Jak fungují velké jazykové modely: průvodce pro zvědavého ajťáka

Napíšete do ChatGPT nebo Claude slovo „Ahoj“ a za pár sekund dostanete odpověď. Plynulou, gramaticky správnou, často překvapivě chytrou. Za tou odpovědí se ale skrývá řetěz operací, který začíná rozložením vašeho textu na kousky, pokračuje násobením obrovských matic a končí pravděpodobnostním tipováním dalšího slova. Žádná magie, žádné vědomí — jen lineární algebra v průmyslovém měřítku.

Tento článek vysvětluje, jak velké jazykové modely (LLM) fungují krok za krokem. Nepotřebujete k tomu znát strojové učení, stačí základní IT gramotnost a ochota přemýšlet o číslech. Jako referenční model používáme Llamu 3.1 od Mety — je open-source, její architektura je veřejně zdokumentovaná a svým návrhem je reprezentativní pro většinu dnešních LLM včetně ChatGPT nebo Claude.

Proč je užitečné rozumět mechanismu, ne jen výsledkům? Protože kdo chápe, jak model „myslí“, lépe odhadne, kdy mu může věřit a kdy ne. Pochopí, proč čeština vyjde na API dráž než angličtina, proč model občas „halucinuje“ a proč je odpověď na tu samou otázku pokaždé trochu jiná.

Jazykový model nepracuje s písmeny ani se slovy. Pracuje s tokeny — kousky textu, které jsou kompromisem mezi znaky a celými slovy.

Zpracovávat text po jednotlivých znacích by bylo příliš pomalé — věta o dvaceti slovech by měla desítky až stovky pozic a model by musel z každého znaku odvozovat, ke kterému slovu patří. Zpracovávat celá slova by zase vyžadovalo obrovský slovník: čeština se svým skloňováním, časováním a předponami generuje stovky tisíc slovních tvarů. A překlep nebo nové slovo by model vůbec neznal.

Řešením je Byte Pair Encoding (BPE) — algoritmus, který automaticky najde optimální kousky textu. Nejdříve začne s jednotlivými byty (256 možných hodnot). Pak opakovaně najde nejčastější sousedící dvojici a sloučí ji do nového tokenu. Proces se opakuje, dokud slovník nedosáhne požadované velikosti.

Výsledkem je slovník, kde častá slova jako „the“ nebo „je“ mají vlastní token, zatímco vzácnější slova se rozloží na podslova. Například „tokenizace“ se může rozložit na token + iz + ace.

Záleží na modelu. Llama 3.1 používá slovník o 128 256 tokenech — čtyřikrát více než Llama 2 (32 000). Větší slovník znamená, že častá slova se kódují jedním tokenem místo několika, což zrychluje zpracování i generování. GPT-4 používá přibližně 100 000 tokenů.

Praktický dopad: Čeština potřebuje na stejný obsah zhruba o 30–50 % více tokenů než angličtina. To přímo ovlivňuje cenu API volání i to, kolik textu se vejde do kontextového okna modelu.

Llama 3 a novější modely používají tokenizér založený na tiktoken (BPE na úrovni bytů), starší modely a některé jiné architektury používají SentencePiece. Princip je ale stejný.

Samotný token je jen číslo — identifikátor ve slovníku. Token „pes“ může mít ID třeba 4821. Ale model potřebuje pracovat s významem slov, ne jen s jejich pořadovým číslem.

Proto se každé token ID převede na embedding — hustý vektor reálných čísel o stovkách až tisících dimenzí:

„pes“ → token ID: 4821 → embedding: [0.23, -1.4, 0.07, …, 0.54] (vektor délky 4096)

Embedding dimenze je klíčový parametr, který určuje „šířku“ celého modelu. S rostoucím počtem parametrů roste i šířka: Llama 3.1 8B (8 miliard parametrů) má embedding o 4 096 dimenzích, Llama 3.1 70B používá 8 192 a největší Llama 3.1 405B pracuje s 16 384 dimenzemi. Pro srovnání — starší GPT-2 s 1,5 miliardy parametrů vystačil s 1 600 dimenzemi.

Tyto hodnoty jsou u Llamy veřejné, protože Meta ji vydala jako open-source. U Claude nebo GPT-4 přesné rozměry Anthropic a OpenAI nezveřejňují.

(Zdroje: Meta Llama 3.1 Technical Report; konfigurační soubory na HuggingFace.)

Hodnoty v embeddingu nejsou ručně navržené — model se je naučí sám při tréninku. Ale výsledek je pozoruhodný: slova s podobným významem mají vektory, které jsou si v prostoru „blíže“. Klasický příklad: vektor(„král”) − vektor(„muž”) + vektor(„žena”) ≈ vektor(„královna”).

Embedding tabulka je jednoduše matice o rozměrech slovník × dimenze. U Llamy 3.1 8B to je 128 256 × 4 096 = přes 500 milionů čísel jen pro tuto jednu vrstvu. A to je teprve začátek.

Jakmile máme tokeny převedené na vektory, vstupují do transformeru — architektury, která stojí za prakticky všemi dnešními LLM. Transformer navrhl tým v Googlu v roce 2017 (Vaswani et al., „Attention Is All You Need”) a od té doby se stal páteří celého oboru.

Transformer se skládá z vrstev (bloků), které se opakují za sebou. Llama 3.1 8B jich má 32, model 405B jich má 126. Každá vrstva přijímá a vydává tensor stejného tvaru — šířka (embedding dimenze) zůstává konstantní napříč celým modelem. Uvnitř každé vrstvy jsou dvě hlavní komponenty: self-attention a feed-forward síť.

Self-attention je mechanismus, který každému tokenu umožní „podívat se“ na všechny ostatní tokeny a rozhodnout se, které jsou pro něj relevantní. Ve větě „Kočka seděla na rohožce a olizovala si tlapky“ musí model pochopit, že „olizovala“ se vztahuje ke „kočka“, ne k „rohožce“.

Jak to funguje? Z každého tokenu (vektoru o rozměru 4 096) se lineární projekcí vytvoří tři vektory:

Výpočet pak probíhá ve čtyřech krocích:

1. skóre = Q · Kᵀ # dot product — míra kompatibility

2. skóre = skóre / √d_k # škálování (d_k = dimenze hlavičky)

3. váhy = softmax(skóre) # normalizace na pravděpodobnosti

4. výstup = váhy · V # vážený součet hodnot

Škálování odmocninou je nezbytné: bez něj by dot producty rostly s dimenzí a softmax by se „nasytil“ — téměř veškerá váha by padla na jeden token a gradienty při tréninku by byly blízké nule.

Místo jednoho velkého attention výpočtu se pozornost rozdělí do několika hlaviček (heads), z nichž každá pracuje nezávisle na menší dimenzi. U Llamy 3.1 8B je to 32 hlaviček, každá o dimenzi 128 (32 × 128 = 4 096). Každá hlavička se může specializovat na jiný typ vztahu — jedna zachycuje syntaxi, jiná koreferenci zájmen, další sémantickou podobnost.

Výstupy všech hlaviček se spojí a lineárně promítnou zpět na plnou dimenzi 4 096.

Llama 3.1 přitom nepoužívá klasický Multi-Head Attention, ale Grouped-Query Attention (GQA). Rozdíl je v tom, že zatímco Query hlaviček je stále 32, Key a Value hlaviček je jen 8. Každá skupina čtyř Q hlaviček sdílí jednu K a V hlavičku. Proč? Protože K a V se ukládají do KV cache (viz dále) a menší počet KV hlaviček výrazně snižuje paměťovou náročnost při generování — bez měřitelného dopadu na kvalitu.

Pro představu: klasický Multi-Head Attention s 32 KV hlavičkami zabere 4× více paměti na cache než GQA s 8 hlavičkami. Existuje i extrémní varianta Multi-Query Attention (jen 1 KV hlavička), která šetří ještě víc, ale za cenu mírného poklesu kvality.

(Zdroj: Meta Llama 3.1 Technical Report, arxiv.org/abs/2407.21783)

Po attention bloku projde každý token ještě feed-forward sítí, která funguje jako nelineární transformace. Llama používá variantu zvanou SwiGLU (místo klasického ReLU), která se v praxi ukázala jako efektivnější.

Feed-forward síť nejdříve rozšíří vektor na přibližně 3,5× původní šířky a pak ho zúží zpět: z 4 096 na 14 336 a zpět na 4 096 (u Llamy 3.1 8B). Toto rozšíření a zúžení dává modelu prostor pro složitější transformace uvnitř každé vrstvy.

Attention samo o sobě je „bag of tokens“ — nezáleží mu na pořadí. Věty „pes kousl muže“ a „muž kousl psa“ by bez dalšího daly stejný výsledek. Model potřebuje informaci o pozici.

Starší modely přičítaly k embeddingu fixní vektor podle pozice (absolutní pozicové kódování). Problém: model špatně generalizoval na delší texty, než viděl při tréninku.

Llama a většina moderních modelů používají RoPE (Rotary Position Embeddings). Místo přičítání se vektory Q a K rotují v komplexní rovině podle pozice tokenu. Klíčová vlastnost: dot product Q·K pak závisí jen na relativní vzdálenosti mezi tokeny, ne na absolutních pozicích. Model se přirozeně naučí, že token o dvě pozice dál má jiný význam než token o dvacet pozic dál.

Vektor se rozdělí na páry dimenzí a každý pár se rotuje jinou frekvencí — pomalé frekvence zachycují dlouhé vzdálenosti, rychlé krátké. Připomíná to Fourierovu transformaci. Díky práci s relativními pozicemi se kontext dá škálovat různými technikami (YaRN, RoPE scaling) — proto Llama 3.1 zvládá okno až 128 000 tokenů.

LLM generují text autoregresivně — token po tokenu. Model dostane vstupní sekvenci, spočítá pravděpodobnostní rozložení přes celý slovník (128 256 možností u Llamy) a vybere další token. Ten se připojí ke vstupu a celý proces se opakuje.

To znamená, že model negeneruje celou odpověď najednou. Každý token vyžaduje průchod celou sítí. U modelu s 32 vrstvami a vektory o 4 096 dimenzích je to obrovské množství násobení matic — pro každé jedno slovo.

Při generování n-tého tokenu model potřebuje attention přes všechny předchozí tokeny. Bez optimalizace by musel přepočítat K a V vektory pro celou dosavadní sekvenci — znovu a znovu, pro každý nový token. To je zbytečně drahé.

Řešení: KV cache. Klíče a hodnoty se po prvním výpočtu uloží do paměti a znovu se používají. Nový token se „doptá“ na všechny předchozí K, ale nepřepočítává je.

Token 1: spočítej Q₁, K₁, V₁ → ulož K₁, V₁

Token 2: spočítej Q₂, K₂, V₂ → ulož K₂, V₂; attention přes K₁,V₁ z cache

Token 3: spočítej Q₃, K₃, V₃ → ulož K₃, V₃; attention přes K₁,V₁,K₂,V₂…

Kolik paměti KV cache zabírá? U Llamy 3.1 8B s GQA (8 KV hlaviček místo 32) vychází přibližně 128 KB na jeden token. Pro 8 000 tokenů je to ~1 GB, pro maximální kontext 128 000 tokenů už ~16 GB — to je zásadní, protože KV cache může zabírat víc paměti než samotné váhy modelu. Právě proto je GQA tak důležitá: oproti klasickému Multi-Head Attention šetří čtyřnásobek paměti na KV cache.

Model nevydává jedno slovo, ale pravděpodobnostní rozložení přes celý slovník. Jak se z něj vybere výsledek?

Greedy dekódování vždy zvolí token s nejvyšší pravděpodobností. Je deterministické, ale často nudné a repetitivní. Temperature škáluje logity před softmaxem — nižší teplota (0,1) dělá model „jistějším“, vyšší (1,5) kreativnějším, ale i nepřesnějším. Top-p (nucleus sampling) vybírá z nejmenšího souboru tokenů, jejichž kumulativní pravděpodobnost přesáhne p (typicky 0,9) — ořízne nepravděpodobné tokeny, ale zachová rozmanitost. Top-k jednoduše vybírá z k nejpravděpodobnějších tokenů.

Většina chatbotů kombinuje temperature s top-p. Proto dostanete na tu samou otázku pokaždé mírně odlišnou odpověď.

Model se trénuje na obrovském množství textu s jedinou úlohou: předpovídat další token. Nic víc. Žádné instrukce, žádné otázky a odpovědi — jen surový text z internetu, knih a kódu. Z tak jednoduché úlohy se přitom model naučí zachycovat překvapivě složité vzory — překlad, logiku, programování — aniž by k tomu byl explicitně instruován. Jestli jde o skutečnou emergenci (náhlý skok ve schopnostech při určité velikosti modelu), nebo o plynulý škálovací efekt maskovaný diskrétními metrikami, je předmětem živé debaty (Schaeffer et al., 2023: Are Emergent Abilities a Mirage?).

vstup: „pes kousl“ cíl: „muže“

Model vydá vektor logitů o délce slovníku a softmax z nich udělá pravděpodobnosti. Loss funkce (cross-entropy) penalizuje model za to, že správnému tokenu přiřadil nízkou pravděpodobnost. Pokud model přiřadí tokenu „muže“ pravděpodobnost 0,42, loss vyjde 0,87 — relativně nízká penalizace. Pokud jen 0,01, loss vyskočí na 4,6. Průměruje se přes všechny tokeny v batchi.

Zpětnou propagací (backpropagation) se spočítá gradient lossu vůči každé váze v modelu — u Llamy 3.1 8B je to ~8 miliard parametrů. Optimalizátor AdamW pak adaptivně upraví každý parametr: pamatuje si průběžný průměr gradientů (směr) i průměr jejich čtverců (variabilitu) a podle toho škáluje kroky.

V jakém měřítku to probíhá? Llama 3.1 405B se trénovala na více než 16 000 GPU H100 po dobu asi 54 dnů předtrénování. Celkově spotřebovala 39,3 milionu GPU-hodin výpočetního času na přes 15 bilionech tokenů. Tréninková data zahrnují text v osmi jazycích — angličtina dominuje, ale přes 5 % tvoří kvalitní vícejazyčná data.

(Zdroje: Meta AI blog; Llama 3.1 Technical Report; Epoch AI analýza.)

Distribuované trénování využívá kombinaci tří typů paralelismu. Data parallelism znamená, že každý GPU zpracovává jiný batch dat a gradienty se průměrují. Tensor parallelism rozsekává jednu matici přes více GPU. Pipeline parallelism rozmisťuje různé vrstvy na různé GPU.

Předtrénovaný model umí doplňovat text, ale neumí odpovídat na otázky ani dodržovat instrukce. Proto se dotrénuje na kvalitních ukázkách formátu instrukce → odpověď, které vytvářejí lidští anotátoři.

Poslední fáze učí model, že některé odpovědi jsou lepší než jiné. Lidští hodnotitelé dostávají dvojice odpovědí na tutéž otázku a vybírají, která je lepší. Z těchto preferencí se model učí upřednostňovat užitečné, bezpečné a přesné odpovědi.

Starší přístup RLHF (Reinforcement Learning from Human Feedback) trénuje separátní „reward model“ a pak optimalizuje LLM pomocí PPO algoritmu. Novější DPO (Direct Preference Optimization) tento krok zjednodušuje — místo reward modelu optimalizuje přímo z párových preferencí. Llama 3.1 používá DPO.

Váhy modelu se standardně ukládají v 16bitové přesnosti (BF16 nebo FP16). Model s 8 miliardami parametrů tak zabírá ~16 GB paměti. Kvantizace snižuje přesnost — typicky na 8 nebo 4 bity — a tím zmenšuje model na polovinu až čtvrtinu.

Konkrétně: 8B model v BF16 zabírá ~16 GB, v FP8 ~8 GB a ve 4bitové kvantizaci (GPTQ, AWQ) jen ~4 GB. U 70B modelu je to ~140 GB, ~70 GB a ~35 GB. Meta sama kvantizovala Llamu 3.1 405B z BF16 na FP8 (row-wise quantization), aby se model vešel na jeden server s 8× H100.

Kvantizace je jako JPEG komprese pro neuronové sítě — malá ztráta kvality za obrovskou úsporu prostoru. Moderní kvantizační metody (GPTQ, AWQ, GGUF) dosahují u 4bitové kvantizace ztráty kvality, která je v praxi často neměřitelná. Na vývojářské úrovni to znamená, že model, který dříve vyžadoval cluster, dnes běží na jedné herní grafické kartě.

Klasické (dense) modely aktivují při každém tokenu všechny parametry. MoE architektura to mění: feed-forward síť v každé vrstvě se nahradí několika experty (menšími sítěmi) a router rozhodne, kterého experta aktivovat.

Typický příklad: Mixtral 8×7B má 8 expertů po 7 miliardách parametrů, ale pro každý token aktivuje pouze 2. Celkový počet parametrů je ~47 miliard, ale výpočetní náročnost odpovídá přibližně modelu s 13 miliardami. Novější Mixtral 8×22B a DeepSeek-V3 tento princip posouvají dál.

Token → Router → Vyber top-2 experty → Spočítej oba → Váženě kombinuj výstup

Výhoda: model může mít obrovskou „znalostní“ kapacitu, ale výpočetně je efektivní. Nevýhoda: paměťově musí být v RAM/VRAM všichni experti, i když se aktivují jen dva. Proto MoE modely potřebují hodně paměti, ale méně výpočetního výkonu.

Zajímavost: Meta u Llamy 3.1 záměrně nezvolila MoE architekturu. V technickém reportu uvádí, že preferovala stabilitu a jednoduchost tréninku dense modelu nad potenciálními zisky MoE.

LLM má dva zdroje informací: co se naučil při tréninku (váhy) a co dostane v promptu (kontext). Obojí má limity — váhy jsou zmrazené k datu tréninku, kontext je omezený velikostí okna. RAG (Retrieval-Augmented Generation) tento problém řeší: před generováním odpovědi systém nejdřív vyhledá relevantní dokumenty v externí databázi a vloží je do promptu.

Typický RAG pipeline vypadá takto:

Otázka → Vyhledej relevantní dokumenty → Vlož je do kontextu → Model generuje odpověď

Vyhledávání obvykle funguje přes vektorovou podobnost — dokumenty se předem převedou specializovaným embedding modelem na vektory (princip je podobný embeddingům uvnitř LLM, ale jde o samostatný model) a uloží do vektorové databáze. Při dotazu se najdou nejpodobnější vektory a odpovídající texty se předají modelu.

RAG výrazně snižuje halucinace (model odpovídá na základě konkrétních dokumentů, ne jen z „paměti”), překonává knowledge cutoff (databáze se dá průběžně aktualizovat) a umožňuje pracovat s interními firemními daty, aniž by bylo nutné model přetrénovat. V praxi je to dnes nejčastější způsob nasazení LLM v podnikovém prostředí.

Supervised fine-tuning doladí model na konkrétní úlohu, ale plný fine-tuning vyžaduje aktualizaci všech miliard parametrů — to je drahé a náročné na paměť. LoRA (Low-Rank Adaptation) nabízí elegantní zkratku.

Místo úpravy celé váhové matice LoRA „přilepí“ ke každé vrstvě malou nízkohodnostní matici (typicky rank 8–64), která zachycuje rozdíl oproti originálu. Trénuje se jen tato malá matice — u 8B modelu to může být pouhých 10–50 milionů parametrů místo 8 miliard. Paměťová náročnost klesá řádově a fine-tuning, který dříve vyžadoval cluster GPU, dnes zvládne jedna grafická karta za pár hodin.

V praxi to znamená, že malá firma si může doladit model na vlastních datech — zákaznická podpora, interní dokumentace, doménový jazyk — za desítky dolarů na cloudovém GPU. Výsledný LoRA adaptér má typicky desítky MB a dá se snadno sdílet, kombinovat nebo vypínat.

Přestože se jim říká „jazykové“ modely, nejnovější generace zpracovává i jiné vstupy. GPT-4o rozumí textu, obrazu i zvuku. Llama 3.2 má varianty s 11B a 90B parametry, které zvládají analýzu obrázků — od popisu fotografií přes čtení grafů po OCR dokumentů. Claude pracuje s textem, obrázky i PDF.

Princip je podobný jako u textu: obraz se rozloží na „patche“ (čtvercové výřezy), každý patch se převede na embedding a vstupuje do transformeru společně s textovými tokeny. Model se pak naučí propojovat vizuální a jazykové reprezentace ve sdíleném prostoru.

Hranice se dál posouvají — modely jako Gemini 2 nebo GPT-4o zpracovávají i video a audio, a trend směřuje k univerzálním modelům, které pracují s libovolnými modalitami.

Autoregresivní generování je ze své podstaty sekvenční — každý token závisí na předchozím. GPU přitom většinu času čeká, protože negeneruje dost tokenů najednou. Speculative decoding tento problém řeší elegantním trikem.

Nejdříve malý „draft“ model (třeba 1B parametrů) rychle vygeneruje několik tokenů dopředu — typicky 3–8. Pak velký cílový model paralelně ověří všechny navržené tokeny najednou, což je výrazně rychlejší než sekvenční generování. Pokud draft model uhádl správně, tokeny se přijmou. Pokud ne, velký model vygeneruje správný token od místa, kde se výstupy rozešly.

Výsledek je matematicky identický s čistě sekvenčním generováním velkého modelu — žádná ztráta kvality. Zrychlení závisí na tom, jak dobře malý model předpovídá, typicky 2–3×.

Speculative decoding dnes implementují například vLLM, TensorRT-LLM nebo Medusa (varianta s pomocnými „hlavami“ přímo na cílovém modelu).

Čeština s bohatou morfologií potřebuje více tokenů na tutéž informaci než angličtina. Slovo „nepřipravovala“ se může rozložit na 3–4 tokeny, zatímco anglické „unprepared“ na 2. Na API, kde se platí za token, to znamená přibližně o 30–50 % vyšší cenu.

Model generuje tokeny na základě pravděpodobnostního rozložení naučeného z trénovacích dat. Nemá žádný „kontrolní mechanismus“ ověřující pravdivost — jen tip, co by pravděpodobně mohlo následovat. Pokud si není „jistý“, doplní něco, co statisticky pasuje, ale nemusí být fakticky správné.

Všechny informace, ze kterých model vychází, musí být buď v jeho váhách (z tréninku), nebo v kontextovém okně (aktuální prompt). KV cache roste lineárně s délkou kontextu a při 128 000 tokenech může zabírat desítky GB paměti. Proto je délka kontextu vždy kompromisem mezi schopnostmi a cenou.

Generování jednoho tokenu u modelu 405B vyžaduje průchod přes 126 vrstev, každá s attention a feed-forward blokem. I při FP8 kvantizaci potřebujete 8× H100. Cena API za generovaný token klesá pomaleji, než by naznačoval Moorův zákon — úzkým hrdlem je přesouvání dat v paměti (memory bandwidth), ne výpočetní výkon.

Vrátíme se k začátku. Napíšete „Ahoj“ a model odpoví. Mechanicky vzato se stane „jen“ to, že se text rozloží na tokeny, převede na vektory a ty projdou desítkami vrstev attention a feed-forward sítí, než model zvolí další token.

Ale výsledek je víc než součet těchto operací. Z prostého úkolu „předpověz další token“ se při dostatečném měřítku — miliardách parametrů, bilionech trénovacích příkladů — vynoří schopnosti, které nikdo explicitně neprogramoval: model rozumí kontextu, drží koherenci přes tisíce slov, řeší logické úlohy, píše kód a překládá mezi jazyky. Jak přesně k tomu dochází, je otevřená výzkumná otázka — a jedna z nejzajímavějších v současné informatice.

Co z toho článku plyne prakticky? LLM nejsou ani zázračné orákulum, ani hloupý automat na náhodná slova. Jsou to výkonné nástroje se specifickými silnými stránkami i dobře pochopitelnými slabinami. Kdo rozumí mechanismu — tokenizaci, attention, pravděpodobnostnímu generování — dokáže s nimi pracovat efektivněji a s menším rizikem, že je výstup zavede na scestí.

Hlavní zdroje: Vaswani et al. (2017) „Attention Is All You Need”; Meta Llama 3.1 Technical Report (arxiv.org/abs/2407.21783); Meta AI Blog; HuggingFace Blog; NVIDIA Technical Blog.

Metodická poznámka

Koncepce, struktura a redakční linie článku jsou dílem autora, který vypracoval obsahovou skicu, stanovil klíčové teze a řídil celý proces tvorby. Generativní AI (Claude, Anthropic) byla využita jako technický nástroj pro rešerši, ověřování faktů a rozepsání autorovy předlohy.

Autor výstupy průběžně redigoval, ověřil klíčová zjištění a schválil finální znění. Žádná část textu nebyla publikována bez lidské kontroly. Všechny faktické údaje byly ověřeny proti veřejně dostupným zdrojům uvedeným v textu.

Postup je v souladu s požadavky Čl. 50 Nařízení EU 2024/1689 (AI Act) na transparentnost AI-generovaného obsahu. #poweredByAI