Moduly: úvod Přehled po ročnících Přehled učiva Přehled pokrytí RVP Přehled výsledků učení

Umělá inteligence a strojové učení (SŠ)

Typický ročník	4. SŠ
Interval vhodných ročníků	2. SŠ – 4. SŠ
Učivo	umělá inteligence, strojové učení, metody AI, prohledávání, splňování podmínek, optimalizace, zkreslení v datech, trénovací data, hodnocení modelu, limity a rizika AI
Předcházející modul	Základy umělé inteligence a strojového učení
Bezprostřední výsledky učení	Vysvětlí základní pojmy a principy fungování umělé inteligence a strojového učení. Na konkrétním příkladu popíše, jak strojové učení probíhá a co ovlivňuje kvalitu modelu. Rozpozná základní typy úloh strojového učení (klasifikace, regrese, shlukování) a uvede k nim příklady. Vysvětlí, jak může zkreslení v trénovacích datech ovlivnit chování modelu a proč je důležité ho rozpoznat. Popíše vybrané metody AI (např. prohledávání stavového prostoru, optimalizace) a jejich využití při řešení problémů. Rozliší mezi realistickými možnostmi a přehnanými očekáváními od AI, uvede příklady z praxe a fikce.
Související RVP výsledky učení	Umělá inteligence: princip strojového učení; aplikace umělé inteligence; limity, přínosy a rizika umělé inteligence.

Tento modul nabízí úvod do klíčových principů umělé inteligence a strojového učení s důrazem na porozumění základním pojmům, typickým úlohám a způsobu, jakým se modely učí ze vstupních dat. Nezabývá se do hloubky konkrétními technologiemi, které se rychle vyvíjejí, ale soustředí se na stabilní a nadčasové myšlenky – od prohledávání a optimalizace až po principy generalizace a zkreslení v trénovacích datech. Téma je zasazeno do kontextu reálného světa, s důrazem na kritické myšlení, reflexi možností a omezení AI a její dopad na společnost.