Teplota modelu: Ako nastaviť „kreativitu“ AI bez toho, aby ste museli byť programátor

Predstavte si, že sa pýtate umelej inteligencie na recept na večeru.

Pri jednej odpovedi dostanete suchý zoznam ingrediencií a presných gramov. Pri druhej vám AI napíše poetický príbeh o babičkinej kuchyni, v ktorom nájdete aj falošný tip na korenie, ktoré neexistuje. Obe odpovede pochádzajú z rovnakého modelu, no boli vygenerované s iným nastavením „teploty“.

Pre bežného používateľa je teplota (temperature) jedným z najdôležitejších, no často prehliadaných ovládacích prvkov. Nie je to fyzická vlastnosť hardvéru, ale matematický parameter, ktorý určuje, ako „divoko“ alebo „predvídateľne“ bude model vyberať ďalšie slovo vo vete. Pochopenie tohto nastavenia vám umožní premeniť AI z nevyspytateľného básnika na presného analytika a naopak.

Čo sa deje pod kapotou?

Jazykové modely (LLM – Large Language Models) nefungujú tak, že „vedia“ odpoveď naspamäť. Fungujú na princípe predpovedania pravdepodobnosti ďalšieho tokenu (slova alebo časti slova). Keď model dostane vetu „Dnes je slnečno a...“, vypočíta si, aká je šanca, že nasledujúce slovo bude „teplo“ (napr. 70 %), „krásne“ (20 %) alebo „vlny“ (5 %).

Tu vstupuje do hry teplota. Ide o škálovací faktor, ktorý mení túto distribúciu pravdepodobností:

• Nízka teplota (napr. 0,1 – 0,3): Model „zostreľuje“ svoju pozornosť na najpravdepodobnejšie slová. Výsledkom sú konzistentné, fakticky presné, no často nudné a opakujúce sa odpovede.
• Vysoká teplota (napr. 0,7 – 1,0+): Model „rozširuje“ rozptyl pravdepodobností. Zvýši šancu pre menej očakávané slová. Výsledkom je kreatívnejší, pútavejší text, no s vyšším rizikom halucinácií (falošných informácií) a nekonzistencie.

Dôležité rozlíšenie: Teplota nezvyšuje ani neznižuje „inteligenciu“ modelu. Model vie to isté. Mení sa len spôsob, akým vyberá odpoveď zo svojho vnútorného slovníka pravdepodobností.

Praktická mapa: Kedy nastaviť čo?

Pre väčšinu moderných rozhraní (či už ide o API prístupy alebo pokročilé nastavenia v chatovacích oknách) platí jednoduchá škála od 0 do 1, niekedy až do 2. Tu je návod, ako túto škálu využiť:

1. Presnosť a fakty (Teplota: 0 – 0,3)

Vhodné pre:

• Programovanie a ladenie kódu (kodér potrebuje syntakticky správny riadok, nie kreativitu).
• Extrahovanie dát z dokumentov (napr. vytiahnutie faktúry z PDF).
• Preklady technickej dokumentácie.
• Právne alebo medicínske kontexty, kde je chybná interpretácia rizikom.

Pri teplote 0 model prakticky vždy vyberie slovo s najvyššou pravdepodobnosťou. Je to deterministické – ak zadáte rovnaký prompt dvakrát, dostanete takmer identickú odpoveď. To je ideálne pre automatizáciu procesov (pracovný postup), kde potrebujete spoľahlivosť.

2. Vyvážený asistent (Teplota: 0,4 – 0,7)

Vhodné pre:

• Bežné konverzácie a brainstorming.
• Písanie e-mailov, kde chcete znieť prirodzene, no profesionálne.
• Súhrny článkov, ktoré majú byť čitateľné, nie strohé.

Toto je často predvolené nastavenie pre väčšinu chatbotov. Model si dovoľuje malú mieru variability, čo robí text „ľudskejším“, no stále sa drží kostry faktov a logiky.

3. Kreatívna explózia (Teplota: 0,8 – 1,2+)

Vhodné pre:

• Písanie fikcie, poézie alebo marketingových sloganov.
• Generovanie nápadov na názvy projektov.
• Brainstorming neobvyklých riešení problému.

Vyššia teplota núti model ísť do „okrajových“ pravdepodobností. Môžete naraziť na zaujímavé asociácie, ktoré by pri nízkej teplote nikdy nevznikli. Cena za túto kreativitu je však vyššia miera chybovosti a možnosť, že sa text začne odchyľovať od témy alebo bude obsahovať nezmysly.

Časté pasce a mylné predstavy

Pasce pri nastavovaní teploty:

• Nízka teplota ≠ Pravda. Model môže byť sebavedomo chybný aj pri teplote 0, ak sú jeho trénovacie dáta zavádzajúce. Teplota len zabezpečuje, že bude opakovať najpravdepodobnejší (nie nutne pravdivý) vzorec.
• Vysoká teplota ≠ Inteligentnejšie riešenie. Model sa nestáva „múdrejším“. Stáva sa len nepredvídateľnejším. Pri zložitých logických úlohách môže vysoká teplota viesť k tomu, že model „zablúdi“ v dôkaze a začne generovať nezmyselné kroky.
• Ignorovanie iných parametrov. Teplota nie je jediný ovládač. Parameter top_p (nukleus sampling) často pôsobí podobne, no inak – obmedzuje výber len na množinu slov, ktoré dohromady tvoria určitú percentuálnu pravdepodobnosť (napr. 90 %). V praxi sa často odporúča meniť buď teplotu, alebo top_p, nie oboje naraz, aby ste udržali kontrolu nad výstupom.

Ako na to v praxi?

Väčšina bežných používateľov nemá priamy prístup k nastaveniu teploty v jednoduchých chatovacích rozhraniach (ako je predvolený ChatGPT alebo Gemini). V týchto prípadoch môžete správanie modelu nepriamo ovplyvniť promptovaním:

• Pre presnosť žiadajte: „Odpovedz stručne, fakticky a bez zbytočných prívlastkov. Ak nevieš, povedz 'neviem'.“ (Toto núti model správať sa ako pri nízkej teplote.)
• Pre kreativitu žiadajte: „Buď inventívny, použi metaforu a ponúkni tri nezvyčajné perspektívy.“

Ak však používate pokročilejšie nástroje alebo API (napr. cez rozhrania ako Poe, Perplexity Labs alebo lokálne nainštalované modely), nájdete posuvník „Temperature“. Začnite na hodnote 0,7 pre všeobecné účely a experimentujte:

• Stiahnite na 0,2, ak vám AI vymýšľa fakty.
• Zvýšte na 1,0, ak je vaša odpoveď príliš suchá a šablónovitá.

Technický záver: Kde leží ideálny bod?

Pre väčšinu profesionálnych úloh v roku 2026 platí pravidlo „začni nízko“. Nastavenie teploty na 0,3 až 0,5 je bezpečným kompromisom pre kombináciu presnosti a prirodzeného štýlu. Vyššie hodnoty si nechajte výhradne na fázy tvorivého hľadania, kde je cena za chybu nízka (napr. brainstorming). Nikdy nepoužívajte vysokú teplotu pri generovaní kódu alebo extrakcii dát – riziko halucinácie prevyšuje akýkoľvek prínos v kreativite. Pamätajte, že teplota je ovládač variability, nie kvality myslenia modelu.