Váš nový doktor je ChatGPT: OpenAI spouští Health Connect napojený na lékařské záznamy

Zapomeňte na chvíli na všechno, co jste si mysleli, že víte o AI z minulého týdna, protože tenhle technologický vlak právě shodil brzdy a řítí se do budoucnosti. Dneska se u virtuální kávy podíváme na to, jak se umělá inteligence učí „hluboce přemýšlet“ i poté, co opustila tréninkové centrum, a proč nám šéf Nvidie slibuje robotické parťáky už letos. Proklepneme taky nový, poměrně odvážný krok OpenAI přímo do vašich zdravotních záznamů a zjistíme, že open-source modely na konci roku 2025 konečně dorovnávají skóre s těmi největšími, uzavřenými hráči.

Doposud platilo v AI jedno základní pravidlo: model se natrénuje za obrovské peníze a pak je „zmrazený“ v čase, připravený jen rychle odpovídat na vaše dotazy. Tomu je ale konec, protože nastupuje nová éra tzv. „test-time training“ nebo škálování inference, což v podstatě znamená, že AI se učí i v momentě, kdy ji používáte. Představte si to jako rozdíl mezi studentem, který jen sype naučené odpovědi z rukávu, a studentem, který si před těžkou otázkou sedne, zamyslí se, načrtne si řešení a teprve pak odpoví. Tento posun od rychlého „Systému 1“ k pomalejšímu, uvažujícímu „Systému 2“ je naprosto zásadní pro řešení složitých problémů v matematice nebo kódování. Už nejde jen o to nakrmit model více daty během tréninku, ale dát mu více výpočetního výkonu na „přemýšlení“ nad konkrétním úkolem. Tohle je moment, kdy AI přestává jen napodobovat vzorce a začíná skutečně uvažovat. Je to změna paradigmatu, která může znamenat, že budoucí pokroky nebudou záviset jen na velikosti modelu, ale na tom, jak efektivně dokáže využít čas na rozmyšlenou. [[1]]

Tento nový přístup má obrovské dopady na ekonomiku celé umělé inteligence a způsob, jakým budujeme infrastrukturu. Dříve se většina astronomických nákladů spálila při úvodním tréninku modelu, zatímco samotný provoz (inference) byl relativně levný. Nyní se těžiště přesouvá a firmy budou muset investovat masivní prostředky do výpočetní síly potřebné pro každý jednotlivý složitý dotaz uživatele. Znamená to, že pokud chcete od AI vyřešit opravdu komplexní problém, budete si muset připlatit za její „čas na přemýšlení“, což zcela mění obchodní modely poskytovatelů AI. Už neplatíme jen za přístup k modelu, ale za jeho kognitivní úsilí v reálném čase. Firmy jako OpenAI se svými modely řady „o1“ ukazují, že delší „přemýšlení“ vede k dramaticky lepším výsledkům. Tento trend naznačuje, že budoucnost AI není jen o větších mozcích, ale o mozcích, které umí lépe využívat svůj čas. [[1]]

Zajímavé je, že tento proces „učení se za chodu“ není úplně totéž co lidské učení, kdy si pamatujeme nové informace napořád. Většina současných technik test-time trainingu vylepšuje schopnosti modelu jen pro daný konkrétní úkol nebo konverzaci, a tyto „znalosti“ se pak zahodí. Model si takříkajíc vyčistí pracovní paměť, aby byl připraven na další úkol s čistým štítem. Výzkumníci ale intenzivně pracují na způsobech, jak tyto dočasné zisky proměnit v trvalejší vylepšení, aniž by museli model kompletně přetrénovat. Je to jako snažit se naučit starého psa novým kouskům, aniž byste ho museli posílat zpátky do štěněcí školky. Pokud se podaří tento problém vyřešit, mohli bychom mít AI, která se neustále a organicky zlepšuje pouhým používáním. To by byla ta skutečná revoluce, na kterou všichni čekáme. [[1]]

Tento vývoj také vrhá nové světlo na debatu o tom, zda současné modely AI skutečně „rozumí“ světu, nebo jsou jen glorifikovanými statistickými papoušky. Schopnost modelu zastavit se, analyzovat problém z různých úhlů, generovat mezikroky a opravovat vlastní chyby v reálném čase naznačuje něco víc než jen prosté doplňování slov. Kritici sice stále argumentují, že jde jen o sofistikovanější formu vyhledávání vzorů, ale hranice mezi „simulovaným myšlením“ a „skutečným myšlením“ se začíná nebezpečně stírat. Když model dokáže vyřešit matematický důkaz, který nikdy předtím neviděl, jen tím, že mu dáte více času, je těžké to odbýt jen jako statistickou náhodu. Test-time training dává AI nástroje k tomu, aby překonala svá tréninková data a objevovala nová řešení. A to je fascinující i děsivé zároveň. [[1]]

Nakonec je třeba si uvědomit, že tato „uvažující“ AI nebude pro každého a pro každou situaci. Pro rychlý dotaz na recept na bábovku nepotřebujete model, který bude pět minut hloubat nad molekulární strukturou mouky. Budeme pravděpodobně svědky fragmentace trhu, kde budou existovat super-rychlé, levné modely pro běžné úkoly a drahé, pomalé, ale hluboce uvažující modely pro vědecký výzkum nebo komplexní inženýrství. Klíčem bude vědět, kdy použít který nástroj. Celé toto odvětví se posouvá od hrubé síly k chytřejšímu využívání zdrojů, což je pro dlouhodobou udržitelnost AI nezbytné. Nejde už o to mít největší kladivo, ale vědět, jak s ním přesně udeřit. [[1]]

Pokud jste si mysleli, že na roboty, kteří vypadají a jednají jako lidé, si počkáme ještě dekády, šéf Nvidie Jensen Huang vás na veletrhu CES 2026 právě vyvedl z omylu. S typickým koženým sebevědomím prohlásil, že roboti s „lidskými schopnostmi“ přicházejí už letos, což je mnohem dříve, než většina skeptiků očekávala. Nejde přitom jen o nějaké hračky na dálkové ovládání, ale o stroje poháněné pokročilou „fyzickou AI“, které dokáží vnímat svět kolem sebe a autonomně v něm jednat. Nvidia se v tomto závodě nestaví do role výrobce samotných robotických těl, ale chce být tím, kdo dodává „mozky“ – supervýkonné počítače a AI modely, které tyto stroje oživí. Je to klasická strategie „prodávat krumpáče během zlaté horečky“, jen tentokrát jsou těmi krumpáči křemíkové čipy pro roboty. A zdá se, že zlatá horečka právě začíná. [[2]]

Huangova vize „fyzické AI“ je fascinující, protože spojuje digitální inteligenci, kterou známe z chatbotů, s reálným fyzickým světem, který je plný chaosu a nepředvídatelnosti. Naučit robota, aby nenarazil do stolu, je jedna věc, ale naučit ho, aby jemně uchopil sklenici vody a podal vám ji, aniž by ji rozlil nebo rozdrtil, je úplně jiná liga. Nvidia vyvíjí specializované platformy, jako je Jetson Thor, které fungují jako centrální nervový systém pro tyto humanoidy a zpracovávají data z kamer a senzorů v reálném čase. Tyto „mozky“ se musí učit nejen rozpoznávat objekty, ale také chápat fyzikální zákony, dynamiku pohybu a interakci s lidmi. Představte si to jako trénink atleta a vědce v jednom těle, a to všechno se musí dít bleskovou rychlostí. Žádný div, že to vyžaduje masivní výpočetní výkon. [[2]]

Tento dramatický posun v časovém harmonogramu příchodu robotů je z velké části způsoben pokroky v generativní AI, které jsme viděli v posledních letech. Stejné principy, které umožňují ChatGPT psát básně, se nyní aplikují na učení robotů, jak se hýbat a reagovat. Namísto složitého ručního programování každého pohybu se roboti učí pozorováním a simulací v digitálních dvojčatech reálného světa, než vůbec udělají první skutečný krok. To neuvěřitelně zrychluje vývojový cyklus a umožňuje robotům zvládat úkoly, které byly dříve považovány za nemožné. Zatímco před pár lety roboti padali při chůzi do schodů, dnes se učí složité manipulace s předměty v řádu měsíců. Rychlost inovací v této oblasti je dechberoucí. [[2]]

Samozřejmě, příchod humanoidních robotů do našich domovů a pracovišť s sebou nese obrovské společenské a etické otázky, které Jensen Huang ve svém nadšení možná trochu přeskakuje. Jak budeme s těmito stroji interagovat, jak zajistíme jejich bezpečnost a co to udělá s trhem práce, jsou otázky, na které zatím nemáme jasné odpovědi. Nvidia se soustředí na technologickou stránku věci a nechává tyto „měkké“ problémy na ostatních, což je pochopitelné, ale potenciálně nebezpečné. Je jasné, že první generace těchto robotů bude drahá a pravděpodobně neohrabaná, ale historie technologií nás učí, že zlepšení přichází exponenciálně. Než se nadějeme, můžeme mít vedle sebe v továrně nebo v nemocnici kolegu, který nepotřebuje přestávku na kávu. [[2]]

Pro Nvidii je tento krok logickým vyústěním její dominance v oblasti AI čipů a snahou najít další obrovský trh po datových centrech. Pokud se jejich vize naplní a svět zaplaví miliony robotů, každý z nich bude potřebovat výkonný „mozek“ od Nvidie, což firmě zajistí pohádkové zisky na další desetiletí. Je to sázka na budoucnost, kde se digitální a fyzický svět prolínají způsobem, který jsme dosud viděli jen ve sci-fi filmech. Zda budou tito roboti našimi pomocníky, nebo zdrojem nových problémů, ukáže až čas, ale jedno je jisté: budoucnost už klepe na dveře a má kovové klouby. A díky Nvidii přichází rychleji, než jsme si mysleli. [[2]]

OpenAI právě udělala krok, který je zároveň fascinující a pro mnohé z nás i mírně děsivý – spustila funkci ChatGPT Health Connect. Tato novinka umožňuje uživatelům v USA přímo propojit jejich účty ChatGPT s elektronickými zdravotními záznamy (EMR) od různých poskytovatelů a zdravotních systémů. Představte si to: místo abyste do Googlu zoufale psali „bolest hlavy a vyrážka“ a skončili s diagnózou vzácné tropické nemoci, váš AI asistent se podívá přímo do vaší anamnézy, výsledků posledních krevních testů a seznamu léků. Na základě těchto konkrétních, personalizovaných dat vám pak může poskytnout mnohem relevantnější rady, vysvětlit lékařské zprávy lidskou řečí nebo vám připomenout preventivní prohlídky. Je to konec éry „doktora Googla“ a začátek éry hyper-personalizovaného zdravotního poradenství. [[3]]

Partnerství s velkými hráči jako Oscar Health a integrace s hlavními platformami pro elektronické záznamy jako Epic a Cerner naznačují, že OpenAI to myslí smrtelně vážně. Cílem není nahradit vašeho skutečného lékaře, ale poskytnout vám nástroj, který vám pomůže lépe porozumět vašemu vlastnímu zdraví mezi návštěvami ordinace. ChatGPT může fungovat jako neúnavný překladatel mezi složitým lékařským žargonem a běžným pacientem, což může vést k lepšímu dodržování léčby a menšímu počtu zbytečných telefonátů doktorům. Představte si, že vám AI srozumitelně vysvětlí, proč berete konkrétní lék a jaké má interakce, přesně na míru vašemu tělu. Tento přístup má potenciál demokratizovat přístup ke zdravotním informacím a posílit roli pacienta v péči o vlastní zdraví. [[3]]

Samozřejmě, jakmile se řekne „AI“ a „zdravotní záznamy“ v jedné větě, každému příčetnému člověku se okamžitě rozblikají varovné kontrolky ohledně soukromí a bezpečnosti. OpenAI ujišťuje, že systém je navržen s maximálním důrazem na ochranu dat a je v souladu s přísnými americkými normami HIPAA, ale historie digitálního zdravotnictví je plná úniků a přešlapů. Svěřit svá nejcitlivější data komerčnímu chatbotovi vyžaduje obrovskou dávku důvěry, kterou si OpenAI bude muset tvrdě zasloužit. Je zde také riziko „halucinací“, kdy AI může sebevědomě poskytnout chybnou zdravotní radu, což může mít v tomto kontextu fatální následky. Bezpečnostní a etické bariéry jsou zde obrovské a jejich překonání bude klíčové pro úspěch celé iniciativy. [[3]]

Navzdory rizikům je potenciál pro zlepšení preventivní péče a včasné odhalení problémů obrovský. AI, která má neustálý přehled o vašich zdravotních datech, by mohla identifikovat subtilní trendy a varovné signály, kterých byste si vy ani váš přetížený lékař nemuseli všimnout. Mohla by vás upozornit na riziko diabetu na základě dlouhodobého vývoje hladiny cukru v krvi nebo doporučit změnu životního stylu dříve, než se objeví vážné příznaky. Přechod od reaktivní medicíny (léčím, až když to bolí) k proaktivní medicíně (předcházím problémům) je svatým grálem zdravotnictví a AI by mohla být klíčem k jeho dosažení. Pokud se to udělá správně, mohlo by to znamenat revoluci v tom, jak přistupujeme k vlastnímu zdraví a dlouhověkosti. [[3]]

Zavedení ChatGPT Health Connect je zatím v rané fázi a dostupné jen v USA, ale jasně ukazuje směr, kterým se integrace AI do našeho života ubírá. Už nejde jen o generování textu nebo obrázků, ale o hluboké propojení s našimi osobními daty a rozhodovacími procesy v těch nejkritičtějších oblastech. Budeme muset najít rovnováhu mezi pohodlím a vylepšenou péčí, kterou tato technologie nabízí, a riziky spojenými se ztrátou soukromí a potenciálními chybami. Je to tenký led, po kterém kráčíme, ale výhled na zdravější budoucnost je příliš lákavý na to, abychom to nezkusili. Váš příští „druhý názor“ na diagnózu už možná nebude od jiného lékaře, ale od algoritmu, který vás zná lépe než vy sami. [[3]]

Konec roku 2025 přinesl v AI světě zásadní zlom – otevřené modely konečně přestaly hrát druhé housle a dorovnaly, v některých případech dokonce překonaly, své uzavřené konkurenty jako GPT-5. Už neplatí, že pro špičkový výkon musíte posílat svá data do černé skříňky velkých korporací. Na scéně září „velká čtyřka“ open-source modelů: DeepSeek V3, Qwen 3, Llama 4 a Mistral Large 3, z nichž každý přináší unikátní superschopnosti. Tento vývoj je fantastickou zprávou pro vývojáře, firmy i nadšence, protože přináší skutečnou svobodu volby a možnost provozovat špičkovou AI na vlastní infrastruktuře bez závislosti na externích API. Monopol uzavřených modelů se drolí a moc se vrací zpátky do rukou komunity. Je to jako kdyby se najednou recept na Coca-Colu stal veřejným majetkem. [[4]]

Čínský DeepSeek V3 ukazuje, že efektivita je klíčová, a díky své architektuře Mixture of Experts (MoE) dosahuje neuvěřitelných výsledků s výrazně nižšími nároky na výpočetní výkon než konkurence. To z něj dělá ideálního kandidáta pro nasazení v prostředích, kde je kladen důraz na rychlost a nízké provozní náklady. Na druhé straně stojí Qwen 3 od Alibaby, který exceluje v multijazyčnosti a stal se jasnou volbou pro globální aplikace, které potřebují perfektně rozumět desítkám jazyků včetně těch méně rozšířených. Jeho schopnost plynule přepínat mezi jazyky a kulturami je ohromující a otevírá dveře k skutečně globálním AI službám. Tyto modely dokazují, že v AI neexistuje jedno univerzální řešení, ale spíše specializované nástroje pro různé úkoly. [[4]]

Meta se svou Llama 4 opět posunula hranice toho, co je v open-source možné, a představila monstrum s 500 miliardami parametrů, které je plně multimodální. To znamená, že Llama 4 nerozumí jen textu, ale dokáže plynule pracovat s obrázky, zvukem a videem na úrovni, která byla donedávna doménou jen nejdražších uzavřených systémů. Je to univerzální „švýcarský nůž“ pro ty, kteří potřebují maximální hrubou sílu a flexibilitu napříč různými médii. Proti tomuto americkému gigantovi stojí evropský šampion Mistral Large 3, který si vybudoval pověst absolutní špičky v oblasti kódování a technických úkolů. Vývojáři po celém světě přecházejí na Mistral, protože jeho schopnost generovat čistý, funkční kód je prostě bezkonkurenční. [[4]]

Tato renesance open-source AI má dalekosáhlé důsledky pro inovace. Když mají tisíce chytrých lidí po celém světě přístup k nejlepším modelům a mohou je volně upravovat, vylepšovat a stavět na nich, tempo pokroku se dramaticky zrychluje. Vidíme vznik specializovaných verzí těchto modelů pro medicínu, právo nebo kreativní psaní, které by v uzavřeném ekosystému nikdy nevznikly. Firmy si nyní mohou vzít například Llamu 4, dotrénovat ji na svých vlastních citlivých datech a provozovat ji bezpečně „za firewallem“, aniž by se musely bát úniku informací. Open source přináší nejen výkon, ale především důvěru a kontrolu nad technologií. [[4]]

Pohled na konec roku 2025 jasně ukazuje, že budoucnost AI je hybridní. Uzavřené modely budou mít stále své místo, zejména tam, kde je potřeba absolutně nejvyšší výkon bez ohledu na cenu, ale open-source se stal plnohodnotnou a často preferovanou alternativou. Konkurence mezi těmito dvěma světy je tím nejlepším motorem pokroku, ze kterého těžíme my všichni jako uživatelé. Už nemusíme čekat, co nám velcí hráči dovolí používat; nástroje pro stavbu budoucnosti jsou nyní volně dostupné pro každého, kdo má odvahu a schopnosti je využít. Éra demokratizace superinteligence právě začala. [[4]]

https://www.wired.com/story/ai-models-keep-learning-after-training-research/
https://news.sky.com/story/robots-with-human-type-capabilities-are-coming-this-year-says-nvidia-ceo-13491412 
https://www.theverge.com/ai-artificial-intelligence/857640/openai-launches-chatgpt-health-connect-medical-records
https://introl.com/blog/best-open-source-ai-models-december-2025