00

Využití umělé inteligence

Od neuronů k neuronkám - fyzikální principy v umělé inteligenci

2 hodiny AI základy Praktické nástroje

Cíle lekce

Porozumět AI

Definovat umělou inteligenci, rozlišit typy AI a pochopit základní principy strojového učení.

Rozpoznat AI kolem nás

Identifikovat využití AI v každodenním životě - od doporučovačů po navigaci.

Praktické dovednosti

Naučit se základy promptování a vyzkoušet si generativní AI nástroje.

Kritické myšlení

Diskutovat etické otázky AI, rizika a dopad na společnost a vzdělávání.

⏱️ Časový plán lekce (90 minut)

Strukturovaný průvodce dvouhodinovou lekcí o využití AI ve studiu fyziky

15'

Blok 1: Úvod a motivace

  • 0-5 min: Úvodní diskuze: "Jaké AI nástroje již používáte?"
  • 5-10 min: Co je AI a kde ji potkáváme?
  • 10-15 min: Přehled AI poskytovatelů
40'

Blok 2: Praktický workshop

  • 15-25 min: Limity AI a kritické myšlení
  • 25-40 min: Jak promptovat - Prompt Builder (hands-on)
  • 40-55 min: Workflow Perplexity → NotebookLM
20'

Blok 3: Etika a diskuze

  • 55-65 min: Etické otázky (akademická poctivost, odpovědnost)
  • 65-75 min: Skupinová diskuze: "Jak ovlivní AI vaše studium?"
15'

Blok 4: Shrnutí a procvičení

  • 75-85 min: Interaktivní kvíz
  • 85-90 min: Domácí úkol: Vyzkoušejte workflow na fyzikální téma

Poznámky pro učitele

📦 Příprava: Zajistěte přístup k internetu a AI nástrojům (Perplexity, NotebookLM - zdarma)
🎯 Diferenciace: Pokročilí studenti mohou prozkoumávat XML tagy a pokročilé techniky
⚡ Flexibilita: Pokud diskuze zabere více času, zkraťte blok 4 na povinný kvíz
🔄 Follow-up: Další hodina: sdílení výsledků domácího úkolu a hlubší rozbor

Metodický manuál pro učitele

Detailní průvodce lekcí s tipy na přípravu, facilitaci, hodnocení a řešení problémů.

Otevřít metodický manuál

Kontrolní checklist pro studenty

Interaktivní kontrolní seznam pro ověření tvých znalostí a dovedností v oblasti AI.

Otevřít checklist

Co je umělá inteligence?

Umělá inteligence (AI) je schopnost strojů napodobovat lidské inteligentní chování, jako je učení se, řešení problémů a rozhodování.

Klíčové pojmy:

Strojové učení

Systémy se učí z dat bez explicitního programování. Příklad: rozpoznávání spamu.

Neuronová síť

Model inspirovaný strukturou mozku - propojené "neurony" zpracovávají informace.

Generativní AI

AI, která dokáže vytvářet nový obsah - text, obrázky, kód na základě vstupních dat.

Prompt

Vstupní příkaz nebo otázka, kterou zadáváte AI modelu pro získání požadovaného výstupu.

AI kolem nás

Příklady AI, se kterými se setkáváte každý den

Doporučovací systémy

Netflix, YouTube, Spotify - AI analyzuje vaše chování a navrhuje obsah, který se vám pravděpodobně bude líbit.

Jak to funguje: Algoritmy porovnávají vaše preference s miliony jiných uživatelů.

Chytří asistenti

Siri, Google Assistant, Alexa - rozpoznávají hlasové příkazy a odpovídají na otázky v přirozeném jazyce.

Jak to funguje: Zpracování přirozeného jazyka + databáze znalostí.

Navigace

Google Mapy, Waze - v reálném čase počítají nejlepší trasu na základě dopravní situace.

Jak to funguje: Analýza dat z GPS, kamery, senzory dopravy.

Rozpoznávání obrazu

Google Lens, Face ID - identifikují objekty, text nebo tváře na fotografiích.

Jak to funguje: Hluboké neuronové sítě trénované na milionech obrázků.

Kreativní AI

ChatGPT, DALL-E, Midjourney - generují text, obrázky nebo hudbu na základě textového popisu.

Jak to funguje: Velké jazykové modely trénované na textech a obrázcích z internetu.

AI ve vědě

Lékařská diagnostika, objevování léků - AI pomáhá analyzovat rentgenové snímky a navrhovat nové léky.

Jak to funguje: Strojové učení na lékařských datech a simulace molekul.

Hlavní hráči na poli AI

Přehled nejvýznamnějších AI modelů a jejich poskytovatelů (aktualizováno září 2025)

ChatGPT OpenAI

Aktuální modely:

GPT-5 GPT-5 mini GPT-5 nano GPT-4o

🏆 Silné stránky:

  • GPT-5 představuje významný skok v inteligenci
  • Nejlepší výkon v kódování, matematice a reasoning
  • Dostupný i pro bezplatné uživatele
  • Vynikající pro strukturování a analýzu komplexních problémů

⚠️ Slabé stránky:

  • Vyšší náklady na API použití
  • Omezené množství dotazů pro Plus uživatele
  • Stále může halucinovat při faktických dotazech

Gemini Google

Aktuální modely:

Gemini 2.5 Pro Gemini 2.5 Flash Gemini 1.5 Pro Gemini 1.5 Flash

🏆 Silné stránky:

  • Gemini 2.5 Pro je thinking model s pokročilým reasoning
  • #1 na LMArena benchmark leaderboard
  • Vynikající v matematice a vědě (GPQA, AIME 2025)
  • Integrace s Google službami a vyhledáváním

⚠️ Slabé stránky:

  • Nižší dostupnost než konkurence
  • Některé pokročilé funkce stále v preview
  • Může být pomalejší kvůli thinking procesu

Claude Anthropic

Aktuální modely:

Claude 4.5 Sonnet Claude 4 Opus Claude 4.1 Opus Claude 3.5 Sonnet

🏆 Silné stránky:

  • Claude 4.5 Sonnet je nejnovější model s vylepšeným reasoningem
  • Claude 4 Opus je "nejlepší kódovací model na světě"
  • 72.5% úspěšnost na SWE-bench (nejlepší výsledek)
  • Může pracovat autonomně až 7 hodin
  • Vynikající v agentic úlohách a reasoning

⚠️ Slabé stránky:

  • Vyšší cena než konkurence
  • Konzervativnější bezpečnostní opatření
  • Občasné odmítání neškodných požadavků

Grok xAI

Aktuální modely:

Grok 4 Grok 4 Heavy Grok 4 Fast Grok 3

🏆 Silné stránky:

  • Grok 4 trénovaný na 10x větší výpočetní kapacitě
  • Významné vylepšení v reasoning a matematice
  • Informace v reálném čase z X platformy
  • Dostupný přes API pro enterprise

⚠️ Slabé stránky:

  • Vyžaduje X Premium/Premium+ předplatné
  • Menší ekosystém nástrojů než konkurence
  • Zavíslý na X platformových datech

DeepSeek DeepSeek AI

Aktuální modely:

DeepSeek V3.1-Terminus DeepSeek V3.1 DeepSeek V3 DeepSeek R1

🏆 Silné stránky:

  • Excelentní v matematice a programování
  • Přesné technické odpovědi
  • Ověření složitých výpočtů
  • Open-source přístup

⚠️ Slabé stránky:

  • Méně propracované uživatelské rozhraní
  • Specializovaný, ne univerzální
  • Horší v konverzačním stylu

🎯 Která AI používat?

Doporučení: Používejte více AI současně!

AI modely mají tendenci "halucinovat" - vymýšlet si fakta, vzorce nebo informace, které neexistují. Použití více AI vám pomůže:

Ověřit správnost: Porovnejte odpovědi z různých zdrojů
Získat kompletní obraz: Každá AI má jiné silné stránky
Odhalit chyby: Rozpoznat nesprávné nebo vymyšlené informace

🔄 Praktická strategie:

1
ChatGPT: První vysvětlení a brainstorming
2
Claude: Analýza dlouhých textů a PDF
3
Gemini: Ověření faktů a práce s daty
4
DeepSeek: Kontrola matematických výpočtů

✅ Jak ověřovat informace:

  • Primární zdroje: Učebnice, skripta, odborné weby univerzit
  • Konzultace s učitelem: Nejlepší způsob ověření správnosti
  • Specifické dotazy: Buďte konkrétní místo obecných otázek
  • Postup krok za krokem: Vyžadujte detailní řešení
  • Kritické myšlení: Pokud se něco zdá divné, ověřte to

Jak si nastavit AI

Personalizace AI asistenta pro maximální efektivitu

🎯 Proč si nastavit AI?

Správně nakonfigurovaný AI asistent vás zná, rozumí vašemu stylu komunikace a poskytuje relevantnější odpovědi šité na míru vašim potřebám.

Kde najít nastavení personalizace?

Tyto informace se zadávají v nastavení AI v sekci Personalizace (v různých AI různě pojmenováno):

  • ChatGPT: Nastavení → Personalizace → Vlastní instrukce
  • Claude: Nastavení → Předvolby → Systémové instrukce
  • Gemini: Nastavení → Personalizace → Profil
  • Ostatní AI: Hledejte sekce jako "Custom Instructions", "System Prompt", "Personalization"

👤 Informace o sobě - Co AI říct?

Vzdělání a úroveň

✅ "Jsem student 3. ročníku gymnázia. Mám dobré znalosti základní matematiky a fyziky na úrovni střední školy."
❌ "Studuji na škole"

Proč je to důležité: AI přizpůsobí složitost vysvětlení vaší úrovni.

Cíle a zaměření

✅ "Připravuji se na maturitu z fyziky a plánuję studovat strojní inženýrství. Nejvíce mě zajímá mechanika a termodynamika."
❌ "Chci se něco naučit"

Proč je to důležité: AI se zaměří na relevantní oblasti a praktické aplikace.

Styl učení

✅ "Nejlépe se učím z konkrétních příkladů a vizuálních schémat. Potřebuji vidět praktické aplikace, aby mi to dávalo smysl."
❌ "Nejsem moc chytrý"

Proč je to důležité: AI přizpůsobí způsob vysvětlování vašemu typu učení.

Kontext a časové omezení

✅ "Mám maturitní zkoušku za 2 měsíce. Potřebuji soustředit na klíčové koncepty a řešení typických úloh."
❌ "Mám zkoušku"

Proč je to důležité: AI prioritizuje nejdůležitější informace a optimalizuje čas.

🎭 Jak se má AI chovat a komunikovat

Styl komunikace

Formální: "Komunikuj profesionálně a formálně, jako by sis připravoval prezentaci pro učitele."
Kamarádský: "Mluv se mnou jako kamarád, který mi vysvětluje látku. Používej jednoduché příklady a občas vtip."
Koučovací: "Chci, abys mě vedl k vlastním objevům. Ptej se mě na otázky a nech mě přemýšlet."

Struktura odpovědí

Krok-za-krokem:
"Vždy rozděl složité problémy na menší kroky. Každý krok očísluj a vysvětli proč je důležitý."
S příklady:
"K každému konceptu uveď alespoň jeden praktický příklad z běžného života nebo technické praxe."
S ověřením:
"Na konci každého vysvětlení se zeptej, zda jsem to pochopil a jestli mám nějaké otázky."

Omezení a NO-GO

❌ "NIKDY mi nedávej hotové řešení domácích úkolů. Vždy mě veď k vlastnímu řešení."
❌ "NEPOUŽÍVEJ složité matematické vzorce bez vysvětlení jejich fyzikálního významu."
❌ "NEZJEDNODUŠUJ příliš - chci rozumět konceptům do hloubky, ne jen povrchově."

🔧 Rozšířené možnosti - Konektory a MCP servery

Moderní AI asistenti lze rozšířit o pokročilé funkce pomocí konektorů a MCP (Model Context Protocol) serverů.

Konektory k externím službám

🗂️ Produktivita
  • Google Workspace: Drive, Gmail, Calendar
  • Microsoft 365: Word, Excel, Teams
  • Notion: Databáze a poznámky
  • Slack: Firemní komunikace
💻 Vývoj
  • GitHub/GitLab: Správa kódu
  • Jira: Projektový management
  • VS Code: Editor kódu
  • Docker: Kontejnerizace
📊 Data a analýza
  • Wolfram Alpha: Výpočty
  • Zapier: Automatizace
  • CRM systémy: Salesforce, HubSpot
  • Databáze: PostgreSQL, MongoDB

MCP Servery (Model Context Protocol)

MCP je open-source protokol vyvinutý Anthropic pro standardizovaný přístup k externím zdrojům dat a nástrojům.

✅ Výhody MCP:
Bezpečnost

Standardizované bezpečnostní kontroly

Modularita

Jednoduché přidávání funkcí

Open-source

Veřejně dostupný protokol

Standardizace

Jednotné rozhraní pro všechny služby

🚀 Oblíbené MCP servery:
filesystem: Přístup k souborům na disku
google-drive: Práce s Google Drive dokumenty
github: Integrace s GitHub repozitáři
slack: Komunikace přes Slack
postgres: Dotazy do databáze
puppeteer: Automatizace webového prohlížeče

Jak aktivovat v různých AI

ChatGPT (OpenAI)
  • GPTs - vlastní asistenti s plugins
  • Actions - API integrace
  • File uploads - práce s dokumenty
  • Web browsing - přístup k internetu
Claude (Anthropic)
  • MCP servery v Claude Desktop
  • Computer Use - ovládání počítače
  • Artifacts - komplexní výstupy
  • File analysis - analýza souborů
Gemini (Google)
  • Google Workspace Extensions
  • Native integrace s Google službami
  • Code execution - spouštění kódu
  • Multimodal capabilities
⚠️ Důležité upozornění:

Rozšířené funkce vyžadují:

  • Placené předplatné u většiny poskytovatelů
  • Technické znalosti pro nastavení MCP serverů
  • Bezpečnostní kontrolu přístupových oprávnění
  • Pravidelné aktualizace a údržbu

📝 Ukázka nastavení

🔥 Ukázka 1 - Strukturované nastavení:

Jsem [zabýváš se] a mám rád [ ], moje koníčky jsou []. 
Pravidla, která musíš dodržovat:
1. Poskytuj **jasné stručné odpovědi** bez zbytečných úvodů 
2. Když odpovídáš na komplexní otázky, **postupuj systematicky krok za krokem** a vysvětluj svůj myšlenkový proces. 
3. **Vynechej zdvořilostní fráze** 
4. Dávej **důkladné odpovědi** bez nutnosti doplňujících otázek (pokud není potřeba) 
5. Strukturuj odpovědi pro maximální pochopení 
6. Při žádosti o radu **poskytni své nejlepší hodnocení** 
7. Mám rád **praktické příklady** a nebo typické situace a ukázky 
8. **Rozděl složitá témata** na jasné kroky nebo komponenty 
9. **Nabízej myšlenkové modely** a rámce pro přístup k problémům 
10. **Rozlišuj mezi fakty a domněnkami**. Jasně označ, co je potvrzený fakt a co je tvůj předpoklad nebo domněnka. Potvrzený fakt je fakt, který najdeš ve více než 2 zdrojích. 
11. **Uvítám konstruktivní kritiku** věcí, o kterých diskutuji, nemusíš se mnou souhlasit, jestli máš jiný názor, vysvětli mi, proč si myslíš, že je to jinak 
12. U kontroverzních témat **prezentuj různé perspektivy a argumenty**. 
13. Ptej se na upřesnění pouze když je to nezbytné 
14. **Prioritizuj informace** podle důležitosti 
15. Odpovědi nepřikrášluj 
16. **Pravidelně přezkoumávej své odpovědi** před jejich odesláním, abys odhalil možné chyby nebo nedostatky.

📚 Ukázka 2 - Kompaktní nastavení:

Informace o sobě …
Zakládej odpovědi na faktech a logickém uvažování. Konstruktivně kritizuj diskutované věci, když máš jiný názor, vysvětli proč si myslíš, že je to jinak. 
Poskytuj jasné stručné odpovědi bez zbytečných úkolů. Vynechej zdvořilostní fráze a soustřeď se na podstatný obsah. Dávej důkladné odpovědi bez nutnosti doplňujících otázek (pokud opravdu není potřeba). Strukturuj odpovědi pro maximální pochopení. Při žádosti o radu poskytni své nejlepší hodnocení místo navrhování externí konzultace. Ptej se na upřesnění pouze když je to absolutně nezbytné. Řekni, jak to je, a odpovědi nepřikrášluj. Do textu nevkládej značky [cite ...], pokud o to výslovně nepožádám. 
Při odpovídání na dotazy implementuj důsledně principy kritického myšlení: 1. Rozlišuj mezi fakty a domněnkami. Jasně označ, co je potvrzený fakt a co je tvůj předpoklad nebo domněnka. Potvrzený fakt je fakt, který najdeš ve více než 2 zdrojích. 2. Pokud si nejsi v něčem jistý, přiznej to. Používej fráze jako "nejsem si jistý", "nemám dostatek informací" nebo "toto je mimo mé znalosti". 3. Vyhýbej se přehnanému sebevědomí. Když existují alternativní pohledy nebo interpretace, zmiň je. 4. Zdůrazňuj limity svých znalostí, zejména u specializovaných témat nebo aktuálních událostí. 5. Když odpovídáš na komplexní otázky, postupuj systematicky krok za krokem a vysvětluj svůj myšlenkový proces. 6. U kontroverzních témat prezentuj různé perspektivy a argumenty. 7. Vždy zvaž kvalitu a spolehlivost informací ve svých odpovědích. 8. Nepokoušej si vyplnit mezery ve znalostech smyšlenými informacemi. 9. Když je to vhodné, navrhni uživateli, jak by mohl informace ověřit z důvěryhodných zdrojů. 10. Pravidelně přezkoumávej své odpovědi před jejich odesláním, abys odhalil možné chyby nebo nedostatky. 
Používej praktické příklady a typické situace. Rozděl složitá témata na jasné kroky nebo komponenty. Nabízej myšlenkové modely a rámce pro přístup k problémům. Prioritizuj informace podle důležitosti. Zaměř se na pochopení konceptů a principů.

⚠️ Na co si dát pozor: Limity a chyby AI

AI není neomylná - důležité je vědět, kde může selhat

🎭 Halucinace

Co to je: AI může vymýšlet fakta, která zní věrohodně, ale jsou zcela nepravdivá. Například vymyslí neexistující vědecký článek nebo nesprávné fyzikální hodnoty.

Příklad: AI může tvrdit, že "rychlost světla ve vakuu je 299 792 458 m/s±100 m/s", což je sice blízko pravdě, ale přesná hodnota má nulovou nejistotu podle definice.
✅ Řešení: Vždy ověřuj fakta a čísla z více nezávislých zdrojů. Pro fyzikální konstanty používej oficiální tabulky (NIST, CODATA).

📊 Bias (předpojatost)

Co to je: AI se učí z dat vytvořených lidmi, která mohou obsahovat předsudky, stereotypy nebo historické nerovnosti.

Příklad: AI systém pro hodnocení životopisů může diskriminovat ženy, pokud byl trénován na historických datech z odvětví s převahou mužů.
✅ Řešení: Buď kritický a uvědomuj si možné zkreslení. Ptej se: "Kdo vytvořil tato data?" a "Jaká může být jejich perspektiva?"

📅 Zastaralé informace

Co to je: AI modely mají "cutoff datum" - nejsou trénovány na nejnovějších informacích a neznají aktuální události.

Příklad: Claude 4.5 Sonnet má cutoff leden 2025 - neví o událostech po tomto datu. ChatGPT-5 má podobné limity.
✅ Řešení: Pro aktuální data použij Perplexity AI (přístup k internetu) nebo Google. Pro historická témata je standardní AI dostačující.

🔢 Matematické chyby

Co to je: AI někdy dělá chyby v aritmetických výpočtech, jednotkách nebo složitějších matematických úlohách.

Příklad: Při převodu jednotek může AI zaměnit km/h a m/s nebo udělat chybu v exponenciálních výpočtech.
✅ Řešení: Vždy kontroluj výpočty pomocí kalkulačky nebo zpětným dosazením. Pro složité fyzikální úlohy používej specializované nástroje (Wolfram Alpha, Python).

Pravidla kritického myšlení při práci s AI

Ověřuj fakta: Nikdy nespoléhej na AI jako jediný zdroj informací
Kontroluj výpočty: AI není kalkulačka - může dělat chyby
Ptej se "Proč?": Nespokojuj se s odpovědí bez vysvětlení
Porovnávaj zdroje: Použij více AI modelů nebo lidských expertů
Buď skeptický: Pokud něco zní příliš dobře/špatně, pravděpodobně je to chyba

Dobrá praxe při používání AI

✅ DĚLEJTE

  • Používejte AI jako pomocníka, ne jako náhradu myšlení
  • Ověřujte důležité informace z primárních zdrojů
  • Citujte AI jako zdroj v pracích (pokud to pravidla dovolují)
  • Učte se z AI odpovědí, ale kriticky je hodnoťte
  • Požádejte AI o vysvětlení, pokud něčemu nerozumíte

❌ NEDĚLEJTE

  • Nekopírujte AI odpovědi doslovně do seminárních prací
  • Nespoléhejte na AI při důležitých rozhodnutích bez ověření
  • Nesdílejte citlivé osobní informace s AI
  • Nepředpokládejte, že AI má vždy pravdu
  • Nepoužívejte AI k podvádění na zkouškách

Jak promptovat

🎯 Co je prompt?

Prompt je instrukce, kterou dáváte AI modelu. Kvalita promptu přímo ovlivňuje kvalitu odpovědi.

📚 Klíčové pojmy:

Token: Základní jednotka textu (slovo nebo část slova). AI má limit tokenů na vstup i výstup.
Kontext: Celá konverzace, kterou si AI pamatuje. Omejen na určitý počet tokenů.
Teplota: Nastavení kreativity AI (0 = konzistentní, 1 = kreativní).

✅ Tipy pro dobrý prompt:

Buďte konkrétní: "Vysvětli graviti pro 15letého studenta" místo "Vysvětli gravitaci"
Definujte roli: "Jsi učitel fyziky..." nebo "Jako expert na AI..."
Uveďte formát: "Odpověz ve 3 bodech" nebo "Napiš jako seznam"
Přidejte kontext: "Pro seminární práci o..." nebo "Pro prezentaci..."

📝 Porovnání promptů:

❌ Špatný prompt
"Napiš o fyzice"
Příliš obecný, AI neví co přesně chcete
✅ Dobrý prompt
"Jsi učitel fyziky. Vysvětli Newtonovy zákony pohybu pro střední školu ve 3 bodech s praktickými příklady z běžného života."
Konkrétní role, téma, cílová skupina, formát a požadavky

🚀 Pro pokročilé: Pokročilé techniky promptování

Pokročilé techniky promptování:

Chain of Thought (CoT)

Požádejte AI o krok-za-krokem vysvětlení:

"Vyřeš tuto úlohu krok za krokem: Kolik energie potřebuji k ohřátí 2 litrů vody z 20°C na 100°C?"
Few-Shot Learning

Ukažte AI několik příkladů před hlavním úkolem:

"Převeď jednotky podle vzoru:
Příklad: 5 m/s = 18 km/h
Příklad: 10 km/h = 2,78 m/s
Úkol: Převeď 72 km/h na m/s"
Role-Playing

Definujte konkrétní roli s osobností:

"Jsi nadšený fyzik, který miluje jednoduché vysvětlení složitých věcí. Vysvětli kvantovou mechaniku tak, aby to pochopil 12letý student."
Negative Prompting

Řekněte AI, co NECHCETE:

"Vysvětli relativitu. NEPOUŽÍVEJ složité matematické vzorce ani odborné termíny bez vysvětlení."

🏗️ Strukturované promptování s XML a Markdown tagy

Moderní AI modely (zejména ChatGPT-5, Claude 4.5+, Gemini 2.5) lépe rozumí strukturovaným promptům s využitím tagů.

XML tagy pro přesnou strukturu

Proč XML tagy? AI modely interpretují XML tagy jako organizační prvky, což výrazně zlepšuje porozumění a snižuje halucinace.

<role>...</role>

Role AI asistenta

<task>...</task>

Hlavní úkol a cíl

<context>...</context>

Pozadí a kontext úlohy

<instructions>...</instructions>

Detailní instrukce a požadavky

<examples>...</examples>

Ukázky vstupů a výstupů

<constraints>...</constraints>

Omezení a pravidla

<format>...</format>

Požadovaný formát výstupu

Markdown pro organizaci
# Nadpisy - organizace sekcí
**Tučné písmo** - důraz na klíčové instrukce
- Seznamy - výčty požadavků
```kód``` - příklady a data
💡 Praktický příklad strukturovaného promptu
<role>
Jsi zkušený učitel fyziky se specializací na mechaniku.
</role>

<task>
Vysvětli 2. Newtonův zákon studentovi připravujícímu se na maturitu.
</task>

<context>
Student se připravuje na maturitní zkoušku z fyziky za 2 měsíce.
Potřebuje pochopít vztah mezi silou, hmotností a zrychlením.
</context>

<instructions>
1. Vysvětli **2. Newtonův zákon** jednoduše a srozumitelně
2. Uveď **3 praktické příklady** z běžného života
3. Poskytni **výpočetní úlohu** s postupem řešení
</instructions>

<constraints>
- Nepoužívej složité matematické odvození
- Zaměř se na praktické aplikace
- Udržuj vysvětlení do 300 slov
</constraints>

<format>
## 2. Newtonův zákon

### Základní vysvětlení
[text]

### Praktické příklady
1. [příklad]
2. [příklad] 
3. [příklad]

### Výpočetní úloha
**Zadání:** [text]
**Řešení:** [krok za krokem]
</format>
🎯 Kompatibilita s AI modely (2025)
ChatGPT-5: ★★★★★

Excelentní podpora XML tagů, doporučeno pro komplexní úlohy

Claude 4.5+: ★★★★★

Přirozeně pracuje s hierarchickou strukturou

Gemini 2.5: ★★★★☆

Spolehlivé zpracování strukturovaných promptů

💡 Tip pro začátečníky:

Začněte s jednoduchou strukturou a postupně přidávejte XML tagy podle potřeby. Testujte, který přístup funguje nejlépe pro vaše konkrétní úlohy.

📋 Template pro perfektní prompt:

1. Role: "Jsi [expert/učitel/student/...]"
2. Kontext: "Pro [účel/cílovou skupinu/situaci]"
3. Úkol: "Vysvětli/Napiš/Vytvoř [konkrétní požadavek]"
4. Formát: "Ve formátu [seznam/body/tabulka/...]"
5. Styl: "V [formálním/neformálním/akademickém/zábavném/profesionálním/přátelském] stylu"
6. Příklady výstupu: "Například: [ukázka požadovaného výsledku]"
7. Omezení: "Bez [nežádoucí obsah], max [délka]"
💡 Poznámka: Ne vždy musí být všechny položky zadány. Použijte ty, které jsou relevantní pro váš konkrétní úkol.

🧪 Praktické příklady pro fyziku:

🔬 Pro laboratorní práci:
"Jsi laborantní asistent. Vytvoř bezpečnostní checklist pro experiment s elektřinou na střední škole. Seznam by měl mít 8 bodů, každý s vysvětlením proč je důležitý."
📊 Pro řešení úloh:
"Jsi tutor fyziky. Řeš tuto úlohu metodou krok za krokem: 'Auto jedoucí rychlostí 60 km/h začne brzdit rovnoměrně zpomaleným pohybem a zastaví za 4 sekundy. Jaká byla brzdná dráha?' Ukaž všechny výpočty a jednotky."
🎨 Pro kreativní vyučování:
"Jsi kreativní učitel fyziky. Vymysli 3 jednoduché experimenty, které mohu udělat doma s běžnými předměty, abych demonstroval zákon zachování energie. Každý experiment popiš ve 3 krocích."
🧮 Pro matematiku ve fyzice:
"Jsi matematik specializující se na fyziku. Vysvětli derivace ve fyzice pro studenta, který umí základní derivování. Ukaż 3 konkrétní příklady: rychlost, zrychlení a výkon. Každý s konkrétní úlohou a řešením."

⚡ Časté chyby v promptování:

❌ "Vyřeš úlohu"
✅ "Vyřeš tuto úlohu krok za krokem a vysvětli každý krok"
❌ "Napiš o elektřině"
✅ "Napiš 500 slov o elektrickém proudu pro 9. třídu ZŠ"
❌ "Pomoz mi s domácím úkolem"
✅ "Zkontroluj můj výpočet a vysvětli případné chyby: [vložit výpočet]"

🔧 Prompt Builder - Sestavte si vlastní prompt:

🔬 Komplexní výzkumný workflow s AI

Od otázky k hlubokému pochopení: Perplexity AI + Google NotebookLM

Problém: Potřebuješ udělat seminární práci nebo se připravit na maturitu z fyziky. Googl 10 stránek výsledků tě unavuje a nevíš, kterým zdrojům věřit.

Řešení: Profesionální 6-krokový workflow, který kombinuje Perplexity AI (pro výzkum) a Google NotebookLM (pro studium). Za 20 minut máš kompletní studijní materiály z ověřených zdrojů.

📋 6-krokový výzkumný postup:

1

🎯 Definice výzkumné otázky

Začni široce, pak zpřesni. Zeptej se sám sebe: "Co přesně chci zjistit?"

Široká: "Jak fungují tepelná čerpadla?"
Specifická: "Jaká je energetická účinnost vzduch-voda tepelných čerpadel v ČR při teplotách -15°C až +35°C?"
2

🔍 Výzkum v Perplexity AI

Otevři perplexity.ai a zadej svou otázku. Používej navrhované follow-up otázky pro prohlubování.

Tvůj dotaz: "Jaké jsou typy tepelných čerpadel a jejich účinnost?"
Follow-up: "Jak se mění COP v závislosti na venkovní teplotě?"
💡 TIP: Zkopíruj si celou odpověď včetně citací [1], [2], [3]
3

📚 Získání seznamu zdrojů

Pošli Perplexity tento prompt:

💡 „Vytvoř mi seznam všech zdrojů ve formě url odkazů"

Perplexity ti vygeneruje přehledný seznam URL adres všech použitých zdrojů.

✓ Zkopíruj seznam do schránky (Ctrl+C nebo Cmd+C)
✓ Otevři si nejlepší zdroje (často PDF vědeckých článků)
4

📥 Přesun do Google NotebookLM

Otevři notebooklm.google.com a vytvoř nový zápisník (např. "Fyzika – Tepelná čerpadla")

Přidej zdroje:
✓ Klikni "+ Add source" → "Website" → Vlož URL ze seznamu
✓ Nebo "+ Add source" → "Note" → Vlož zkopírovaný text z Perplexity
Vytvořil/a jsi osobní znalostní bázi z ověřených zdrojů
5

🎓 Analýza v NotebookLM

Teď využij funkce NotebookLM. AI pracuje pouze s tvými zdroji = žádné halucinace.

Shrnutí
Klíčové pojmy
Audio přehled
Kvíz
Zkus: "Vytvoř tabulku porovnávající COP různých typů tepelných čerpadel"
6

✅ Syntéza a ověření

Zkontroluj, zda máš kompletní pochopení tématu. Polož si kontrolní otázky:

✓ Rozumím základním principům?
✓ Mohu vysvětlit hlavní rozdíly/souvislosti?
✓ Mám konkrétní data a zdroje pro citování?
✓ Jsou informace konzistentní napříč zdroji?
💡 Pokud něco nesedí → vrať se do Perplexity s upřesňující otázkou

🧠 Pokročilé techniky pro Deep Research:

Multi-perspektivní přístup

Prozkoumejte téma z různých úhlů pohledu:

Ekonomický: "Jsi finanční analytik. Jaké jsou TCO tepelných čerpadel?"
Technický: "Jsi inženýr HVAC. Jaké jsou technické výzvy instalace?"
Environmentální: "Jsi expert na udržitelnost. Jaký je ekologický dopad?"

Drill-down metoda

Postupně se ponořujte hlouběji do každého aspektu:

Úroveň 1: "Co je termodynamický cyklus?"
Úroveň 2: "Jak funguje Carnotův cyklus v tepelných čerpadlech?"
Úroveň 3: "Proč reálná čerpadla nedosahují Carnotovy účinnosti?"
Úroveň 4: "Jak minimalizovat ireversibilní ztráty v kompresoru?"

Kontrastní analýza

Porovnejte protichůdné pohledy nebo řešení:

"Argumentuj PRO a PROTI použití tepelných čerpadel v rodinných domech. Pro každý argument uveď konkrétní data a zdroje. Následně navrhni kompromisní řešení."

📝 Template pro Deep Research prompt:

1. Kontext a expertiza:
"Jsi [konkrétní expert] s [X let praxe] v oblasti [specifické pole]."
2. Výzkumná otázka:
"Zkoumám [konkrétní problém/téma] pro [účel/cílová skupina]."
3. Požadovaný přístup:
"Analyzuj to [metodou/perspektivou] a zaměř se na [specifické aspekty]."
4. Formát výstupu:
"Odpověz ve formátu [struktura] s [konkrétní požadavky na detaily]."
5. Kritické myšlení:
"Identifikuj mezery ve svých znalostech a navrhni jak je vyplnit."

⚡ Praktický příklad Deep Research:

Téma: "Efektivita solárních panelů v ČR"

Prompt 1: "Jsi expert na fotovoltaiku s 10letou praxí v střední Evropě. Analyzuj aktuální efektivitu solárních panelů v českých klimatických podmínkách. Zaměř se na roční výrobu kWh/kWp, sezonní variabilitu a faktory ovlivňující výkon."
Follow-up 2: "Na základě předchozí analýzy - jak se liší výkon panelů v různých regionech ČR? Porovnej Moravu, Čechy a pohraničí z hlediska slunečního svitu a nadmořské výšky."
Follow-up 3: "Vysvětli vliv orientace a sklonu na výkon. Jaký je optimální úhel pro ČR a proč? Uveď konkrétní kalkulace pro jižní, východní a západní orientaci."
Syntéza: "Srovnej všechny předchozí informace a vytvoř doporučení pro majitele rodinných domů. Kdy se investice do FV vyplatí a kdy ne?"

🎯 Praktické fyzikální úkoly pro procvičení

Vyzkoušej si kompletní workflow na těchto reálných fyzikálních problémech

🔋

Úkol 1: Elektrická vs. spalovací auta

Střední náročnost | 30 minut
📋 Zadání: Porovnej celkovou energetickou účinnost elektrického vozu a vozu se spalovacím motorem "od zdroje k pohonu kol". Zahrň výrobu elektřiny, přenos, nabíjení baterie a účinnost motoru.
🔬 Doporučený postup:
  1. Perplexity: "Jaká je celková energetická účinnost well-to-wheel elektromobilu vs benzínového vozu? Zahrň výrobu elektřiny v ČR."
  2. Follow-up: "Jak se mění účinnost elektromobilu v zimě při -10°C?"
  3. NotebookLM: Vytvoř tabulku porovnávající účinnosti v každém kroku řetězce
  4. Výstup: Prezentace s grafem "Energy flow diagram" pro oba typy vozů
💡 Co se naučíš: Energetické konverze, účinnost systémů, analýza celého řetězce
🌡️

Úkol 2: Optimální teplota pro tepelné čerpadlo

Lehká náročnost | 20 minut
📋 Zadání: Zjisti, proč tepelná čerpadla fungují nejlépe při nižších teplotách topné vody (35-45°C) a jak to souvisí s COP (Coefficient of Performance). Spočítej úsporu energie při snížení teploty z 55°C na 40°C.
🔬 Doporučený postup:
  1. Perplexity: "Jak souvisí COP tepelného čerpadla s teplotou topné vody? Uveď konkrétní hodnoty pro vzduch-voda čerpadlo."
  2. Follow-up: "Jaký je vztah mezi COP a Carnotovým cyklem?"
  3. NotebookLM: "Vytvoř graf závislosti COP na teplotě topné vody (30-60°C)"
  4. Výstup: Vypočítej roční úsporu energie pro dům se spotřebou 15000 kWh/rok
💡 Co se naučíš: Termodynamika, Carnotův cyklus, COP, praktické aplikace
☀️

Úkol 3: Dimenzování fotovoltaické elektrárny

Vyšší náročnost | 40 minut
📋 Zadání: Navrhni fotovoltaickou elektrárnu pro rodinný dům se spotřebou 4500 kWh/rok v Brně. Urči počet panelů, jejich orientaci a spočítej návratnost investice.
🔬 Doporučený postup:
  1. Perplexity: "Jaká je průměrná roční produkce 1 kWp fotovoltaiky v Brně? Uveď měsíční variabilitu."
  2. Follow-up: "Jak se liší výroba při orientaci jih, východ a západ? Jaký je optimální sklon pro Brno?"
  3. Follow-up: "Jaké jsou aktuální ceny FV panelů (Kč/kWp) a dotace v ČR?"
  4. NotebookLM: "Vytvoř tabulku: měsíční spotřeba vs výroba, přebytek pro baterii"
  5. Výstup: Kompletní návrh: počet panelů, instalovaný výkon, roční výroba, návratnost
💡 Co se naučíš: Sluneční záření, energetické bilance, ekonomická analýza, praktický návrh

Tipy pro úspěšné dokončení úkolů:

  • Začni se seznamem zdrojů - požádej Perplexity o URL seznam hned po první odpovědi
  • Ověřuj čísla - pokud dva zdroje říkají něco jiného, ptej se proč
  • Vizualizuj data - grafy a tabulky ti pomůžou pochopit souvislosti
  • Pracuj systematicky - postupuj krok za krokem podle workflow
  • Cituj zdroje - u každého čísla nebo tvrzení uveď odkaz na zdroj

Google NotebookLM - revoluce ve výuce

Personalizovaný AI asistent pro studium fyziky

Co je Google NotebookLM?

Google NotebookLM je inovativní AI nástroj, který funguje jako váš osobní studijní asistent. Na rozdíl od běžných AI chatbotů pracuje pouze s dokumenty, které mu poskytnete - učebnice, vědecké články, poznámky. To zajišťuje přesnost a relevanci odpovědí.

Bezpečný a přesný: Pracuje pouze s vašimi zdroji
Vícejazyčný: Podporuje více než 80 jazyků
Výukově zaměřený: Speciální funkce pro studenty a učitele

Klíčové funkce pro fyziku

Audio Overview

Automaticky vytváří mluvená shrnutí z vašich materiálů. Ideální pro opakování složitých fyzikálních konceptů během cesty do školy.

Příklad: Nahrajete kapitolu o relativitě → získáte 5minutové audio shrnutí klíčových myšlenek Einsteinovy teorie

Flashcards & Kvízy

Automaticky generuje testovací otázky a kartičky z vašich materiálů. Šetří čas a pomáhá s aktivním učením.

Příklad: Z textu o Newtonových zákonech vytvoří kvíz: "Který zákon popisuje princip akce a reakce?"

Interaktivní dialog

Ptejte se na cokoliv z nahraných materiálů. AI odpoví pouze na základě vašich zdrojů.

Příklad: "Vysvětli mi Huygensův princip jednoduše, jako bych byl v prváku"

Study Guides

Vytváří strukturované studijní příručky a slovníčky pojmů z vašich dokumentů.

Příklad: Slovníček všech fyzikálních veličin a jednotek z kapitoly o mechanice

Multi-source analýza

Porovnává informace z různých zdrojů a hledá souvislosti. Ideální pro porozumění vývoji fyzikálních teorií.

Příklad: Porovnání Newtonovy a Einsteinovy teorie gravitace z různých učebnic

Lesson Planning

Pomáhá učitelům vytvářet plány hodin, pracovní listy a testové otázky.

Příklad: Struktura 90minutové hodiny o volném pádu s demonstracemi a diskuzními otázkami

Praktické použití ve fyzice

Laboratorní práce s NotebookLM

Scénář: Ověření Ohmova zákona

1
Příprava: Nahrajte teoretický úvod k experimentu
2
Generování: "Vytvoř 5 kontrolních otázek pro pochopení teorie před měřením"
3
Výsledek: Slovníček pojmů (reostat, voltmetr, ampérmetr) + shrnutí kroků
Porovnání fyzikálních teorií

Scénář: Newton vs. Einstein (gravitace)

Zdroje:
  • Kapitola z učebnice o Newtonově gravitačním zákonu
  • Článek o obecné teorii relativity
  • Historický kontext obou teorií
Dotazy pro NotebookLM:
"Jaké jsou hlavní rozdíly v popisu gravitace podle Newtona a Einsteina?"
"V jakých situacích je Newtonova teorie dostatečně přesná?"
Příprava na maturitu

Scénář: Systematické opakování mechaniky

Nahrát: Všechny kapitoly o mechanice z různých zdrojů
Generovat: Komplexní kvíz pokrývající kinematiku, dynamiku, energii
Poslouchat: Audio shrnutí klíčových vzorců a principů
Trénovat: Flashcards s fyzikálními veličinami a jednotkami

Jak začít s NotebookLM

1

Přístup

Přejděte na notebooklm.google.com a přihlaste se pomocí Google účtu

2

Vytvoření projektu

Klikněte na "Create" a pojmenujte si projekt (např. "Fyzika - Mechanika")

3

Nahrání zdrojů

Nahrajte PDF učebnic, poznámky z hodin nebo články (max 50 zdrojů)

4

Začněte se ptát

Zkuste: "Vytvoř mi shrnutí této kapitoly" nebo "Vysvětli mi tento vzorec"

Proč je NotebookLM skvělý pro fyziku

Personalizované učení

Každý student může pracovat svým tempem a zaměřit se na oblasti, které mu dělají problém

Úspora času

Automatická tvorba kvízů, shrnutí a studijních materiálů šetří hodiny práce

Přesnost odpovědí

Informace pouze z vašich zdrojů eliminují riziko dezinformací z internetu

Aktivní učení

Mění pasivní čtení na aktivní dialog a důkladné pochopení látky

Tipy pro efektivní použití

Kvalitní zdroje

Nahrajte různé typy materiálů - učebnice, vědecké články, vaše poznámky. Různost zdrojů = bohatší odpovědi.

Specifické otázky

Místo "Vysvětli gravitaci" se ptejte "Jak se liší gravitační síla na Zemi a na Měsíci při stejné hmotnosti?"

Postupné budování

Začněte se základními koncepty a postupně přidávejte složitější materiály pro hlubší pochopení.

Sdílení s kolegy

Vytvořené kvízy a shrnutí můžete snadno sdílet s ostatními studenty nebo učiteli.

Etika a diskuze

Důležité otázky k zamyšlení

Je etické, aby AI pomáhala psát seminární práce?

Argumenty PRO: AI může pomoci s formulací myšlenek, překonáním writer's block, učením se různých stylů psaní.

Argumenty PROTI: Neférová výhoda, ztráta originality, student se neučí psát samostatně.

K diskuzi: Kde je hranice mezi pomocí a podváděním?

Kdo je zodpovědný za chyby autonomních vozidel?

Možnosti: Výrobce auta, vývojář AI, majitel vozidla, nebo někdo jiný?

Problém: AI systémy jsou často "černé skříňky" - nevíme přesně, jak rozhodují.

K diskuzi: Jak zajistit odpovědnost u AI systémů?

Mohou být AI systémy zaujatá (biased)?

Problém: AI se učí z dat vytvořených lidmi, která mohou obsahovat předsudky.

Příklad: AI systém pro hodnocení životopisů může diskriminovat ženy, pokud byl trénován na historických datech.

K diskuzi: Jak zajistit spravedlivé AI?

Nahradí AI lidské pracovníky?

Realita: AI již nahrazuje některé úlohy, ale také vytváří nová pracovní místa.

Trendy: Automatizace rutinních úkolů vs. potřeba lidské kreativity a empatie.

K diskuzi: Jak se připravit na budoucnost práce s AI?