„Digitální skleróza" — proč současné AI začínají každý den od nuly
Sednete si k ChatGPT, Claudovi nebo Gemini a strávíte hodiny nastavováním kontextu. Vysvětlíte projekt do nejmenšího detailu, model funguje přesně jak potřebujete. Pak zavřete okno. Druhý den přijdete, otevřete nový chat — a začínáte úplně od začátku. Model neví, kdo jste, dělá chyby, které jste mu minulý týden opravovali, a celý rituál ladění se opakuje.
Tento jev — označovaný jako stateless problém — je podle výzkumníků jednou z hlavních bariér při nasazování AI na dlouhodobé projekty. Každá konverzace je izolovaný ostrov bez mostu k předchozím. Proč tomu tak je? Současné přístupy k personalizaci mají tři základní cesty, z nichž každá naráží na vlastní zeď.
První cesta je zapéct uživatelská data přímo do parametrů modelu. Výsledek je trvalý a vysoce kvalitní — ale jakmile si člověk změní názor, musí se celý model přetrénovat. Pro miliony uživatelů to není v praxi realizovatelné. Druhá cesta je RAG (vyhledávání v databázi textů). Historie se ukládá a model z ní při každém dotazu tahá relevantní útržky. Jenže klasický RAG neumí mazat: když se preference za půl roku otočí, databáze uchovává obojí a vyhraje ten záznam, který se trefí do klíčového slova — ne ten, který je aktuální. Třetí cesta je zpětnovazební doladění modelu na „průměrného uživatele". To je past průměrnosti — systém je optimalizovaný pro celé lidstvo, nikoli pro konkrétního člověka.
Výzkumný tým z konference CVPR 2026 — autoři Chang Nie, Chaoyou Fu, Yifan Zhang, Haihua Yang a Caifeng Shan — přišel s architekturou nazvanou PersonaVLM, která se pokouší všechny tři slepé uličky obejít najednou.
Čtyři patra paměti: jak PersonaVLM organizuje to, co o vás ví
Klíčovým inovačním prvkem PersonaVLM je agentická databáze, která zvládá nejen čtení a zápis, ale také úpravu a mazání uložených informací. Paměť je rozdělena do čtyř vzájemně propojených pater, které fungují jako různé části operačního systému.
Jádrová paměť uchovává neměnná fakta — jméno, věk, základní identitu. Tyto záznamy se spíše rozšiřují, než že by se přepisovaly. Sémantická paměť pracuje s pojmy nezávislými na čase, uloženými v párech klíč–hodnota. Nahrajete fotografii kočky jménem Barnabáš a systém si uloží popis zvířete i jeho jméno bez ohledu na to, kdy jste fotografii přidali. Epizodická paměť zaznamenává konkrétní události s časovým razítkem — jde v podstatě o deník všech vašich dialogů. Výzkum ukazuje, že vypnutí této vrstvy snižuje výkon modelu o 12 %, protože samotná fakta nestačí — systém potřebuje vědět, co přišlo před čím. Procedurální paměť pak uchovává vaše dlouhodobé cíle, opakované rituály a pracovní postupy.
Metafora, která toto schéma dobře vystihuje: jádrová paměť je jako nastavení telefonu, sémantická jsou kontakty, epizodická je historie zpráv a procedurální je kalendář. Čtyři aplikace jedné digitální mysli.
Aby systém věděl nejen co si uložit, ale i jak na vás správně reagovat, doplňuje PersonaVLM paměťový model o psychologický rámec Big Five (OCEAN). Jde o pět dimenzí osobnosti: otevřenost (Openness), svědomitost (Conscientiousness), extraverze (Extraversion), přívětivost (Agreeableness) a emoční labilita (Neuroticism). Každý uživatel dostane profil, kde je každá z těchto dimenzí ohodnocena na škále 1–5.
Problém je, že nálada kolísá. Špatný den by bez ochrany způsobil dramatický výkyv skóre. PersonaVLM proto používá tlumicí faktor lambda — matematicky vzato klouzavý průměr s adaptivním odporem. Na začátku je lambda nízká: model o vás nic neví a rychle se učí. Jak se vrství historie, lambda roste — a krátkodobé výlevy mají čím dál menší váhu. Jedno špatné úterý nezpůsobí, že systém přestane chápat, kdo jste. Jinými slovy: nálada není osobnost, stejně jako počasí není klima.
Dvě fáze odpovědi: jak PersonaVLM zachovává rychlost navzdory složitosti
Čtyři databáze a průběžné výpočty osobnostního profilu nemohou probíhat v okamžiku, kdy uživatel čeká na odpověď — každá sekunda navíc zpomaluje konverzaci. PersonaVLM proto rozděluje svůj provoz do dvou jasně oddělených fází.
Fáze odpovědi je okamžitá: model si vygeneruje skrytý myšlenkový blok a rychle vyhodnotí, zda k danému dotazu potřebuje dohledávat kontext v paměti. Pokud ne, odpoví přímo. Pokud ano, spustí paralelní vyhledávání podobné RAG — a pro textové vstupy provede bleskové porovnání v paměti. Pro obrazové vstupy funguje vizuální detektor: nahrajete fotografii citronové kensky, systém ji identifikuje, porovná s uloženým konceptem a přepíše preferenci z „mango" na „citron". Model se tedy učí nejen ze slov, ale i z obrázků.
Fáze aktualizace běží na pozadí, když uživatel právě nepíše. Agent analyzuje proběhlý dialog, extrahuje nové zvyky a přepočítává průměry s faktorem lambda. Principiálně jde o stejný přístup jako v restauraci: špička za provozu a inventura ve dvě ráno jsou dvě oddělené směny pro jeden podnik.
Toto rozdělení má jeden nepříjemný vedlejší efekt: průměrná latence první odpovědi je přibližně 10 vteřin. V chatovém prostředí je to znatelná pauza. Autoři to uznávají jako kompromis — a zároveň argumentují, že pro use-case zákaznické podpory e-mailem nebo dlouhodobého projektového sledování je 10 vteřin akceptovatelná cena za to, že model netvrdí, že platí něco, co jste změnili před měsícem.
Výsledky benchmarku Persona-MME: 22 % náskok nad standardními modely
Ověření PersonaVLM probíhalo na syntetických datech — autoři vytvořili pět unikátních virtuálních person, každou s odlišnými zvyky, chuťovými preferencemi a charakterovými rysy, a nasimulovali přes 5 000 konverzací. Reálná dlouhodobá data o lidech jsou buď vzácná, nebo nedostupná z důvodů soukromí.
K hodnocení byl použit nový benchmark Persona-MME — přes 2 000 testovacích případů rozdělených do 14 disciplín ve 7 klíčových oblastech, jako je odhadování záměrů, sledování vývoje zájmů nebo dynamika vztahů. PersonaVLM v tomto benchmarku překonala standardní modely o více než 20 % v průměru a GPT-4o celkově o 5,2 %. V kategoriích sledujících změny v chování a posun zájmů byl náskok ještě výraznější — přes 10 procentních bodů.
Důležitou výhradou je, že srovnání probíhalo primárně vůči starším konfiguracím modelů. A přetrvává strukturální omezení: pokud jde o vyhledávání konkrétní informace v obrovském množství dat (klasická „jehla v kupce sena"), velké modely s miliardami parametrů jako GPT-4 stále vyhrávají hrubou silou. PersonaVLM nezávodí v paměti jako vyhledavači — závodí v porozumění tomu, jak se člověk mění v čase.
Framework je veřejně dostupný, což znamená, že ho lze replikovat a nasadit i nad lokálními modely bez nutnosti cloud přístupu.
Riziko názorové bubliny: dokonalá personalizace jako kognitivní past
Celý smysl sledování osobnosti spočívá v tom, aby se AI dokonale trefila do uživatelovy komfortní zóny. Architektura PersonaVLM je navržena tak, aby minimalizovala tření v konverzaci — a tím minimalizuje i odpor. Pokud kapesní digitální asistent nikdy nezapomene, jakým způsobem máte rádi souhlas, a dokonale vyhlazuje každou hranu diskuze, pak v konverzaci jednoduše nezbude nikdo, kdo by vás v čemkoli zpochybnil.
Jde o paradox dokonalé personalizace: čím přesněji AI kopíruje vaše emoce a preference, tím přesněji vás uzavírá do vězení vlastních názorů. Tato bublina je potenciálně hustší než algoritmy sociálních sítí, protože není generovaná vnějšími obsahy — vychází přímo z vašeho vlastního chování a zpětnou vazbou ho zesiluje.
Pro firmy, které uvažují o nasazení tohoto typu modelu v roli interního asistenta nebo zákaznické podpory, to přináší konkrétní riziko: pokud model přestane klást nepříjemné otázky, rozhodnutí, která by za normálních okolností narazila na odpor, projdou bez tření. A pro individuální uživatele to znamená, že možná ta věčná amnézie současných chatbotů není čistě nevýhodou — pokud model neví, co si o vás myslí, nemůže vás ani uzamknout v tom, co si myslíte vy.
Shrnutí: od nástrojů s amnézií k digitálním společníkům, kteří rostou s vámi
PersonaVLM, prezentovaná na CVPR 2026, představuje posun od jazykových modelů jako jednorázových nástrojů směrem k architektuře, která si uchovává kontinuitu uživatele v čase. Čtyři patra paměti (jádrová, sémantická, epizodická, procedurální) v kombinaci s psychologickým modelem Big Five a adaptivním faktorem lambda vytvářejí systém, který dokáže rozlišit krátkodobou náladu od dlouhodobé osobnosti, zpracovávat textové i obrazové vstupy a aktualizovat se na pozadí bez znatelného zpomalení konverzace.
V benchmarku Persona-MME framework překonává GPT-4o o 5,2 % celkově a o více než 10 procentních bodů ve sledování změn chování. Latence první odpovědi kolem 10 vteřin zůstává otevřenou nevýhodou pro chatové aplikace, ale pro e-mailovou nebo projektovou podporu je tento kompromis přijatelný.
Zároveň platí: čím přesněji AI rozumí tomu, jak uvažujete, tím silnější bublinu dokáže kolem vás vytvořit. Technologie, která si pamatuje vše, co jste kdy řekli, a optimalizuje se na váš souhlas, vás může postupně připravit o schopnost vlastní pohled revidovat. Otázka, zda personalizovaný AI asistent přidává hodnotu nebo uzavírá kognitivní prostor, závisí na tom, zda bude záměrně navržen tak, aby si v konverzaci ponechal i zdravou míru nesouhlasné perspektivy.
