Z řeckého básníka Archilocha se dochoval jediný verš: liška ví mnoho věcí, ježek jednu velkou. V roce 1953 z něj britský filozof Isaiah Berlin udělal obraz dvou způsobů myšlení: ježek hledá jednu velkou myšlenku, liška se dívá na svět z mnoha stran. Na tomto kontrastu vystavěl slavnou esej o Tolstého pojetí dějin.
Berlin později říkal, že to nikdy nemyslel příliš vážně, považoval vše za intelektuální hru. Ostatní však téma vážně vzali, lišky a ježci začali žít vlastním životem a žijí jím dodnes.
Ve vědě, technice i znalostní práci patřilo posledních sto let ježkům. Poznatků rychle přibývalo, obory se štěpily na stále užší specializace a na práci, kterou dřív zvládl jeden člověk, byl potřeba tým odborníků. Člověk se širokým rozhledem stále častěji ustupoval těm, kdo dokonale znali svůj kousek světa. S umělou inteligencí se však poměry začínají měnit. Ne proto, že by hluboká odbornost přestávala být cenná, ale protože je snazší zdolávat bariéry, které mezi obory vyrostly. Po celé století se příliš nevyplácelo vědět od všeho něco. Teď začíná být nevýhodou nevědět nic za hranicemi vlastního oboru.
Nejsem první, kdo si toho všiml. Andras Bodis v eseji The Age of the Fox píše, že po většinu moderních dějin dostávali ježci práci a lišky uznání u večeře. Dan Shipper došel v eseji Why Generalists Own the Future k podobnému závěru jinou cestou. Brad Berens je v srpnovém textu Keywords: hedgehogs and foxes (and AI, oh my!) opatrnější. Liška a ježek podle něj nejsou dva druhy lidí, ale role, mezi nimiž přecházíme.
Proč sto let vyhrávali ježci?
Ekonom Benjamin Jones z Northwestern University mluví o „břemenu znalostí“. Dobře to vystihuje známý obraz: než se člověk postaví na ramena obrů, musí se k nim nejdřív vyšplhat. A čím víc toho obor ví, tím delší je cesta k místu, odkud lze přidat něco nového.
Jones porovnával 55 000 vynálezců a 2,1 milionu amerických patentů z let 1975–1999. K prvnímu vynálezu se lidé dostávali stále později, na jednom patentu přibývalo autorů a každý znal stále užší kus svého oboru. Věk vynálezců vzrostl s každým desetiletím o dvě třetiny roku a průměrný počet autorů patentu se zvýšil o třetinu. Zřejmě neubylo odvahy ani nápadů, ale člověk musí stále víc vědět, než může přidat něco vlastního.
Nastal věk týmů. Stefan Wuchty, Benjamin Jones a Brian Uzzi prošli dvacet milionů odborných článků za pět desetiletí a přihodili dva miliony patentů. Pozorovali, jak týmy vytlačují jednotlivce téměř všude, včetně humanitních oborů. Týmové práce měly i více citací. Samotář s velkou myšlenkou úplně nevyhynul, stal se však ohroženým druhem.
Čím zaplatil ježčí svět
Tomuto trendu neunikli ani nejlepší z nejlepších. Jones s ekonomem Brucem Weinbergem prošli Nobelovy ceny za poslední století a porovnávali, v kolika letech vědci učinili objev, který jim později vynesl cenu. Průměrný věk vzrostl o více než sedm let v medicíně, v chemii o deset let a ve fyzice o více než třináct. Ve dvacátých letech minulého století mohl mladý fyzik obrátit obor naruby. Na konci století už bylo fyzikům při svých průlomových objevech v průměru kolem padesátky.
Ježčí svět získal hloubku, ale ztratil šířku. Michael Park, Erin Leaheyová a Russell Funk analyzovali 45 milionů článků a 3,9 milionu patentů za šest desetiletí. Nové práce stále méně přinášejí převratné myšlenky, obvykle jen přistavují další patro poznání. Jedním z důvodů je, že jednotlivec vidí jen malý ostrůvek již objeveného světa. Čím víc toho víme, tím méně může jeden mozek obsáhnout. Část měřeného poklesu asi není reálná a vzniká samotným způsobem měření, trend je však jasný.
Další důkaz poskytl psycholog a politolog Philip Tetlock, který dvě desetiletí porovnával prognózy 284 odborníků s tím, co se nakonec stalo. Experty rozdělil na lišky a ježky – a liškám se dařilo předpovídat lépe. Ježek má jednu velkou pravdu, podle které si rovná svět. Liška jich má několik a spíše si všimne, že něco nesedí. Tetlock později ve svém zkoumání pokračoval knihou Superprognózy.
Stroj se stává liškou
Dřívější počítačové programy bývaly ježky. Každý uměl jednu věc, někdy znamenitě. Kognitivní vědec Herbert Roitblat ještě před nástupem ChatGPT upozornil, že z takových specialistů obecnou inteligenci neposkládáme. Nestačí umět vyřešit precizně zadaný úkol, stroj musí pochopit, co se po něm vlastně chce. A když to ví, musí zvolit způsob řešení, který vede k cíli. Aby toho dosáhl, musí myslet obecně a stát se alespoň trochu liškou.
O dva roky později začala doba velkých jazykových modelů a s tím se změnila povaha našich umělých pomocníků. Něco vědí o chemii, něco o římském právu, účetnictví i pěstování rajčat. V ničem nejsou neomylní a bez kontroly se na ně nedá spolehnout. Jejich síla je jinde: nepatří jednomu oboru, ale přecházejí mezi mnoha. To už není ježek s jedním trikem. To je liška.
Experimenty
Liščí software mění lidskou práci. Ekonomové Shakked Noy a Whitney Zhangová dali 453 vysokoškolsky vzdělaným profesionálům běžné písemné úkoly a části z nich zpřístupnili ChatGPT. Lidé vybavení ChatGPT pracovali o 40 procent rychleji, vzrostla i kvalita jejich práce. Nejvíc se zlepšili ti slabší.
Podobně dopadl experiment Guillerma Crucese a jeho kolegů z roku 2026 s 1 174 dospělými. Bez AI měli vzdělanější lidé při řešení pracovního problému jasný náskok. S generativní AI se tři čtvrtiny rozdílu ztratily. Umělá inteligence pomohla oběma skupinám, ale víc těm, kteří začínali ze zadních pozic. Když Fabrizio Dell’Acqua a jeho kolegové zadali úkoly 758 konzultantům Boston Consulting Group, s GPT-4 zvládli o 12 procent více úkolů, byli o 25 procent rychlejší a kvalita práce vzrostla o 32 procent. Nejvíce se zlepšila dřívější slabší polovina.
Druhá část experimentu ukázala na rub AI. Pokud konzultanti dostali úkol, na který GPT-4 nestačil, správných odpovědí ubylo o 19 procentních bodů. Když si AI ví rady, pomáhá. Když neví, sebejistě vede člověka na scestí. Odpověď, která dřív vyžadovala hodiny pátrání, bývá dnes na dosah ruky. Jenže vědět, co z ní platí, co chybí a kdy jí nevěřit, zůstává na člověku. Znalost zlevňuje, úsudek ne.
Kde liška pořád potřebuje ježka
Specialisté ale ze hry nemizí. Právě oni nejlépe poznají chvíli, kdy AI přestává vědět a začíná hádat. K tomu nestačí mít načteno. Člověk musí v oboru hodně odpracovat, něco pokazit a odhalit, kde se chyby nejraději schovávají. Právě v tom spočívá hodnota odbornosti.
Když mi model sebejistě vykládá nesmysly o XML, programování nebo vědecké literatuře, většinou zpozorním. Těmto tématům se věnuji dlouho a přečetl jsem tolik odborných textů, že poznám i dobře maskovanou hloupost. U středověké architektury tuhle výhodu nemám. Tam mi může model sebejistě podstrčit nesmysl – a já ho neodhalím. Namlouvat si opak by bylo pošetilé.
Šířka sama nestačí. Bez úsudku člověk jen přebíhá v zahradě znalostí od záhonu k záhonu, aniž by chápal, co spolu souvisí, co si má ověřit, na co se zeptat a kdy přiznat, že neví. Ve světě, kde lze cizí odbornost rychle dohledat a propojit, získává široký rozhled znovu cenu. Výhodu má ten, kdo vidí celou zahradu a zároveň ví, kdy se sklonit k jedné sazenici a podívat se zblízka.
Jsem liška
Život lišky znám z vlastní zkušenosti. Vystudoval jsem organickou chemii na VŠCHT Praha a doktorát jsem dělal v Londýně na UCL u Willieho Motherwella. Na začátku jsem dostal poctivé chemické téma: radikálové reakce. Ve vědě se ale stává, že člověka začne víc přitahovat otázka, kterou vůbec řešit neměl.
U mne se projevila fascinace širšími souvislostmi. Aromatický kruh si lze představit jako plochý uhlíkový prstenec zahalený oblakem elektronů. Co se stane, když nad něj napevno posadíte jinou, elektronově bohatou část molekuly a přinutíte je, aby spolu žily v těsném sousedství? Budou se odpuzovat, přitahovat, nebo jim bude vztah řídit okolní rozpouštědlo?
Tady je třeba říct něco o Williem Motherwellovi. Mohl mne snadno vrátit k původnímu tématu, ale neudělal to. Dva roky mě nechal pracovat na otázce, kterou jsem si našel sám. To vyžaduje velkorysost: nejen mít vlastní dobré nápady, ale umět ocenit i nápad někoho jiného.
Po letech byl Willie zvolen do prestižní Královské akademie. Když pak přednášel o své vědecké práci, druhou polovinu přednášky vyprávěl o „magorovi“ z východu, který dostal krásně vymyšlené téma, rok na něm pracoval a pak začal dělat něco úplně jiného. A jak jej to dovedlo k výzkumu, který má moc rád.
Seděl jsem v sále a poslouchal svůj vlastní příběh. Za celou vědeckou kariéru jsem na sebe nikdy nebyl pyšnější než ten den. Při psaní eseje jsem našel přehledový článek Abila Alieva a Willieho Motherwella z roku 2019, a ten pocit hrdosti se znovu připomněl: „At that time, we were very fortunate to have Miloslav Nič as a PhD student in our research group and his insight led to the introduction of the dibenzobicyclo[3.2.2.]nonane scaffold as a valuable template.“
V osobním příběhu se skrývá i obecnější poučení. Willie byl liška, stejně jako já. Zajímal se o věci, které ležely stranou vyšlapané cesty, rád spojoval vzdálené nápady a neměl potřebu držet se jednoho směru jen proto, že se po něm kdysi vydal. Asi právě proto dokázal přijmout i odbočku, ve které poznal něco důvěrně známého.
Další cesty bez mapy
V roce 1999 mě zlákalo XML – jeho standard slavil první narozeniny a mnoho lidí na světě se o něj ještě nezajímalo. Pro mne ale bylo velkým objevem, cesta k zachycení volných myšlenek k počítačovému zpracování. Nejlépe se naučíte tím, že učíte, a tak jsem založil Zvon.org. Po řadu let to byl jeden z nejnavštěvovanějších serverů na světě o XML. Na Zvon narazil i Roman Staněk v době, kdy zakládal startup Systinet, a já se z akademika stal během pár týdnů prvním zaměstnancem. Za několik let z malé pražské firmy vyrostl světový hráč, kterého v roce 2006 koupila Mercury Interactive za 105 milionů dolarů.
Jenže mne to už táhlo zpět na VŠCHT. Chtěl jsem si hrát na pomezí chemie a informatiky. Předčasný odchod z firmy mne stál polovinu akcií, ale nelituji. Začal jsem budovat Laboratoř informatiky a chemie a dva studijní obory na hranici obou světů. Nešlo mi o informatiku, jak je dnes vnímána, ale o širší práci se znalostmi: umět je najít, uspořádat, propojit, uložit a zpřístupnit – a když je třeba, napsat si vlastní nástroj. Opakoval se stejný příběh: vstoupit na území, které nemá pořádnou mapu, a začít hledat cesty.
Střih 10 let, a univerzita mne začala unavovat. Pořád vysvětlovat, proč chci učit právě tohle a právě takhle – a proč nechci učit něco jen proto, že se to přece učí odjakživa a lidi to potřebují učit. A k tomu každodenní povinnosti, které si ukusovaly čas z práce, která mi přišla důležitější. V mém studijním oboru už dostudovala první generace studentů, mezi nimi dva exempláře, se kterými jsme založili EcoMole. Dodnes říkám, že můj druhý nejlepší nápad byl odejít ze Systinetu a vrátit se na VŠCHT. Ten nejlepší byl z VŠCHT zase odejít.
EcoMole je liščí podnik. Pro Evropský úřad pro bezpečnost potravin (EFSA) jsme pročítali literaturu o rizicích geneticky modifikovaných rostlin, shromažďovali poznatky o alkaloidech v bramborách a lupině a v projektu Compendium of Botanicals vyvinuli nástroje PlantCombo a ChemCombo. S University of Edinburgh, berlínskou Charité, Radboud University Medical Center a dalšími partnery také pomáháme EFSA hledat způsoby využití umělé inteligence při práci s vědeckými studiemi. Pro Společné výzkumné středisko Evropské komise jsme hledali alternativy k pokusům na zvířatech a od roku 2025 vedeme konsorcium, které má EFSA pomáhat se správou vědeckých dat. Máme za sebou i řadu dalších projektů, ale princip zůstává stejný: informace najít, roztřídit, propojit a předat tak, aby se v nich vyznal i někdo jiný.
Běhání a politika
A pak je tu běhání. Moje sportovní kariéra nezačala právě učebnicově. Na jaře 2016 jsem byl kavárenský povaleč, který vážil ke sto kilům. Jednou v noci, po několika lahvích vína, jsem dostal znamenitý nápad a za pár hodin startoval na triatlonu, který pořádal můj hostitel. Triatlon jsem přežil a od té doby běhám, mám už za sebou šestadvacet maratonů, včetně několika medailí z mistrovství republiky v maratonu v kategorii 50+ a 55+.
Vedle práce a běhání se stále častěji vracím k veřejným a akademickým otázkám. V Kabinetu budoucnosti hnutí STAN působím jako stínový ministr pro vědu, výzkum a inovace. Čtyři roky jsem byl členem vládní Rady pro výzkum, vývoj a inovace (RVVI), než se Karel Havlíček vrátil do vlády, rozpoznal, že o vědě a inovacích nic nevím, a vyhodil mě.
Někdy se mé různé životy náhodou potkají. V letošním Běhu pro Paměť národa jsem zaběhl desítku za 43:51 a o dvě minuty porazil čtyřčlennou štafetu ODS v čele s předsedou Martinem Kupkou. Jsou sice mladší, ale zase běželi štafetu po rovině, zatímco závod jednotlivců vedl přes kopce.
Kompas, knihy a nakladatelství
Letošní nástup agentického programování mi umožnil začít uskutečňovat dávnou vizi. Tak vznikl Občanský kompas – místo, kde dávám dohromady témata, o nichž se hodně mluví, ale špatně se v nich orientuje: důchody, média, umělou inteligenci a další. Nechci lidem říkat, co si mají myslet. Chci jim dát mapu, zdroje a souvislosti. Posbírat, co leží roztroušené po různých oborech, a zkusit v tom najít cestu. Tentokrát bez laboratoře, firmy a grantu – jen já, AI, která píše a spouští kód, a úsudek, který drží stráž.
Pak mě jednou ve čtvrtek napadlo, že by jednotlivým částem Kompasu prospělo, kdyby jednou za čas vyšly knižně. Ještě ten večer jsem si datovou schránkou rozšířil živnost, požádal Národní knihovnu o registraci ISBN a založil vlastní nakladatelství. Žádný velký plán, jen další nápad, se kterým byla škoda čekat do pondělí.
Od června v něm vyšly čtyři otevřené knihy – o veřejnoprávních médiích, důchodech, počasí ve Slaném a nakonec 463stránkový průvodce umělou inteligencí. Každá vychází ve třech verzích, každá se svým ISBN, má trvalý digitální identifikátor DOI a licenci CC BY pro volné užití s uvedením autora. Živé verze se mohou dál měnit, kniha zůstává otiskem jednoho okamžiku.
Tempo zrychluje
Vedle toho rozšiřuji mila.guide, blog i krátké poznámky z četby. Co dřív znamenalo roky učení, shánění lidí a budování zázemí, se dnes vejde do několika týdnů.
Já sám rozhodně nezrychluji. Stárnu a poznávám to. Paměť slábne, energie ubývá a s nimi i chuť sedět nad jednou věcí hluboko do noci. Co by dřív zabralo několika lidem půl roku, dnes s pomocí AI udělám za týden. Tím ale práce nekončí. Jen se rychleji dostanu k tomu, co za mě nikdo neudělá: ověřovat, vracet se, opouštět slepé uličky, porovnávat zdroje a rozlišovat, co je důležité a co jen vypadá chytře.
V tom se třicet let zkušeností hodí. Ne jako zásoba hotových odpovědí, ale jako zvyk zpozornět, když něco nehraje. Můj cit pro kontext není neomylný. Někdy se ozve zbytečně a jindy mlčí, když by měl křičet. Bez něj je ale rychlost AI spíš past než výhoda. Model vám nabízí mnoho cest, zkušenost napoví, po které z nich nejít.
Česko běží na liškách, ať chce, nebo nechce
Poliščení světa má pro malé Česko ještě větší váhu než pro velké státy. Rostoucí nároky na znalosti totiž dopadají nejvíc na menší země. Velký stát si může dovolit mít ježka pro každý obor, země s deseti miliony obyvatel takový luxus nemá. Nedokáže naplnit všechny odborné přihrádky specialisty – a to ani v případě, že neví, co je protekce a známosti.
Česko vždy běželo na liškách z nouze. Úřednice na malé obci má na stole dotace, územní plán, odpady i GDPR. Učitel přechází mezi předměty, které je třeba odučit. Ředitel firmy je chvíli personalistou, chvíli právníkem a někdy i celým IT oddělením. Nejsou to žádní povrchní diletanti. Často to ale bývají poctiví ježci, kteří se v liščí roli necítí dobře, ale někdo ty věci udělat musí. A právě těm může AI hodně pomoci. Neudělá z nich specialisty na všechno, ale dá jim nástroje, které odpovídají šíři toho, co po nich chceme.
Systém stále odměňuje ježky
Naše instituce ale pořád mluví jazykem ježků a zavedená praxe se mění těžko. Habilitace má svůj obor. Atestace má svůj obor. Studijní program může zasahovat do více oblastí vzdělávání, jenže pak musí splnit požadavky všech, do nichž patří. Granty se posuzují v oborových panelech, kariérní řády zase pracují s předem vymezenými kategoriemi, které se snadno evidují a hodnotí.
Nic z toho není hloupost. Instituce nejsou jen zpátečnické škatulky; jsou také pamětí společnosti. Mám rád Edmunda Burka, britského politika a myslitele z 18. století, který tvrdil, že reformovat je třeba, ale s pokorou k tomu, co vznikalo déle než jeden volební cyklus. Nevadila mu změna. Vadila mu představa, že lze společnost rozebrat na součástky a znovu ji složit podle čistého plánu.
Problém je, že reálný svět se přesně škatulkovat nedá. Mnoho podstatného se děje právě tam, kde jedna škatulka končí a druhá začíná. Hranice mezi užitečnou institucí a účinnou brzdou je někdy velmi tenká.
Ježek i liška
Berlin ostatně sám varoval, abychom jeho lišky a ježky nebrali příliš doslova. Je to úhel pohledu, ne diagnóza na celý život. Brad Berens to říká ještě praktičtěji: liškou nebo ježkem jsme v určité situaci, ne od narození do smrti. Čistých exemplářů je málo. Většina z nás je v několika věcech ježkem a ve zbytku liškou.
Do cizího světa dnes můžeme vstoupit mnohem rychleji než dřív: pochopit jeho řeč, základní pojmy i to, kudy se v něm chodí. Těžší je poznat, co v něm opravdu platí. Tam stále rozhodují zkušenost, úsudek a čas.
AI pomáhá lišce přebíhat mezi poli a ježkovi držet se jedné věci až na dřeň. Jedno ale za nás neudělá: nepozná, kdy je čas přeskočit mez a kdy jít po jedné brázdě až na konec.
Stejně jako většina mých textů vznikl i tento v dialogu s několika jazykovými modely. Pomáhají mi s formulacemi, protiargumenty a oponováním mým závěrům. Směr, výběr argumentů i konečná podoba jsou moje, důležitá tvrzení ověřuji ve zdrojích a za výsledek nesu odpovědnost já. Více v úvodním textu blogu. Kniha Umělá inteligence srozumitelně – od fungování modelů po dopady na práci, školu i demokracii, včetně českého kontextu – je zdarma ke stažení pod licencí CC BY 4.0.