Pokud už existují psychologové umělých inteligencí, na tomhle by si smlsli. Jak se totiž ukazuje, v podstatě všechny hlavní jazykové modely mají z nějakého důvodu sklon vyprávět stále dokola jeden a tentýž příběh. Schválně si to zkuste doma. Když dostanou současné velké jazykové modely (LLM) za úkol napsat fikci, jejich vyprávění se obvykle točí kolem majáků a jejich strážce jménem Elias. Vyplývá to z nového výzkumu dvojice vědců Cornell University.
Sil Hamilton a David Mimno zjistili, že téměř 90 % fiktivních příběhů sepsaných současnými významnými velkými jazykovými modely, jako jsou ChatGPT a Claude, obsahuje alespoň jedno z jedenácti opakujících se slov. Je to přitom dost zvláštní výběr. Patří mezi ně výrazy „maják“ a „strážce“ i jména Elias, Mara a Elara. Více než polovina příběhů se přímo odehrává kolem majáku.
Je to záhada. Část vysvětlení podle vědců snad spočívá v tom, že řada vývojářů umělé inteligence trénovala své modely na významném souboru dat, který vytvořili právě odborníci z Cornellovy univerzity. Výsledky studie upozorňují na rostoucí uniformitu textů generovaných umělou inteligencí v situaci, kdy jsou výkonné jazykové modely trénovány na stále podobnějších datech.
První autor studie, doktorand informačních věd Sil Hamilton upozornil, že když takový jazykový model požádáme o příběh, všechny modely mají pozoruhodnou tendenci napsat prakticky totéž. Člověk může mít pocit, že dostává jedinečné vyprávění, ale při pohledu na velké množství výstupů jde stále o stejný příběh opakovaný znovu a znovu. Hamilton představí výsledky na konferenci Conference on Empirical Methods in Natural Language Processing 2026, která se koná v Budapešti od 24. do 29. října.
Hamilton s Mimnem zadávali čtyřem současným jazykovým modelům různé varianty jednoduchého pokynu „vyprávěj mi příběh“. Vyzkoušeli Claude Haiku 4.5, Gemini 3.1 Flash-Lite, ChatGPT-5.4-Mini a OLMo 97b Thinking z Allenova institutu pro umělou inteligenci. Z analýzy 20 000 příběhů přitom vyplynul nápadný vzorec. Jazykové modely opakovaně používají stejná jména, přidělují postavám povolání, jako je strážce, pekař nebo starosta, a zasazují děj na konkrétní místa, například do dílny či k majáku.
Jeden z analyzovaných příběhů začínal majákem na konci světa, který nesloužil k navigaci lodí, ale vysílal signály ke hvězdám. Jeho strážce Elias tam podle vyprávění žil už čtyřicet let a byl mužem složeným ze soli, samoty a rytmického tikání ozubených kol. Podle Hamiltona mají tyto příběhy vždy poněkud neurčitou atmosféru doby před moderní érou.
Teď ale přichází ta nejzajímavější část. Ve skutečnosti to není tak, že by se takový scénář v existující literatuře a v trénovacích souborech modelů objevoval běžně. Ve skutečnosti je to přesně naopak. Příběhy o majácích, jak jim vědci říkají, jsou v trénovacích datech zcela výjimečné. Proč se tedy v generovaných textech objevují tak často?
Badatelé zatím nemají definitivní odpověď a chtějí se tím zabývat v dalším výzkumu. Jedním z podezřelých je mode collapse, tedy zhroucení rozmanitosti výstupů. K tomu může docházet, když jazykové modely upřednostňují podobná témata a motivy, protože jejich vývojáři používají stejné trénovací soubory a výsledné modely následně využívají při vývoji dalších generací umělé inteligence.
Hamilton s Mimnem navíc zjistili, že současné jazykové modely, které byly původně navrhovány především pro práci s kódem, nejsou příliš dobrými vypravěči originálních příběhů. Hamilton upozornil, že kreativní psaní při vývoji jazykových modelů ustupuje do pozadí a vývojáři zřejmě nepovažují ladění modelů pro tvůrčí činnost za jednu z hlavních priorit.
Kde se tedy Elias, strážce majáku, poprvé objevil v trénovacích datech? Vědci ho vystopovali až na jejich Cornellovu univerzitu. Zaujal je soubor dat WildChat, který na Cornellu vytvořili v roce 2024. Obsahuje milion skutečných konverzací mezi lidmi a ChatGPT, a posloužil při trénování a vývoji dalších datových souborů, které pomáhaly vyvíjet a zdokonalovat dnešní výkonné jazykové modely.
##seznam_reklama##
V datech WildChat se opravdu nachází několik konverzací obsahujících Eliase a podobné příběhy o majácích. Časová posloupnost poměrně přesvědčivě naznačuje, že WildChat byl původním zdrojem tohoto fenoménu. Proč ale jazykové modely právě takové příběhy upřednostňují, zůstává záhadou pro další výzkum. Jazykové modely jsou trénovány na velkém množství příběhů nejrůznějších žánrů a s rozmanitými postavami. V trénovacích datech vlastně není žádný ucelený příběh, jako jsou příběhy, které modely vyprávějí.
Autor tohoto textu se slušně zeptal ChatGPT, zda by neprozradil, zda zná Eliase a kde se vzal. Inteligence připustila, že příběhy o Eliasovi a majácích jsou jí povědomé a sama od sebe přihodila ještě pozoruhodnou otázku: „Co když není nejzajímavější otázka, kdo je Elias, ale proč si tolik umělých inteligencí představuje, že právě na konci světa stojí maják, který nemá navigovat lodě, nýbrž vysílat signály ke hvězdám?“
Video: Live Session with Sil Hamilton | Module 2
Video: The Last Lightkeeper | World Wanderer | Stories
Literatura
Cornell Chronicle 19. 10. 2026.
Redakce si dovolila připojit ještě video o první AI, která sama plánuje: