Backpropagation (Zpětné šíření chyby)

Příklady z praxe

1. 01

   Rozpoznávání číslic

   Síť dostane obrázek číslice a odpoví, že je to sedmička, i když jde o jedničku. Backpropagation spočítá, které váhy k té chybě přispěly nejvíc, a ty se upraví nejvýrazněji.

Časté omyly

MýtusBackpropagation je způsob, jak se síť učí.

Ve skutečnostiBackpropagation pouze spočítá gradient, tedy směr a velikost vlivu každé váhy na chybu. Samotnou změnu vah provádí optimalizátor, například stochastický gradientní sestup nebo Adam. Jsou to dva oddělené kroky.

Časté dotazy

Potřebuji backpropagation implementovat sám?

V praxi ne. Frameworky jako PyTorch nebo TensorFlow gradienty počítají automaticky pomocí automatické derivace. Rozumět principu se ale vyplatí, protože většina problémů při tréninku, typicky mizející nebo explodující gradienty, vychází právě z chování zpětného průchodu.

Zdroje

1. Autograd mechanics(otevře se v novém okně)PyTorch, 2026

Související pojmy

• Neuronová síťNeuronová síť je výpočetní model složený z propojených jednotek, které převádějí vstupy na výstupy pomocí vah, biasů a aktivačních funkcí. Při učení upravuje parametry podle příkladů tak, aby zmenšovala chybu, například při rozpoznávání obrazu, predikci poptávky nebo zpracování textu v reálných aplikacích.
• Učení s učitelemUčení s učitelem je způsob strojového učení, při němž model trénuje na vstupech spárovaných se správnými odpověďmi nebo štítky. Algoritmus se učí mapovat data na cílovou hodnotu a jeho úspěch se měří na oddělených datech, která model při tréninku neviděl.
• Gradientní sestupGradientní sestup je optimalizační metoda, která postupně mění parametry modelu ve směru nejrychlejšího poklesu ztrátové funkce. V praxi se používá hlavně při trénování modelů strojového učení, kde pomáhá najít váhy s menší chybou, i když prostor možných řešení má miliony rozměrů.
• Ztrátová funkceZtrátová funkce je předpis, který převádí rozdíl mezi předpovědí modelu a skutečnou hodnotou na jediné číslo vyjadřující, jak moc se model spletl. Trénink strojového učení pak spočívá v hledání parametrů, které tuto hodnotu minimalizují. Volba ztrátové funkce určuje, jaké chyby model považuje za drahé, a tím i jeho výsledné chování.
• AI agentAI agent je softwarový systém, který pomocí modelu umělé inteligence vnímá zadaný kontext, plánuje další kroky a samostatně volá nástroje nebo služby k dosažení cíle. Na rozdíl od jednorázového promptu udržuje stav úlohy, vyhodnocuje výsledky akcí a může opakovat postup, dokud nesplní zadání nebo nenarazí na limit.
• AI etikaAI etika je obor, který zkoumá, jaké dopady mají systémy umělé inteligence na lidi, a formuluje pravidla pro jejich návrh, trénink a provoz. Řeší zaujatost dat, transparentnost rozhodování, ochranu soukromí, odpovědnost za chybu i bezpečnost modelu. Ve firemní praxi se promítá do interních politik, dokumentace modelů a povinností podle regulace typu AI Act.
• ChatbotChatbot je software, který vede s uživatelem dialog v přirozeném jazyce, nejčastěji přes web, aplikaci nebo komunikační platformu. Může být pravidlový, napojený na databáze nebo založený na jazykovém modelu; cílem je vyřídit požadavek, poradit, sbírat údaje nebo předat případ člověku.
• Confusion matrixConfusion matrix je tabulka, která porovnává předpovědi klasifikačního modelu se skutečnými třídami a rozděluje je na správné a chybné případy. U dvou tříd obsahuje čtyři čísla: true positive, true negative, false positive a false negative. Z těchto čtyř hodnot se počítá accuracy, precision, recall i F1 skóre.