Študent psychológie radí

Kúpte si AI lístok moderného vysokoškoláka

Umelá inteligencia sa stala prirodzenou a neoddeliteľnou súčasťou života „takmer“ každého študenta. Asistent expresného vyhľadávania informácií a učenia, poslušný pomocník písomnej a kreatívnej tvorby, kamarát na rozhovor či spoluvýskumník... To všetko sú v súčasnosti študentom psychológie tak dobre známe podoby AI. Poznáme ju však natoľko dobre, aby sme ju vedeli adekvátne používať? A v akých prípadoch?

Keď stroje dostali rozum

Pojem umelá inteligencia (AI) sa prvýkrát objavil v roku 1956, keď ho John McCarthy s kolegami predstavili na známom Dartmouthskom workshope. Práve tam načrtol základné myšlienky o tom, ako by mohla AI fungovať. V tom čase už pritom existovali aj jej jednoduchý raný predchodcovia, napríklad model umelého neurónu, prvá počítačová neurónová sieť SNARC či dnes už ikonický Turingov test.

Tieto technologické novinky vyvolávali veľké očakávania a sľubovali rýchly rozvoj AI. Realita však bola iná. Namiesto prudkého pokroku prišiel technologický útlm. Ten sa začal postupne prekonávať až v 70. rokoch, a to najmä vďaka interdisciplinárnemu výskumu. Spolupráca odborníkov z oblasti biológie, počítačovej vedy, lingvistiky, kybernetiky, matematiky a psychológie položila pevné základy AI v podobe, v akej ju dnes poznáme a používame.

Turingov test, pomenovaný po britskom matematikovi a informatikovi Alanovi Turingovi, je metóda zisťovania toho, či je určitý stroj inteligentný. Test považuje stroj za inteligentný, pokiaľ osoba s ním komunikujúca nie je schopná diferencovať strojové a ľudské reakcie.

“AI naša každodenná”

AI má dnes už pevné miesto v mnohých oblastiach nášho života. Využívame ju vo firemnom prostredí pri automatizácii pracovných úloh a znižovaní nákladov, v pomáhajúcich profesiách na skvalitnenie starostlivosti o klientov, ale aj vo verejnej správe, umení, cestovnom ruchu, zábavnom priemysle, školstve či vede.

Za posledné roky sme si postupne osvojili presvedčenie, že používanie AI je nielen ekonomicky výhodné, ale často aj nevyhnutné a spoločensky akceptované. Tento vývoj sa ukazuje ako správny, avšak iba za predpokladu, že jej využívanie má jasne stanovené etické hranice a že k nej pristupujeme kriticky a zodpovedne.

Otázkou preto zostáva, ako môže AI zmysluplne obohatiť aj vysokoškolské štúdium? Ako ju využívať tak, aby prinášala pridanú hodnotu, a nie aby nahrádzala samotný proces učenia? Inými slovami: ako s AI pracovať ako moderný študent či moderná študentka?

Pravidlá hry v ére AI

Ešte predtým, než sa pozrieme na konkrétne vhodné a nevhodné spôsoby využívania AI počas vysokoškolského štúdia, je dôležité zdôrazniť jedno základné pravidlo: vždy sa riaďte smernicami a študijným poriadkom svojej univerzity. Práve tieto dokumenty vymedzujú a upravujú zásady používania AI študentmi a pedagógmi, pričom jednotlivé pravidlá sa môžu medzi univerzitami výrazne líšiť. Využitie AI však vždy musí byť etické, transparentné a jasne uvedené.

Zároveň treba myslieť na to, že veľká časť úspešného využívania AI závisí od schopnosti písať kvalitné a premyslené prompty. Hoci sa ich formulovanie môže javiť ako zbytočná námaha, práve prompt je pre AI kľúčovým navigátorom na ceste k zmysluplnej a použiteľnej odpovedi.

„Zďaleka najväčším nebezpečenstvom umelej inteligencie je to, že ľudia dospejú k záveru príliš skoro, že tomu rozumejú.“ Eliezer Yudkowsky

Kde a ako?

Prvou výraznou oblasťou, v ktorej môže AI nachádzať uplatnenie, je samotný proces učenia sa. AI tu môže vystupovať ako partner pri osvojovaní si novej učebnej látky alebo pri príprave na zápočet či skúšku. Dokáže pomôcť so štruktúrovaním rozsiahlého učiva do prehľadnejšej a lepšie zvládnuteľnej podoby. V praxi to môže znamenať napríklad preklad cudzojazyčných učebných textov do rodného jazyka, tvorbu pojmových máp, cvičných testových otázok či kvízov, ktoré možno využiť na vlastné preskúšanie. AI môže poslúžiť aj ako užitočný a korektný nástroj na vizuálne spracovanie prezentácií či na tvorbu modelových učebných kazuistík. Vysvetlenie konkrétneho modelu, teórie alebo iného teoretického poznatku prostredníctvom príkladu zároveň uľahčuje celý proces učenia.

Na druhej strane je však potrebné uvedomiť si, že AI nie je vždy spoľahlivá pri vysvetľovaní komplexných teórií, modelov či odborných pojmov. Dôvodom je nielen kontextová rôznorodosť jednotlivých odborov a riziko neadekvátneho promptu (nesprávneho spôsobu využívania AI), ale aj tzv. jingle-jangle fallacy. 

Výrazným problémom je aj automatické (nad)užívanie AI už v prvých etapách riešenia úloh pred generáciou vlastných nápadov. V takýchto prípadoch AI rýchlo nadobúda funkciu zástupcu namiesto asistenta, čo môže viesť aj k postupnému úpadku divergentného myslenia, kreatívnej sebaúčinnosti či celkovo kognitívnej sféry jednotlivca (Gerlich, 2025; Qin et al., 2025). Zároveň sa tým stráca možnosť samostatne získavať poznatky, kriticky ich zhodnocovať a vytvárať si vlastný vhľad do problematiky. AI síce dokáže naservírovať učebnú látku v hotovej podobe, jej výstupy sú však často značne zjednodušené, menej prepracované, niekedy vyfabulované a v konečnom dôsledku nevedia študenta adekvátne pripraviť na zápočet či skúšku. Sofistikovanosť odpovedí je totiž produktom vlastnej mysle študenta, nie AI aplikácií. Tie síce vstupujú do vzťahu medzi študentom a učiteľom, no nikdy učiteľa nenahrádzajú.

Jingle-jangle fallacy označuje omyl, pri ktorom si zamieňame pojmy len na základe ich názvu – buď preto, že znejú rovnako, no označujú odlišné fenomény (jingle), alebo preto, že znejú odlišne, no označujú ten istý jav (jangle).

Ďalšou významnou oblasťou využitia AI je písomná tvorba, ktorá zahŕňa seminárne a záverečné práce, odborné eseje či výskumné články. AI môže byť nápomocná napríklad pri prvotnom nástrele témy odbornej eseje. Jej ďalšie prepracovanie si však už vyžaduje vlastnú bázu poznatkov a ľudskú kreativitu. AI môže pomôcť aj s rýchlym vyhľadávaním open access zdrojov v rámci úvodnej rešerše.

Napriek tomu zostáva prehľadávanie vedeckých databáz nevyhnutné. Často sa totiž stáva, že AI produkuje neexistujúce výskumné články a nesprávne bibliografické záznamy, zamieňa pojmy alebo odkazuje na literatúru, ktorá v danej oblasti nepatrí medzi prioritné zdroje či nepochádza od uznávaných odborníkov. To môže viesť k strate cenných a relevantných informácií potrebných pre kvalitnú písomnú prácu. AI však možno využiť aj ako konzultanta štruktúry textu a logickej nadväznosti jeho jednotlivých častí. Čitateľsky príťažlivejšia verzia však veľakrát vznikne ako výsledok osobného úsilia autora.

Pomyselnou „no go“ zónou je abstrahovanie literárnych zdrojov pomocou AI aplikácií. Prečítanie, spracovanie a kritické zhodnotenie výskumného článku je stále nevyhnutné a podmieňuje obsahovú hĺbku vášho výsledného textu. Neetické využívanie AI v rámci písomnej tvorby zahŕňa aj generovanie finálnych kapitol či celých textov záverečných alebo seminárnych prác, prípadne výskumných článkov. Patria sem aj preformulovanie a štylizácia textu, čo už presahuje rámec asistencie. V takýchto prípadoch AI preberá rolu autora, nie pomocníka, čo na (nielen) akademickej pôde prekračuje hranice etiky.

Treťou oblasťou, kde môže AI zohrávať podpornú úlohu, je príprava a realizácia výskumu. Aj tu však platí, že osobná konzultácia so školiteľom alebo spoluvýskumníkom je nenahraditeľná a hodnotnejšia než rada od AI. Na vyšších stupňoch štúdia (napr. počas doktorandského štúdia) má AI svoje stabilné a opodstatnené miesto (napr. pri generovaní kódov, programovaní, vizualizácii modelov…). V rámci bakalárskeho a magisterského stupňa štúdia však jej využívanie vo výskume nie je potrebné.

Medzi ďalšie oblasti, v ktorých môže byť AI potenciálne nápomocná, patrí plánovanie štúdia a prioritizácia úloh, brainstorming nápadov či pomoc pri vyhľadávaní vhodných stáží, grantov a organizácií, v ktorých možno rozvíjať vlastný potenciál.

Dve cesty, jedna voľba

Ako môžete vidieť, príležitostí, kde sa dá AI vhodne a efektívne využiť, je naozaj mnoho. Veľakrát tak môže plniť funkciu užitočného pomocníka. Samozrejme, ak s ňou vieme pracovať rozumne. Netreba však zabúdať, že najdôležitejšími nástrojmi každého človeka zostávajú kritické myslenie, zdravý skepticizmus a schopnosť klásť správne otázky. AI je iba nástroj v našich rukách, nie nadradená epistemická autorita, ktorej by sme mali bezvýhradne dôverovať.

Čoraz viac sa ukazuje, že schopnosť udržať si odstup od produktov AI a pestovať v sebe akéhosi „vnútorného diablovho advokáta“ predstavuje dôležitú hranicu medzi takzvaným cognitive offloading (presúvanie mentálnych procesov na externé nástroje) a skutočnou bystrosťou myslenia.

Pred každým študentom tak stojí voľba: vydať sa krátkou a pohodlnou cestou, ktorá síce šetrí čas, no často vedie k nie až tak lákavému cieľu, alebo cestou moderného mysliaceho študenta, ktorý dokáže AI využiť na zefektívnenie práce bez toho, aby sa vzdal vlastného uvažovania. Rozhodnutie je na vás, pevne však verím, že si kúpite lístok na tú správnu cestu. A ak už náhodou vo vlaku sedíte, skontrolujte si, prosím, lístok. Prestúpiť na druhý vlak sa dá stále.

Zdroje

Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Mariman, R. (2024). Generative AI can harm learning. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4895486

Daswin, D. S., & Alahakoon, D. (2021). An artificial intelligence life cycle: from conception to production. arXiv (Cornell University). https://doi.org/10.48550/arxiv.2108.13861

Gerlich, M. (2025). AI Tools in Society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6. https://doi.org/10.3390/soc15010006

Hajkowicz, S., Sanderson, C., Karimi, S., Bratanova, A., & Naughtin, C. (2023). Artificial intelligence adoption in the physical sciences, natural sciences, life sciences, social sciences and the arts and humanities: A bibliometric analysis of research publications from 1960-2021. Technology in Society, 74, 102260. https://doi.org/10.1016/j.techsoc.2023.102260

Hanfstingl, B., Oberleiter, S., Pietschnig, J., Tran, U. S., & Voracek, M. (2024). Detecting jingle and jangle fallacies by identifying consistencies and variabilities in study specifications – a call for research. Frontiers in Psychology, 15, 1404060. https://doi.org/10.3389/fpsyg.2024.1404060

Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task. arXiv (Cornell University). https://doi.org/10.48550/arxiv.2506.08872

McCarthy, J., Minsky, M., Rochester, N., & Shannon, C. E. (1955). A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence. Originally submitted August 31, 1955. Reprinted in AI Magazine, 27(4), 12–14.

Qin, P., Yang, C.-L., Li, J., Wen, J., & Lee, Y.-C. (2025). Timing matters: How using LLMs at different timings influences writers’ perceptions and ideation outcomes in AI-assisted ideation. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (Article 25). Association for Computing Machinery. https://doi.org/10.1145/3706598.3713146

Rahimov, A., Zamler, O., & Azaria, A. (2025). The Turing Test is more relevant than ever. arXiv (Cornell University). https://doi.org/10.48550/arxiv.2505.02558

Tobin, S., Jayabalasingham, B., Huggett, S., & De Kleijn, M. (2019). A brief historical overview of artificial intelligence research. Information Services & Use, 39(4), 291–296. https://doi.org/10.3233/isu-190060

Leave a Reply

Your email address will not be published. Required fields are marked *