AI chatbot vám poradí s večeří i e-mailem, ale perspektivy zúží. Modely při trénování komprimují texty a menšinové informace z nich vypadnou

Kodaňský výzkumný tým změřil, jak široký výsek poznání nabízejí velké jazykové modely. Výsledek: i nejlepší chatbot zaostává za klasickým Googlem minimálně o 18,7 %.

Foto: Pixabay

Když položíte složitý dotaz chatbotu, dostanete ucelenou, plynulou odpověď během sekund. Jenže za tou rychlostí se skrývá kompromis, který většina uživatelů netuší. Studie vedená vědci z kodaňské univerzity DIKU a partnerských institucí prověřila 27 jazykových modelů na 155 tématech a porovnala pestrost jejich odpovědí s tím, co vrátí běžné vyhledávání. Závěr je jednoznačný: chatbot zrychluje orientaci, ale současně zužuje spektrum tvrzení, ke kterým se člověk dostane. A mechanismus, který za tím stojí, se může v budoucnu ještě prohlubovat.

Jak vědci změřili šíři znalostí chatbotů

Tým kolem profesorky Isabelle Augensteinové z Kodaňské univerzity a Dustina Brandona Wrighta z Aalborg University vyvinul třístupňovou metodu. Nejprve nechali modely generovat odpovědi na informačně náročné dotazy. Pak každou odpověď rozložili na atomická tvrzení, tedy jednotlivé dílčí informace. Nakonec sémanticky příbuzná tvrzení seskupili do „meaning classes“ a spočítali takzvanou Hill-Shannonovu diverzitu (HSD), tedy míru rozmanitosti celého souboru.

Jako referenční bod zvolili poměrně skromný benchmark: prvních 40 výsledků z vyhledávání Google, provedených 1. 1. 2026 v americkém regionu jednoduchým dotazem. Sami autoři přitom v preprintu výslovně uvádějí, že takto nastavený benchmark představuje dolní hranici skutečného rozdílu, protože reálné vyhledávání s promyšlenějšími dotazy by pravděpodobně dopadlo ještě pestřeji.

Výsledná čísla: Google dosáhl HSD 3 110, zatímco GPT-5, nejlépe hodnocený model v celém testu, skončil na 2 621. Rozdíl činí minimálně 18,7 % ve prospěch klasického hledání. Žádný z 27 prověřených systémů tuto hranici nepřekonal.

Proč chatboty opakují stále totéž, a co za tím vězí

Jazykové modely zpracovávají obrovské objemy textu a učí se z nich pravděpodobnostní vzorce. Frekventované informace se v parametrech modelu upevňují, zatímco méně obvyklé interpretace, lokální pohledy a menšinové perspektivy se postupně vytrácejí. Jde o vedlejší efekt samotného principu fungování, nikoli o záměrný filtr.

Autoři studie tento jev dokumentují na konkrétním pozorování: když rozložili odpovědi na jednotlivé clustery tvrzení, zjistili, že dominantní skupiny nesou převážně obecné, učebnicové informace. Po pátém clusteru frekvence prudce klesá. Uživatel tak při opakovaném dotazování naráží na tutéž sadu tvrzení, i když prompt přeformuluje.

Znepokojivý je i výhled do budoucna. Pokud budou nové modely stále častěji trénované na textech, které vyprodukovaly jiné AI systémy, hrozí spirála homogenizace. Autoři pro tento scénář přejímají pojem „knowledge collapse“, tedy postupné scvrkávání dostupného poznání do stále užší množiny idejí. Zároveň dodávají, že ke kolapsu zatím nedochází: novější generace modelů vykazují o něco vyšší rozmanitost než starší. Trend je pozitivní, ale odstup od vyhledávání přetrvává.

RAG pomáhá, ale nestačí, a záleží na zemi

Technologie RAG (Retrieval-Augmented Generation), při níž model čerpá z externích zdrojů v reálném čase, diverzitu odpovědí prokazatelně zvyšuje, v průměru o 656 bodů HSD oproti čistě parametrické paměti. Ani s touto pomocí ovšem žádný systém nedosáhl na úroveň vyhledávacího benchmarku.

Zajímavé je, že přínos RAG kolísá mezi zeměmi. Studie odhalila silnou korelaci (r = 0,73; p < 0,01) mezi pestrostí dostupných online zdrojů a tím, jak výrazně RAG zlepší výslednou rozmanitost. Tam, kde existuje bohatší a rozmanitější webový obsah, RAG funguje lépe. U zemí s menším objemem digitálních zdrojů je efekt slabší.

Další překvapení přineslo srovnání velikostí modelů. Malé modely vycházely v průměru diverzitněji než velké, o 219 bodů HSD nad střední kategorií, zatímco velké modely zaostávaly o 186 bodů. Podle autorů mohou větší modely silněji memorovat dominantní vzorce, a tím distribuční prostor výstupu paradoxně zúžit.

Kde chatbot škodí nejvíc, a kde ho klidně nechte pracovat

Praktický dopad studie se liší téma od tématu. U faktografických, jednoznačně zodpověditelných otázek (kolik obyvatel má Tokio, jaký je vzorec kyseliny sírové) chatbot odvede spolehlivou službu a ušetří čas. Problém nastává tam, kde odpověď závisí na úhlu pohledu.

Historické události, kulturně citlivá témata, geopolitické spory, lokálně ukotvené otázky: právě v těchto oblastech studie zachycuje největší propast mezi chatbotem a vyhledáváním. U témat vázaných na konkrétní země odpovědi modelů častěji odrážely anglickou Wikipedii než lokální jazykové zdroje. V pěti z osmi zkoumaných zemí byly výstupy blíže anglickému než domácímu výkladu.

Varovné signály, že chatbot zužuje záběr, lze rozpoznat: odpověď se drží obecných tvrzení, po přeformulování dotazu se vracejí tytéž body, chybí alternativní rámce a lokální perspektiva. Augensteinová v tiskové zprávě Kodaňské univerzity doporučuje nepřestat vyhledávat různé zdroje a „myslet za sebe“.

Co to znamená pro české uživatele a budoucnost AI

Česko v datasetu studie nefiguruje. Testované země zahrnují mimo jiné USA, Francii, Německo, Indii, Brazílii či Jižní Koreu, ale středoevropský prostor mimo Německo chybí. Vzhledem k tomu, že česky psaného obsahu je na internetu výrazně méně než anglického, dá se očekávat, že riziko informačního ochuzení je pro české uživatele přinejmenším srovnatelné, spíše vyšší. Studie to přímo nedokazuje, ale mechanismus (preference frekventovaných vzorců v dominantním jazyce) na to silně ukazuje.

Metodika výzkumu je veřejně dostupná v GitHub repozitáři a autoři ji nabízejí i komerčním AI firmám. Studie byla přijata na konferenci EMNLP 2026, která se koná koncem října v Budapešti.

Nejrozumnější přístup pro běžného uživatele? Chatbot na rychlou syntézu a první orientaci, klasické vyhledávání na rozšíření záběru. Čím spornější, lokálnější nebo kulturně složitější téma řešíte, tím vyšší cenu za pohodlí platíte v podobě užšího rozhledu.