PRŮVODCE společností
Budoucnost umělé inteligence: Trendy, prognózy a otevřené otázky
Budoucnost umělé inteligence je soubor měřitelných trendů, jako je rychle rostoucí výpočetní výkon, klesající náklady na používání a systémy umělé inteligence zvládající delší úkoly, v kombinaci se skutečně otevřenými otázkami ohledně pracovních míst, energie, bezpečnosti a práva.
Poslechněte si tento návodAI-vyprávěný · ~8 min
Na této stránce9 min čtení
Přehled
Nikdo přesně neví, kam tyto trendy vedou. Znalost skutečných čísel, toho, co odborníci předpovídají a jak nejisté jsou, pomáhá komukoli oddělit důkazy od humbuku a naplánovat několik možných výsledků.
Klíčové věci
- Epoch AI odhaduje, že výpočetní technika používaná k trénování hraničních jazykových modelů rostla od roku 2020 asi pětkrát ročně.
- Stanford AI Index 2025 uvádí, že používání umělé inteligence na úrovni GPT-3.5 bylo mezi listopadem 2022 a říjnem 2024 více než 280krát levnější.
- Průzkum z roku 2024 mezi 2 778 výzkumníky AI dal 50% šanci, že stroje do roku 2047 překonávají lidi ve všech úkolech.
- MMF odhaduje, že téměř 40 % celosvětové zaměstnanosti je vystaveno AI a expozice znamená změnu úkolů, ne nutně zánik pracovních míst.
- IEA předpokládá, že spotřeba elektřiny v datových centrech se více než zdvojnásobí z přibližně 415 TWh v roce 2024 na přibližně 945 TWh do roku 2030.
- Předpovědi o AI jsou extrapolace s uvedenými předpoklady, takže užitečným zvykem je zkontrolovat předpoklady a naplánovat několik scénářů.
Hluboký ponor
Talking about the future of AI means talking about trends and uncertainty at the same time. Some things can be measured: how much computing power is used to train models, how much it costs to use them, how well they do on tests, and how many companies adopt them. Other things cannot be measured yet: whether progress will continue at the same speed, how jobs will change, and whether the most powerful systems can be kept safe and under control. A good way to think about the future is to know the trend lines, know who is forecasting what, and keep track of the assumptions behind each forecast.
The engine behind recent progress is scale. AI models learn from data using specialized computer chips, and researchers have found that larger models trained on more data with more computing power tend to perform better. Epoch AI, a research group that tracks these figures, estimates that the computing power used to train frontier language models has grown about five times per year since 2020, doubling roughly every five months, while the cost of those training runs has grown about 3.5 times per year. The Stanford AI Index 2025 reports a similar doubling time of about five months for training compute. At the same time, using AI has become much cheaper: the AI Index finds that the cost of querying a model as capable as GPT-3.5 fell more than 280-fold between November 2022 and October 2024.
Capabilities are also being tracked in more practical terms. A 2025 study titled Measuring AI Ability to Complete Long Software Tasks introduced a metric called the time horizon: the length of task, measured by how long it takes a skilled human, that an AI system can complete half the time. For frontier models in early 2025 that horizon was about 50 minutes, and it had been doubling roughly every seven months since 2019. The authors are careful to say that if the trend continued and generalized to real work, AI systems within five years could automate many software tasks that now take people a month. That is a conditional projection, not a promise, and it is the right way to read most forecasts.
Adoption is a second set of indicators, separate from raw capability. The Stanford AI Index 2025 reports that 78% of surveyed organizations used AI in 2024, up from 55% a year earlier, and that private investment in generative AI reached $33.9 billion in 2024, up 18.7% from 2023. AI is also leaving the lab in regulated, physical settings: the same report counts 223 AI-enabled medical devices approved by the US Food and Drug Administration in 2023, up from six in 2015, and Waymo providing more than 150,000 driverless rides each week. These numbers measure use and spending rather than benefit, and adoption can stall when systems prove unreliable or expensive in practice. Still, they show that questions about the future of AI are no longer only about research labs; they now involve hospitals, roads, offices and the people who work in them.
Experts disagree widely about long-range outcomes. One of the largest surveys, Thousands of AI Authors on the Future of AI, asked 2,778 researchers who had published at top AI conferences. Their combined forecast gave a 50% chance that unaided machines could outperform humans at every task by 2047, thirteen years earlier than the same survey found in 2022, but a 50% chance of all human occupations being fully automated only by 2116. The gap between those two dates, and the large spread of individual answers, shows how uncertain the field is about its own future. A fast trend in the past is not proof of where it ends.
The effects on work are expected to be uneven. The International Monetary Fund estimated in January 2024 that almost 40% of global employment is exposed to AI, meaning AI could perform or assist with a meaningful share of those jobs' tasks. Exposure is about 60% in advanced economies, about 40% in emerging markets and about 26% in low-income countries. The IMF expects roughly half of the exposed jobs in advanced economies to benefit from higher productivity, while the rest could see lower demand for labor. Exposure is not the same as job loss; it describes which tasks change, and outcomes depend on how employers, workers and governments respond.
Energy and physical infrastructure are becoming a constraint. The International Energy Agency's 2025 report Energy and AI estimates that data centers used about 415 terawatt-hours (TWh) of electricity in 2024, about 1.5% of world demand, and projects that this will more than double to around 945 TWh by 2030, with AI as the most important driver. A typical AI-focused data center uses as much electricity as about 100,000 households. Where that power comes from, and how fast grids can expand, will shape where and how quickly AI grows.
Rules are arriving in stages. The European Union's AI Act, a broad law covering AI systems sold or used in the EU, entered into force on August 1, 2024. Bans on certain practices applied from February 2, 2025, obligations for general-purpose AI models from August 2, 2025, and most remaining provisions from August 2, 2026, while several high-risk obligations now apply from December 2027 or August 2028. On safety, the International AI Safety Report, published in January 2025 by 100 experts with an advisory panel nominated by 30 countries plus the UN, OECD and EU, gathered the evidence on capabilities and risks of advanced AI and stressed how much remains uncertain.
For individuals and organizations, preparing for an uncertain future is mostly practical. Learn what current tools can and cannot do, because capabilities and prices change within months. Watch measurable indicators rather than announcements: independent benchmark results, cost per task, real adoption and incident reports. Plan for more than one scenario, faster progress, slower progress and uneven progress across different kinds of tasks, and favor decisions that make sense in all of them, such as building skills in judging AI output, protecting data, and keeping a human responsible for important decisions.
04Zpracovaný příklad
Zátěžový test předpovědi umělé inteligence v šesti krocích
Vyberte si reklamaci ze zpráv, například: AI zvládne většinu zákaznických služeb do roku 2030.
Napište přesně, co by se považovalo za pravdivé: které země, jaký podíl kontaktů, měřeno kým a do jakého data.
Najděte za tím data trendů, jako jsou údaje o přijetí ve Stanfordském indexu AI nebo trendy délky úkolů ze studie časového horizontu z roku 2025.
Uveďte předpoklady, které reklamace potřebuje, jako je pokračující pokles nákladů, akceptace zákazníkem, regulace, která to umožňuje, a dostatečná spolehlivost pro složité případy.
Napište rychlejší, pomalejší a nerovnoměrný scénář a poznamenejte si pro každý jeden indikátor, který by ukázal, který se děje.
Nastavte datum pro kontrolu indikátorů a zaznamenejte, zda je původní nárok na správné cestě, před nebo pozadu.
Co ukazuje
Student skončí s testovatelnou verzí předpovědi, jejími klíčovými předpoklady a krátkým seznamem indikátorů, které je třeba sledovat. Kontrola spočívá v tom, zda se neutrální čtenář mohl podívat na stejné ukazatele v den kontroly a dohodnout se, zda se tvrzení splnilo.
Real-World Implementace
Práce a mzdy: Mezinárodní měnový fond v lednu 2024 odhadl, že téměř 40 % celosvětové zaměstnanosti je vystaveno umělé inteligenci, přičemž ve vyspělých ekonomikách, kde může těžit zhruba polovina vystavených pracovních míst, se zvyšuje až na 60 %.
Elektřina: Zpráva Mezinárodní energetické agentury 2025 Energy and AI odhaduje, že datová centra spotřebovala v roce 2024 asi 415 TWh, což je asi 1,5 % světové elektřiny, a do roku 2030 předpokládá zhruba 945 TWh.
Nařízení: Zákon Evropské unie o AI vstoupil v platnost 1. srpna 2024; zákazy určitých praktik platí od 2. února 2025 a většina zbývajících pravidel od 2. srpna 2026.
Softwarové úkoly: Výzkumníci, kteří měřili agenty AI, zjistili, že délka softwarových úkolů, které mohou dokončit s 50% úspěšností, se od roku 2019 zhruba každých sedm měsíců zdvojnásobila.
Očekávání odborníků: Průzkum 2 778 publikovaných výzkumníků v oblasti umělé inteligence, zveřejněný v lednu 2024, dává 50% šanci, že stroje do roku 2047 překonávají lidi ve všech úkolech, tedy o třináct let dříve než průzkum z roku 2022.
Budoucnost budoucnosti umělé inteligence: Trendy, prognózy a otevřené otázky
O tom, které prognózy platí, rozhodne několik otevřených otázek. Za prvé, zda se škálování stále vyplácí. Trendová data Epoch AI ukazují, že trénovací výpočet pro hraniční modely od roku 2020 roste zhruba pětkrát ročně, ale spolu s tím rostou i náklady, nabídka čipů a elektřiny a Mezinárodní energetická agentura odhaduje poptávku datových center ve výši přibližně 945 TWh do roku 2030. Za druhé, zda se zisky z testů promítnou do spolehlivé práce v reálném světě; autoři studie časového horizontu z roku 2025 poznamenávají, že jejich softwarové úkoly jsou čistší než chaotické práce, takže sedmiměsíční zdvojnásobení se nemusí přenést. Za třetí, jak se přizpůsobí trhy práce; Analýza MMF pro rok 2024 považuje výsledky za závislé na politických volbách, jako je školení a sociální záchranné sítě. Za čtvrté, bezpečnost a kontrola schopnějších a autonomnějších systémů, které Mezinárodní zpráva o bezpečnosti umělé inteligence z ledna 2025 popisuje jako oblast hluboké vědecké nejistoty. Za páté, správa: Postupné termíny EU AI Act do roku 2026 až 2028 otestují, zda pravidla dokážou držet krok s produkty, a další země píší své vlastní přístupy. Čtenáři mohou tyto otázky sledovat pomocí několika opakujících se zdrojů, každoročního Stanfordského indexu umělé inteligence, panelu trendů Epoch AI, energetické analýzy IEA a oficiálních regulačních harmonogramů a měli by každou jednotlivou předpověď považovat za jeden scénář z několika.
Uvedení do praxe
Proč na tom záleží
- Riziko a bezpečnost. Katastrofické a každodenní škody AI závisí na tom, kdo rozumí rizikům a kdo může jednat.
- Jasnější rozhodnutí. Veřejná a odborná gramotnost určuje, zda je silná bezpečnostní politika politicky možná.
- Prorážením humbuku. Jasná vysvětlení snižují zachytávání humbukem, PR v laboratoři a vágní etické divadlo.
Pozor na
- Zacházení s existenčním rizikem jako sci-fi, zatímco schopnosti kombinují.
- Matoucí bezpečnost povrchových produktů se zarovnáním pod vysokou autonomií.
- Neanglické a neodborné publikum ponechává pouze nekvalitní zdroje.
Další kroky
- Oddělte rizika poškození produktu, nesprávného použití a ztráty kontroly/nesouladu.
- Zeptejte se, jaké důkazy by změnily váš pohled na časové osy a závažnost.
- Upřednostňujte primární zdroje a konkrétní hodnocení před marketingovými tvrzeními.
- Identifikujte jednu akční cestu: kariéru, politiku, financování nebo dovednosti – nejen povědomí.
Zdroje a další čtení
- Stanford Institute for Human-Centered AIZpráva o indexu AI 2025
- Epoch AITrendy strojového učení
- arXiv (Kwa et al., 2025)Měření schopnosti umělé inteligence dokončit dlouhé softwarové úkoly
- arXiv (Grace et al., 2024)Tisíce autorů AI o budoucnosti AI
- International Monetary FundAI promění globální ekonomiku. Přesvědčte se, že to prospěje lidstvu
- International Energy AgencyEnergie a AI: Shrnutí
- Future of Life Institute (EU AI Act explorer)Harmonogram implementace, zákon EU o umělé inteligenci
- arXiv (Bengio et al., 2025)Mezinárodní zpráva o bezpečnosti umělé inteligence
Pokračujte v objevování
Newsletter zdarma
Získejte denní přehled o AI
Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.
Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.
Otestujte se
Vezměte si kvíz Budoucnost umělé inteligence: Trendy, prognózy a otevřené otázky
Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.
Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte
Často kladené otázky
Jaká je budoucnost umělé inteligence: Trendy, prognózy a otevřené otázky?
Budoucnost umělé inteligence je soubor měřitelných trendů, jako je rychle rostoucí výpočetní výkon, klesající náklady na používání a systémy umělé inteligence zvládající delší úkoly, v kombinaci se skutečně otevřenými otázkami ohledně pracovních míst, energie, bezpečnosti a práva. Nikdo přesně neví, kam tyto trendy vedou. Znalost skutečných čísel, toho, co odborníci předpovídají a jak nejisté jsou, pomáhá komukoli oddělit důkazy od humbuku a naplánovat několik možných výsledků.
Co by měla obsahovat užitečná prognóza AI?
Průvodce říká, že prognózy by měly obsahovat předpoklady, horizont a důkazy.
Kontrolovaný benchmark se zlepšuje. Co to znamená o rozšířeném přijetí produktu?
Průvodce odděluje kontrolované výsledky od dostupnosti a přijetí produktu.
Proč používat rychlejší, pomalejší a nerovnoměrné scénáře?
Průvodce doporučuje scénáře, kdy je nejistota velká a postup úkolu může být nerovnoměrný.
Který indikátor lépe aktualizuje hodnocení schopností než oznámení o spuštění?
Průvodce rozlišuje oznámení od nezávislého potvrzení a navrhuje reprodukovatelný výkon.
Proč zaznamenávat předpověď a co by se počítalo jako chyba?
Průvodce doporučuje zachovat předpovědi a kritéria, aby se zabránilo posunutí brankových tyčí.
Učte se dál
Související průvodci
Pro toto téma bylo vybráno více průvodců