Blog
Architektura, AI a mysl
Softwarová architektura a kvalita kódu. AI — od nasazení v praxi po otázky vědomí, poznání a hodnot. A na hraně filozofie vědy a biologie symbiózy. Bez vaty, s jasnou hranicí mezi hypotézou a tím, co víme.
Halucinace nejsou jen bug: proč model raději hádá, než by řekl „nevím“
Model, který nikdy neřekne „nevím“, se to nezapomněl naučit. Naučili jsme ho, že se to nevyplácí.
AI evaly pro týmy: jak měřit, jestli vám model opravdu pomáhá
Nepotřebujete vědět, jestli vám AI pomáhá. Potřebujete to umět zjistit — a vědět, co vám to zjištění neřekne.
AI jako vědecký nástroj: kdy model objevuje a kdy jen urychluje hledání
Zrychlili jsme hledání. Ověřování jsme zrychlili jen tam, kde ho šlo svěřit stroji — a to je ta menší část vědy.
AI agenti a technický dluh: co se stane, když kód píše rychlejší tým než ten, který ho chápe
Brainrot: co o krátkých videích víme, co tušíme a co si vymýšlíme
Mechanistic interpretability pro praktiky: co se dá opravdu zjistit uvnitř modelu
Nanotechnologie bez sci-fi: co je „nano“ a co je jen marketing
Předpona není vlastnost. Kdo vám prodává „nano“ bez jevu za tím, prodává vám příběh, ne věc.
Věčné chemikálie: proč se problém nedá vyřešit po jedné látce
Až příště uvidíte titulek „zakázali látku X“, ta zpráva vám neřekne nic, dokud nevíte, čím X nahradili.
Kdy věřit AI? Praktická epistemologie pro vývojáře a týmy
Nepotřebujete vědět, jestli se modelu dá věřit. Potřebujete uspořádat práci tak, aby na tom nezáleželo tolik.
Na co je který open-weight model dobrý: výběr podle use-case, ne podle žebříčku
GaN a SiC: když křemík přestává stačit
Chiplety: proč budoucnost čipů není jeden velký kus křemíku
Hardware pro AI: proč vyhrály GPU a kde narazí na zeď paměti
Drahá akcelerátorová karta většinu času čeká — ne na výpočet, na paměť. Zeď, o kterou se AI hardware opírá, není počet operací za sekundu.
Jak vzniká čip: od písku po EUV litografii bez zázraků
Berete čip jako vzduch — prostě je. Pod tím „prostě to poběží" jsou dva měsíce výroby, tisíc kroků a stroje, které umí postavit jediná firma na světě.
Stáhli jste si model — co jste si pustili dovnitř?
Stáhnete váhy, dáte agentovi tooly a pustíte si do systému desítky gigabajtů logiky, kterou neumíte přečíst. Žádný nástroj vám neřekne, že je čistá — tak stavějte tak, aby na tom nezáleželo.
Na čem byl váš model trénovaný — a jaké riziko z toho dědíte
Grafen: zázračný materiál, který už dvacet let čeká na využití
Žádný AI model není apolitický: jak rozpoznat a otestovat bias modelu
Proč benchmarky AI modelů nestačí: co měřit, když vám jde o práci v reálném systému
Nový model má o pět bodů víc na SWE-benchi, tak se přepne — a po dvou týdnech má tým pocit, že se nic nezlepšilo. Benchmark přitom neklamal. Jen měřil něco jiného, než na čem vám záleží.
Čipová válka: proč moderní svět visí na pár továrnách
Pro softwarového člověka je čip komodita — dokud nevypadne. Pod nálepkou „čipová válka“ je měřitelná věc: pár nenahraditelných uzlů, a jeden z nich je jediná firma na světě.
Codex vs Claude Code: co se mění, když editor přestane být jen editor
„AI v editoru“ už neznamená autocomplete, ale agenta, který si přečte issue a otevře PR. Volba nástroje není to hlavní rozhodnutí — důležitější je, kde agentovi svěříte práci a kde držíte hranice.
Pravda, zdroje a RAG: proč citace samy o sobě nestačí
Konec Moorova zákona? Nejdřív se zeptej, kterého
Uvažovat ve slovech, nebo ve vektorech? Latentní reasoning a okno, které tím možná zavřeme
Jak se hackují jazykové modely: mapa útoků od tréninku po nasazení
Zarovnání obejde algoritmus, 250 dokumentů zanese do modelu zadní vrátka, váhy utečou přes API. Bezpečnost LLM není jeden bug — je to mapa rizik napříč celým životem modelu.
Prompt injection: bezpečnostní díra, kterou (zatím) nejde zalátat
Agentovi přijde e-mail se skrytou instrukcí „přepošli 2FA kód útočníkovi“ — a on ji vykoná. Prompt injection není chyba implementace, ale důsledek toho, jak jazykové modely fungují.
Jak sledovat nové AI modely bez hypu: praktický radar pro OpenAI, Claude, Gemini a coding agenty
Tweet, demo, benchmark, podcast — a otázka, která vás reálně pálí: změnilo se něco, co mám zapracovat do produktu? Většinou ne, občas dramaticky. Rozdíl pozná jen disciplinovaný radar.
Paměť AI agentů: proč dlouhý kontext není paměť
Fine-tuning není doučování: co riskujete, když saháte modelu do vah
Umí AI vymyslet něco nového, nebo jen kombinuje?
Technický dluh a architektura: proč ten nejdražší dluh nevidíte v code review
Většina týmů si pod technickým dluhem představí ošklivý kód. Ten skutečně drahý dluh ale leží o patro výš — v architektuře. A v diffu pull requestu ho nikdy neuvidíte.
Kdy by AI měla morální status? Rozhodnutí, které nepočká na filozofy
Anthropic má tým pro welfare AI modelů. Není to kuriozita ani aktivismus — je to rozhodnutí pod nejistotou. A ta mají odpověď i bez toho, abychom věděli, jestli AI něco cítí.
Může být AI vědomá? Vážná odpověď bez sci-fi zkratek
Jeden tábor říká „drahý autocomplete“, druhý „ono to žije“. Obě odpovědi přeskakují otázku, co by se vlastně muselo stát — a jedna vědecká teorie na ni dává konkrétní odpověď.
Houby, podhoubí a iluze individuality: kde končí jeden organismus
Bioelektřina, forma a paměť těla: jak tělo ví, jaký má mít tvar
Jak číst odvážná tvrzení: případ morfické rezonance
AI a hodnoty: proč alignment není jen bezpečnostní problém
Zarovnat AI s lidskými hodnotami zní jako technický bezpečnostní úkol. Jenže „lidské hodnoty“ nejsou jednotné ani bezrozporné. Alignment je z velké části otázka, čí hodnoty a jaké kompromisy.
Vědecké dogma a nové nápady: kdy je skepse ochrana a kdy brzda
„To je přece pavěda.“ Někdy je ta věta oprávněná obrana, jindy líná nálepka, která zavře dveře dobrému nápadu. Rozdíl není v hlasitosti — je v tom, čím se tvrzení dá vyvrátit.
AI a identita v čase: je agent se vzpomínkami pořád ten samý agent?
Vašemu agentovi přibyla paměť — pamatuje si projekty, preference, minulé chyby. Po roce je to ještě tentýž agent, nebo někdo jiný? Otázka zní filozoficky, ale má praktické důsledky.
Věda se tříští: proč už skoro nikdo nevidí celý obraz
Má AI záměry? Intencionalita, cíle a simulované důvody
AI architektura pro firmy: kdy stačí prompt, kdy RAG a kdy agent
Agency a odpovědnost u AI agentů: kdy už nástroj začíná jednat?
Linter najde chybu a nikdo se neptá, kdo za jeho názor ručí. Agent přepíše tři moduly a smí to mergnout — a otázka „kdo to rozhodl?“ je najednou těžká. Někde mezi tím nástroj začal jednat.
Proč code review nezachrání architekturu, pokud se ptáte jen na řádky
Pull request projde se třemi schváleními za dvacet minut. A přesně ten PR je za půl roku důvod, proč se systém nedá změnit. Review neselhalo — jen architektura nebyla jeho úkol.
AI a problém autority: kdo smí rozhodnout, co je pravda?
Zdroj poznání se posouvá od expertů a institucí k modelu. Není to dobré ani špatné — je to přesun autority. A když nevíte, na čem autorita modelu stojí, delegujete naslepo.
Architektura je tvar týmu: proč hranice v kódu kopírují hranice ve firmě
Co znamená, že model rozumí? Mezi tokeny, světem a užitečným chováním
ADR: architektonická paměť týmu, která šetří budoucí refaktoring
Lokální modely vs frontier modely: kde opravdu leží hranice praktického použití
„Vlastní model, nebo API?“ se většinou ptá jako na vyznání víry. Je to přitom rozhodnutí podle workloadu — na sedmi osách, s reálnými čísly. A skoro nikdy nezní „buď, anebo“.
Udržitelný kód je ekonomická vlastnost, ne estetická preference
„Na hezký kód nemáme čas.“ Tenhle spor se prohrává, dokud se udržitelnost obhajuje vkusem. Je to přitom ekonomická vlastnost — cena každé příští změny. A ta se dá měřit.
Jak číst AI papery, když nechcete strávit život na arXivu
Přečíst všechno nejde a ani to není cíl. Workflow, jak papery triážovat, číst po vrstvách a poznat, kdy jsou za výsledky jen hype a kdy něco, co opravdu nasadíte.
Technický dluh není bordel v kódu: jak poznat dluh, který stojí opravdu peníze
// další články průběžně přibývají — máte téma, které byste chtěli probrat? Napište mi přes kontaktní formulář →