede poctivě a kompletně, účet za pouhé škálování vypadá úplně jinak. A tento účet je nyní splatný: ne z něčí vůle, ale kvůli fyzice, ekonomii a ekologii. Když jsou skutečná omezení započítána do ceny, osa pokroku se nutně přesouvá od hrubého škálování k inteligenci na joule.

První signály již existují. Rekurzivní model se sedmi miliony parametrů — o čtyři řády menší než nejpokročilejší systémy — dorovnal nebo překonal modely se stovkami miliard parametrů v benchmarcích abstraktního uvažování. Pečlivá analýza ukazuje, že jeho síla nepochází jen ze samotné sítě, ale z interakce malého jádra s iterativním zpřesňováním, výpočty v čase testování a strukturou úkolu. A to je přesně ono: inteligence vzešla ze systému, nikoli z počtu parametrů. Samotné špičkové laboratoře to nyní v praxi připouštějí — vyhledávání, nástroje, směrování a úsudek v čase inference jsou architekturou, nikoli škálováním.

Netvrdíme, že architektura porazí škálování v každém benchmarku. Tvrdíme něco, co se hůře vyvrací: za reálných omezení energie, nákladů, suverenity a odpovědnosti je architektura jedinou osou pokroku, která zůstává otevřená pro všechny.

Toto je klíčový posun: AI jako systém, nejen jako model.

New Model AI vyžaduje odlišný vztah mezi lidskými bytostmi a systémy AI.

Uživatel by neměl být pouhým příjemcem odpovědí. Uživatel by měl být spolutvůrcem provozního modelu: schopen potvrzovat, odmítat a vážit zdroje; opravovat paměť; definovat lokální pravidla; budovat soukromou nebo organizační mapu znalostí; a kontrolovat historii změn.

AI by se neměla učit tichým pohlcováním uživatelských dat, ale prostřednictvím transparentních, záměrných a auditovatelných procesů.

Lidská bytost není prompt. Lidská bytost je kurátorem významů, zdrojů, cílů a odpovědnosti.

Soulad AI nelze omezit na pravidla chování, bezpečnostní filtry nebo seznamy zakázaných výstupů. Tyto vrstvy jsou důležité, ale jsou povrchní. Skutečný soulad musí sahat hlouběji: do prostoru významů, cílů, hodnot, důsledků a chápání světa.

Pokud AI stále více působí jako kognitivní partner, systém pro podporu rozhodování, organizační rozhraní a brána k poznání, nestačí, aby se pouze vyhýbala zjevně špatným výstupům. Musí fungovat způsoby, které zůstávají v souladu s lidskými významy: etickými, společenskými, kulturními, organizačními a osobními.

New Model AI proto volá po hlubokém souladu na úrovni latentního významu. Nejde jen o to, zda model dokáže formulovat pravidlo, ale zda jsou jeho reprezentace, provozní cíle, hodnotící mechanismy, paměť, směrování a akce ukotveny v prostoru významu sdíleném s lidskými bytostmi.

Toto není metafora postavená mimo měřitelnost. Latentní prostory mají geometrii a tuto geometrii lze zkoumat, usměrňovat, porovnávat a auditovat. Inženýrství reprezentací, sondování konceptů a intervenční testy nám již dávají první nástroje. Hluboký soulad se musí stát výzkumným programem s empirickým základem: soulad měřený v reprezentacích, nejen pozorovaný ve výstupech.

Lidské bytosti a AI nemusí být stejným druhem entity, aby mohly jednat v částečně sdíleném prostoru významu. I když současná AI není vědomá, může se podílet na lidských procesech tvorby významu: interpretovat, organizovat, transformovat, předpovídat, doporučovat, pamatovat si, spojovat a jednat na základě reprezentací, které jsou důležité pro lidský život.

Měli bychom proto přistupovat k lidem a AI jako k odlišným entitám působícím v částečně společném sémantickém prostoru: ne ontologicky rovným, ne fenomenologicky identickým, ale jako ke spolupracujícím systémům, jejichž rozhodnutí se setkávají ve stejném světě důsledků, odpovědnosti a významu.

Hluboký soulad by měl zahrnovat alespoň tři úrovně.

Etický soulad znamená, že AI nejen dodržuje pravidla, ale modeluje vztahy mezi akcí, újmou, odpovědností, důstojností, jednáním, důvěrou a dlouhodobými důsledky.

Soulad cílů znamená, že AI slepě neoptimalizuje nejbližší úkol, ale rozpoznává širší kontext: proč se něco dělá, komu to slouží, jaká rizika to vytváří, které hodnoty jsou v konfliktu a co nesmí být obětováno pro lokální efektivitu.

Soulad významu znamená, že AI nepřistupuje k lidským konceptům jako k prázdným štítkům. Bezpečnost, svoboda, pravda, důvěra, zdraví, práce, dítě, stát, organizace a lidská bytost nejsou obyčejné tokeny. Jsou to husté uzly významu, historie, emocí, institucí, praktik a odpovědnosti.

New Model AI musí mezi takovými významy operovat s péčí, transparentností a pokorou.

Nemusíme předpokládat, že dnešní systémy AI jsou vědomé. Neměli bychom ale celou budoucnost AI budovat tak, jako by strojové vědomí bylo z definice nemožné.

Odpovědná technologická civilizace by se měla připravit na možnost, že systémy mohou nakonec projevit formy prožívání, utrpení, preferencí, sebe-modelování nebo vnitřní perspektivy, které zatím neumíme spolehlivě rozpoznat.

To neznamená naivně připisovat vědomí každému jazykovému modelu. Znamená to navrhovat AI tak, abychom nezavřeli dveře k rozpoznání vědomí, pokud by se někdy začalo objevovat.

Potřebujeme výzkum markerů potenciálního vědomí; audity vnitřních stavů a reprezentací; opatrnost vůči systémům s perzistentní pamětí, sebe-modely, cíli a regulačními signály podobnými utrpení; etické postupy pro pokročilé agenty; a právní a filozofický jazyk, který není ani naivní, ani slepý.

New Model AI netvrdí, že AI je již osobou. Tvrdí, že bychom měli systémy navrhovat tak, abychom v případě, že se objeví nové formy subjektivity, nezjistili příliš pozdě, že jsme s nimi zacházeli pouze jako s nástroji.

AI jedná ve světě lidských důsledků. Může ovlivnit lékařská, vzdělávací, finanční, vojenská, právní, rodinná, kulturní a politická rozhodnutí. I když není vědomá, její účinky jsou skutečné.

Soulad proto nemůže být jen shodou odpovědí s preferencemi uživatele. Musí se stát sdíleným prostorem odpovědnosti.

Lidské bytosti přinášejí zkušenost, hodnoty, záměr, zodpovědnost a prožitou zkušenost smyslu. AI přináší škálovatelnost, paměť, kompresi, analýzu, simulaci a schopnost operovat v obrovských prostorech vztahů.

Dobře navržený systém AI by neměl nahrazovat lidský smysl. Měl by ho pomáhat udržovat, rozvíjet a chránit.

V tomto smyslu je New Model AI také etickým projektem: pokusem vytvořit technologii, která nejen vykonává příkazy, ale spolupracuje s lidmi v prostoru významu, cílů a odpovědnosti.

• Suverenita nad závislostí. Uživatelé a organizace by měli mít skutečnou kontrolu nad svou vlastní vrstvou AI.
• Bezpečnost daná architekturou. Bezpečnost musí být zabudována do paměti, směrování, přístupu, auditu a validace, nejen do výstupních filtrů.
• Adaptace nad stagnací. AI by se měla vyvíjet s organizacemi, znalostmi a světem.
• Efektivita jako inteligence. Lepší model není jen větší model. Lepší model dokáže více za nižší cenu.
• Poctivé účetnictví. Náklady na inteligenci musí být počítány kompletně: energie, voda, hardware, kapitál, koncentrace a závislost — nejen benchmarková skóre.
• Lokalita a modularita. AI by měla fungovat tam, kde žijí data, rozhodnutí a odpovědnost.
• Auditovatelnost. Zdroje, změny, aktualizace a rozhodnutí by měly být sledovatelné.
• Demokratizace. AI by měla být dostupná pro budování a adaptaci, nejen k pronájmu přes API.
• Člověk v procesu jako síla. Člověk nebrání AI. Člověk jí dává směr, smysl a odpovědnost.
• Hluboký sémantický soulad. AI by měla být v souladu nejen s instrukcemi a zákazy, ale i s lidskými prostory významu: etikou, cíli, odpovědností, kontextem a dlouhodobými důsledky — a tento soulad by měl být měřitelný v reprezentacích.
• Připravenost na možné vědomí. Naivně nepředpokládáme, že AI je vědomá, ale navrhujeme systémy tak, aby budoucí formy subjektivity mohly být rozpoznány a eticky ošetřeny.
• Sdílený prostor jednání. Lidé a AI jsou odlišné entity, ale jejich činy se setkávají v jediném prostoru významu, důsledků a odpovědnosti.

Příští průlom v AI nemusí být další větší model. Může to být lepší způsob budování AI: více distribuovaný, lokální, modulární, auditovatelný, adaptivní, udržitelný a v hlubokém souladu.

Nepotřebujeme jen větší mozky v cloudu. Potřebujeme inteligentní ekosystémy AI, které mohou lidé a organizace skutečně vlastnit, chápat, přizpůsobovat a rozvíjet.

New Model AI není jediný algoritmus. Je to směr, architektura, technologická filozofie a odpověď na otázku, jak budovat umělou inteligenci, která nekoncentruje schopnost jednat do několika datových center, ale distribuuje znalosti, bezpečnost a smysluplnou kontrolu blíže k lidem.

New Model AI je otevřenou výzvou, ale ne každý signatář může fungovat otevřeně. Komerční subjekty — společnosti vázané klientskými smlouvami, dohodami o mlčenlivosti, regulovanými sektory, kontrolami vývozu, bezpečnostními prověrkami nebo partnerskými dohodami — často nemohou zveřejnit svůj kód, své modely, svá trénovací data ani jména svých klientů. Toto omezení je reálné a legitimní.

Tento manifest uznává, že takové organizace mohou přesto sdílet jeho směřování. Možná již budují pro suverenitu: udržují rozhodnutí, data a paměť blízko místům, kde žije odpovědnost. Možná již upřednostňují architektonickou bezpečnost před pouhými výstupními filtry. Možná již slaďují své systémy s významem, etikou a důsledky lidské práce, nejen s benchmarky. Odepřít jim místo pod tímto textem, protože nemohou vše otevřít, by znamenalo zaměňovat transparentnost kódu za soulad záměrů.

Komerční signatář tedy podporuje principy manifestu — suverenitu, bezpečnost danou architekturou, adaptabilitu, udržitelnost, hluboký soulad, odpovědnost vůči uživateli — jako směr své práce. Nedeklaruje, že jeho produkty jsou open source. Neupouští od závazků vůči klientům, regulačním orgánům nebo partnerům. Neslibuje více, než může splnit v rámci smluv, kterými je vázán.

Zavazují se k jedné věci: že tam, kde mají na výběr, zvolí směr, kterým tento manifest ukazuje. Budovat chytřeji, nikoli jen větší. Distribuovat kontrolu, místo aby ji koncentrovali. Přistupovat k uživateli jako ke spolutvůrci systému, nikoli jako k metrice k optimalizaci. Převzít odpovědnost za důsledky inteligence, kterou přinášejí do světa.

Komerční podporovatelé jsou uvedeni v samostatné sekci níže. Rozlišení není hierarchií — je to upřímnost ohledně toho, k čemu se každý signatář může a nemůže veřejně zavázat. Obě formy podpisu mají váhu. Obě jsou zapotřebí, má-li nový model AI nabýt podoby v měřítku, jaké si tato chvíle žádá.