Nejvíc mě tentokrát zaujalo, že se AI přestává prodávat jen jako chytrý chat. Google jí dává seznam úkolů a přístup k běžným digitálním drobnostem, OpenAI ji nechává sahat do návrhu čipů a vlastního provozu ChatGPT. Zní to užitečně, ale čím víc funkcí má asistent dělat za nás, tím méně roztomile působí otázka, co všechno o nás při tom ví.
Google skládá Gemini do pracovního nástroje
Tasks má z agenta udělat pomocníka na běžné věci
Google přejmenoval svého agenta Spark na Tasks a zpřístupnil ho zdarma. Smysl je celkem přímočarý: místo jednorázové odpovědi zadáte práci, kterou má systém vyřešit. Mezi uváděnými příklady je jídelní plán, práce s kalendářem nebo hledání pravidelných výdajů v e-mailech.
Tasks pohání Gemini 4 Hydrogen a pro uživatele v USA má být dostupný zdarma. Mně osobně přijde, že právě tohle je pro lidi srozumitelnější než další závod v benchmarkových bodech: buď asistent skutečně najde předplatné, na které jste zapomněli, nebo ne. Z podkladů ale není jasné, kdy a v jakém rozsahu se funkce dostane mimo USA, takže bych si evropské nasazení zatím do kalendáře nepsala.
Neon vede rodinu, která roste rychleji než moje přehledová tabulka
Google za sedm týdnů vydal čtyři modely Gemini 4 a pozornost teď sbírá Gemini 4 Neon. Podle rozboru VibeCoding.cz nejde o vlajkový Carbon, přesto nabízí víc než on, má být výrazně levnější než Opus a lidé jeho texty hodnotí velmi vysoko. V prvním nezávislém testu programování však Neon za Opusem zaostal o sedm bodů.
Tohle mi připadá jako zdravá protiváha k titulku „nejlepší model“. Nejlepší pro co? Pro text, cenu, programování nebo nějakou kombinaci všeho? TLDR AI vedle Neonu zmiňuje také Genie 4 a využití AI při návrhu čipů, takže Google očividně nerozšiřuje jen chatovací značku, ale celý balík modelů a nástrojů. Pro běžného člověka je v tom zatím trochu guláš s chemickým názvoslovím, ale Neon stojí za sledování hlavně jako levnější alternativa k nejdražším modelům.
Historie chatu a trénink už nemají být jeden vypínač
Praktičtější změna se týká nastavení Gemini: Google oddělí volbu pro používání dat k tréninku od uchování historie konverzací. Člověk tak může podle Ars Technica odmítnout trénování na svých interakcích, aniž by přišel o historii.
To je přesně ten druh nastavení, který jsem čekala už dávno. Historie chatu je pro mnohé užitečná paměť, ne automatický souhlas s dalším použitím dat. Samozřejmě pořád stojí za to otevřít si konkrétní volby v účtu a přečíst si, co přesně vypínají; popisky soukromí mívají občas talent mluvit lidsky až na třetí přečtení.
OpenAI ukazuje práci pod kapotou
Modely pomáhaly optimalizovat obvody
OpenAI popisuje použití svých modelů při optimalizaci obvodů v křemíku Jalapeño a při zlepšování návrhů jader RISC-V. RISC-V je otevřená architektura instrukcí pro procesory, tedy zjednodušeně společný „jazyk“, podle kterého může procesor rozumět programům. V této práci měl figurovat GPT-6 Astra.
AI navržený čip zní trochu jako sci-fi, které se samo napsalo, ale podklad mluví o optimalizaci, ne o tom, že model samostatně vyrobil celý procesor od prvního náčrtu po továrnu. I tak je to zajímavý směr: návrh hardware je drahý a pomalý a každé rozumné zlepšení obvodů se může v praxi počítat. Chybí mi ale konkrétnější srovnání, o kolik jsou návrhy lepší a kde přesně lidský tým musel zasáhnout.
ChatGPT má vlastní továrnu na hledání zdržení
OpenAI také představilo Performance Factory, soustavu postupů poháněných Codexem, která hledá a opravuje problémy s výkonem ChatGPT. Codex je nástroj OpenAI zaměřený na práci s kódem. Není to nová funkce, kterou si člověk zapne v menu, ale docela důležitá připomínka, že rychlá AI nevzniká jen trénováním většího modelu.
Mě na tom baví hlavně ta méně lesklá část AI provozu. I velmi chytrý chatbot je k vzteku, pokud každá odpověď chodí tempem dopisu poslaného holubem. Z oznámení neplyne, o kolik se ChatGPT zrychlil, takže si úspěch firmy nemám jak nezávisle přepočítat. Princip automatizovaného hledání výkonnostních chyb ale dává smysl.
Vedle výkonu se řeší i rizika a moc
Další dva texty OpenAI se netváří tak produktově. Jeden popisuje práci s riziky pokročilé AI od tréninku po nasazení: zmiňuje slaďování modelu s očekávaným chováním, sandboxing neboli izolované testovací prostředí, blokovací ochrany a monitoring. Druhý, od Deana Balla, přemýšlí nad tím, jak by schopnější AI mohla proměnit společnost a jak si lidé mohou udržet kontrolu nad svými institucemi.
Jsem ráda, že se tyhle otázky neztratily pod marketingem nových modelů. Zároveň je fér říct, že popis vlastních bezpečnostních procesů je pořád popis od firmy, která je používá. Hodnotu podobných slibů ukáže hlavně to, zda budou ochrany ověřitelné i zvenčí a zda se budou držet i ve chvíli, kdy zpomalují vydání produktu.
AI naráží na školy, feedy a stoly
Školy řeší, zda kvůli AI nepřijdou o vyhledávání
Školské obvody v New Yorku, Los Angeles a Chicagu zvažují alternativy ke Google Search. Důvodem má být plán, podle něhož školy od příštího roku nebudou moci vypnout funkce poháněné Gemini, aniž by zároveň vypnuly Vyhledávání Google.
Tohle je pro mě mnohem zajímavější než další demo asistenta. Škola potřebuje vyhledávání, ale může mít oprávněný důvod odmítnout konkrétní AI funkce pro žáky. Spojení obou voleb do jedné páky nevypadá jako skutečná volba. Uvidíme, zda obvody opravdu přejdou jinam, nebo zda je síla zavedeného vyhledávače nakonec udrží na místě.
Deepfaky už si nehrají na výjimku
Instagram je podle The Verge plný deepfake obsahu, tedy syntetických videí či obrazů, které napodobují skutečné lidi. Pozornost vzbudil i klip sdílený Alexandrem Wangem z Meta: propagoval spotřebitelského AI agenta Muse a objevovali se v něm mimo jiné Wang, Mark Zuckerberg a Sam Altman.
Absurdní na tom je, že ani šéfové největších AI firem nejsou z podobných napodobenin vynecháni. Pro běžného uživatele je to o dost horší: nemá tým lidí, kteří za něj na sociální síti uvedou věci na pravou míru. Čím běžnější takový obsah je, tím víc se budeme muset učit ověřovat zdroj i u videa, kterému bychom dřív automaticky věřili.
AI mini počítače míří na pracovní stůl
Nvidia rozšiřuje čip RTX Spark N1X z dříve uvedených notebooků také do malých stolních počítačů od Asusu, Dellu a MSI. Další stroje mají následovat od Aceru, Gigabyte a HP, zatímco Microsoft má tento měsíc začít dodávat Surface RTX Spark Dev Box.
Lokální AI na malém počítači může být fajn pro vývojáře a pro úlohy, které člověk nechce posílat do cloudu. Z podkladů ale neplyne cena ani konkrétní výkon sestav, takže zatím nejde říct, jestli půjde o dostupný pracovní nástroj, nebo o další krabičku, která bude vypadat skvěle na stole někoho jiného.
Odnáším si z těchto tří dnů hlavně posun od modelových jmen k nasazení: úkoly v e-mailu, obvody v čipu, rychlost služby i pravidla ve školách. Budu sledovat, zda Tasks obstojí v běžném provozu a jestli se kolem Gemini podaří udržet soukromí jako skutečné nastavení, ne jen jako překážkovou dráhu v účtu.
Zdroje
- Google AI Blog: Tasks v Gemini
- The Verge: Spark se mění na Tasks
- VibeCoding.cz: Gemini 4 Neon
- TLDR AI: Gemini 4 Neon, Genie 4 a návrh čipů
- Ars Technica: oddělení historie a tréninku v Gemini
- OpenAI: modely při návrhu čipů
- OpenAI: Performance Factory pro ChatGPT
- OpenAI: řízení rizik pokročilé AI
- OpenAI: The Silent Consensus
- The Verge: školy zvažují alternativy k Google Search
- The Verge: deepfaky na Instagramu
- The Verge: mini PC s Nvidia RTX Spark

