Keď dron vidí a rozhoduje: čo dnes vie AI na bojisku a kde musí zostať človek

Titulná ilustrácia odkazuje na fiktívny dron Baron z mojej knihy Syndikát. Nezobrazuje skutočný výrobok ani reálnu vojenskú operáciu.

Keď sa povie „dron s umelou inteligenciou“, človek si ľahko predstaví jeden elektronický mozog, ktorý vidí, premýšľa a rozhoduje. Skutočnosť je triezvejšia. Vnútri obvykle spolupracuje kamera, niekoľko malých špecializovaných modelov, navigačné algoritmy a klasický autopilot.

Barón z úvodného obrazu patrí do fikcie. Technológie popísané v ďalšom texte sú skutočné a zámerne ich od príbehu oddeľujem.

Každá časť rieši iný problém. Kamera dodá obraz. Model počítačového videnia označí objekty. Navigácia odhadne polohu. Plánovač vyberie bezpečnú trasu. Autopilot prevedie plán na pohyb motorov.

Rozpoznať na obraze tank je technický problém. Rozhodnúť, či ide o legitímny vojenský cieľ, je problém kontextu, práva a ľudskej zodpovednosti.

Práve tento rozdiel považujem za najdôležitejšiu časť celej debaty.

Čo sa vo vnútri dronu skutočne odohráva

Zjednodušený reťazec vyzerá takto:

AI teda nie je synonymom pre autonómiu. Dron môže používať AI len na rozpoznávanie prekážok, zatiaľ čo každý dôležitý krok schvaľuje človek. A naopak niektoré automatické funkcie môžu byť postavené na klasických algoritmoch bez neurónovej siete.

Model sa navyše za letu spravidla neučí všetko od začiatku. Náročné trénovanie prebieha skôr na veľkých dátových sadách. V drone potom beží hlavne inferencia, teda rýchle použitie naučeného modelu na nový obraz.

YOLO nie je malý ChatGPT. Je to rýchly zrak

V rozhovore som spomenul rodinu modelov YOLO, z anglického You Only Look Once. Nejde o jazykový model, ale o model počítačového videnia na detekciu objektov. Zo snímky obvykle vráti obdĺžniky, názvy tried a mieru istoty. Môže napríklad povedať: „v tejto časti obrazu je vozidlo, istota 87 %“.

YOLO nevie, či vozidlo patrí vlastnej jednotke, či je vyradené, či sa vzdáva, čo je za ním ani či by zásah bol podľa práva primeraný. To všetko sú ďalšie vrstvy rozhodovania.

Každá generácia YOLO máva niekoľko veľkostí od n ako nano po x ako extra large. Nasledujúce čísla pochádzajú z dokumentácie Ultralytics YOLOv8 a z oficiálneho repozitára YOLOv12. Posledný stĺpec je môj orientačný prepočet samotných váh pri dvoch bajtoch na parameter vo formáte FP16.

Pre porovnanie, YOLOv12n má 2,5 milióna parametrov. Bežný jazykový model označovaný ako 7B ich má sedem miliárd. Podľa počtu parametrov je teda YOLOv12n asi 2 800-krát menší. Počty parametrov najväčších uzavretých modelov GPT alebo Gemini nie sú verejné, preto nemá zmysel ich vydávať za overené číslo.

Veľkosť súboru s váhami však nie je to isté čo spotreba pamäte pri prevádzke. Dron potrebuje miesto aj pre medzivýsledky vrstiev, obrazové buffery a behové prostredie. Záleží na rozlíšení, presnosti výpočtu, dávke snímok, čipe aj konkrétnom engine. Poctivé číslo preto vznikne až meraním na cieľovom zariadení.

YOLOv8 je prevažne konvolučná sieť. YOLOv12 je novšia výskumná vetva, ktorá stavia výraznejšie na mechanizme attention. Vyššie číslo generácie samo o sebe neznamená najlepšiu voľbu pre konkrétny dron. V praxi rozhoduje presnosť, latencia, spotreba, stabilita nástrojov a to, či model prešiel testami na skutočnom hardvéri.

Prečo musí byť inteligencia priamo na palube

Do malého lietajúceho zariadenia nemožno jednoducho vložiť serverovú grafickú kartu s veľkým chladením a zdrojom. Každý gram a každý watt sa premieta do dĺžky letu. Odosielanie každej snímky do cloudu zase pridáva oneskorenie a predpokladá spoľahlivé spojenie, ktoré v krízovom prostredí nemusí existovať.

Preto sa používa edge AI, teda výpočet priamo na zariadení. Prináša tri zásadné výhody:

• rýchlu reakciu bez cesty dát na vzdialený server,
• menšia závislosť na spojení a cloude,
• možnosť pracovať aj pri rušení komunikácie alebo satelitnej navigácie.

Cena za to je jasná: málo energie, málo pamäte a obmedzený výpočtový výkon. Vývojár preto model zmenšuje, kvantizuje a optimalizuje pre konkrétny akcelerátor. Úspech sa nemeria len presnosťou v laboratóriu, ale aj počtom snímok za sekundu, spotrebou, teplotou a správaním pri strate signálu.

Program DARPA REMA napríklad skúma autonómne subsystémy, ktoré môžu existujúcim dronom pomôcť dokončiť misiu aj pri prerušení spojenia elektronickým bojom. To dobre ukazuje, prečo je edge computing vojensky zaujímavý. Súčasne práve strata spojenia zvyšuje nároky na vopred stanovené obmedzenia a bezpečné ukončenie misie.

Gyroskop, akcelerometer a mapa na kolenách

Samotný obraz nestačí. Dron musí vedieť, ako je natočený a kam sa pohol.

Gyroskop meria uhlovú rýchlosť, teda ako rýchlo sa zariadenie otáča. Akcelerometer meria zrýchlenie v jednotlivých osiach a v jeho údajoch sa prejavuje aj gravitácia. Spoločne tvoria základ inerciálnej meracej jednotky, skrátene IMU.

Keď budeme údaje len sčítať, drobné chyby sa postupne nasčítajú a odhad polohy začne uchádzať. Preto sa IMU kombinuje s kamerou, satelitnou navigáciou alebo mapou.

V televízii som použil prirovnanie k pilotovi z prvej svetovej vojny. Má na kolenách papierovú mapu, pozrie sa von, nájde rieku, železnicu a mesto a podľa ich tvaru opraví svoj odhad polohy. Map matching robí niečo podobné strojovo: porovnáva pozorované rysy krajiny s vopred pripravenou digitálnou mapou.

Pri moderných systémoch sa často pridáva vizuálno-inerciálna odometria alebo SLAM, teda priebežné skladanie mapy a vlastnej polohy. Štúdia autonómneho závodného dronu Swift v časopise Nature ukázala, čo dokáže kombinácia kamier, IMU a výpočtu priamo na palube v kontrolovanom prostredí. Závodná trať je však stále neporovnateľne prehľadnejšia ako bojisko s dymom, rušením, klamnými cieľmi a civilistami.

Tri úrovne: človek vo vnútri, nad systémom a mimo slučky

Pojmy "human in the loop", "human on the loop" a "human out of the loop" sú užitočná skratka, nie jednotná právna norma. V praxi je dôležitejšie položiť konkrétne otázky: Kto stanovil misiu? Kto určil profil cieľa? Kto vyberá konkrétny objekt? Môže človek akciu včas zastaviť?

Medzi ručne pilotovaným dronom a plnou autonómiou je široké spektrum. AI môže len stabilizovať let, navrhnúť trasu, upozorniť na objekt alebo po výbere cieľa človekom dokončiť posledný úsek navedenia. Veta „dron rozhodol sám“ preto bez ďalšieho vysvetlenia skoro nič nehovorí.

Tiež slovo cieľ má najmenej tri významy:

1. strategický účel, napríklad chrániť územie,
2. profil objektu v misii, napríklad hľadať určitý typ techniky v určenej zóne,
3. konkrétny objekt, proti ktorému má byť použitá sila.

Čím nižšie sa ľudské rozhodovanie posúva, tým dôležitejšie sú obmedzenia priestoru, času, typov objektov, správania pri neistote a možnosť bezpečného prerušenia.

Hyperwar: keď sa rozhodovací cyklus skráti na rýchlosť stroja

Pojem hyperwar použili John R. Allen a Amir Husain pre konflikt, v ktorom automatizované rozhodovanie a súbežné akcie prebiehajú rýchlosťou, ktorej človek ťažko stačí (US Naval Institute, 2017).

Je lákavé povedať, že rýchlejšia strana automaticky víťazí. Rýchlosť ale môže skrátiť aj čas na kontrolu, pochybnosť a deeskaláciu. Chyba jedného senzora sa potom nerozvinie počas hodín, ale počas sekúnd a vo veľkom meradle.

Preto zmysluplná ľudská kontrola nemôže znamenať človeka, ktorý len sleduje desiatky automatických rozhodnutí na obrazovke. Potrebuje:

• dostatok informácií o situácii a neistote modelu,
• čas, v ktorom možno rozhodnutie skutočne zmeniť,
• zvládnuteľný počet súčasných udalostí,
• jasný rozsah povolenej činnosti,
• možnosť systém zastaviť a dohľadať, prečo konal.

Človek, ktorý má na reakciu zlomok sekundy a nevidí dôvody rozhodnutia, je v reťazci skôr formálne ako skutočne.

Najťažšie nie je spoznať tank. Najťažšie je pochopiť scénu

Na čistej fotografii môže byť rozpoznanie známeho typu techniky relatívne jednoduché. Bojisko je ale prostredie mimo učebnicové dáta. Objekty sú zakryté, poškodené, inak nasvietené, pozorované z neobvyklého uhla alebo zámerne zamaskované. Senzor môže byť poškodený a protivník sa snaží systém zmiasť.

NIST vo svojej taxonómii adversariálneho strojového učenia popisuje útoky na dáta aj na samotné rozhodovanie modelu a upozorňuje, že neexistuje jedna univerzálna obrana.

Ešte ťažšie je pochopiť význam scény. Detektor môže vidieť vozidlo, ale nevie:

• komu patrí a či nebolo ukoristené,
• či je prevádzkyschopné alebo opustené,
• či sa jeho posádka nevzdáva,
• či sú blízko civilisti, zdravotníci alebo chránený objekt,
• aký vojenský prínos a aké vedľajšie škody by zásah priniesol.

To je rozdiel medzi detekciou, identifikáciou, porozumením situácii a právnym rozhodnutím. Marketing ich niekedy zleje do jediného slova „inteligencia“. V skutočnosti medzi nimi leží priepasť.

Existuje aj ľudské riziko zvané automation bias. Operátor môže stroju veriť práve preto, že výsledok vyzerá presne: rámček, názov triedy, mapa a percento istoty. Číslo 92 % však hovorí niečo o modeli a jeho dátach, nie o tom, či je zásah správny a zákonný.

Čo sa už deje v praxi

Tempo vývoja je vysoké. Ukrajinské ministerstvo obrany v apríli 2026 uviedlo, že v krajine pracuje vyše 200 firiem na dronoch s prvkami AI, platforma Brave1 eviduje viac ako 300 súvisiacich vývojov a na fronte sa používa cez 70 riešení s AI alebo počítačovým videním (Ministerstvo obrany Ukrajiny).

Tieto čísla sú oficiálnym oznámením jednej vojnovej strany, nie nezávislým auditom účinnosti. Dobre však ukazujú rýchlosť experimentovania. Rovnaké ministerstvo zároveň v máji napísalo, že sa neusiluje o stopercentne autonómne bojové systémy a že konečné rozhodnutie má zostať pod ľudskou kontrolou (Defense AI Center A1).

Právo nečaká na nový typ stroja

Pre autonómne zbraňové systémy zatiaľ neexistuje samostatný celosvetový záväzný dohovor. Neznamená to právne vákuum. Podľa Medzinárodného výboru Červeného kríža sa na každý útok vzťahuje medzinárodné humanitárne právo bez ohľadu na použitú techniku.

Pre konkrétny útok sú kľúčové tri povinnosti:

1. Rozlišovanie: odlíšiť vojenské ciele od civilistov a civilných objektov.
2. Proporcionalita: neočakávať civilné škody neprimerané predpokladanej konkrétnej a priamej vojenskej výhode.
3. Preventívne opatrenia: urobiť vykonateľné kroky na overenie cieľa a minimalizáciu civilných škôd, vrátane zmeny alebo zrušenia útoku, ak sa situácia zmení.

Zodpovednosť nezmizne vo vnútri algoritmu. Štáty, velitelia, operátori, vývojári a obstarávatelia majú rôzne role, ale veta „rozhodla AI“ nie je právne ani morálne ospravedlnenie.

ICRC v júni 2026 znovu vyzval k záväznému medzinárodnému nástroju, ktorý by zakázal nepredvídateľné autonómne zbrane a systémy určené proti ľuďom a ostatných prísne obmedzil. Rokovania skupiny expertov v rámci Dohovoru o niektorých konvenčných zbraniach pokračovali aj v roku 2026. Revízna konferencia CCW je naplánovaná na november 2026.

Česi majú v autonómii prekvapivo silnú školu

Česko nie je hlavným výrobcom masových lacných FPV dronov. Má však veľmi dobrú výskumnú základňu v robotike, rojoch, počítačovom videní a navigácii bez GPS. Práve tieto schopnosti budú dôležité nielen v obrane, ale aj pri záchranárstve, kontrole infraštruktúry a práci v nebezpečnom prostredí.

ČVUT FEL, Multi-robot Systems Group profesora Martina Sasky vyvíja bezpečné lietajúce roboty, koordináciu rojov a navigáciu bez GNSS aj bez nepretržitého spojenia s človekom. Tím svoje výsledky uplatňuje pri ochrane kritickej infraštruktúry aj v európskych projektoch (ČVUT FEL, 2026).

Drone Research Center na VUT v Brne uvádza, že od roku 2020 riešia výskumné projekty rojov dronov pre Ministerstvo obrany a Armádu Českej republiky. Spája riadenie, elektroniku, senzoriku, AI a prevádzku bez GNSS (VUT DRC).

Univerzita obrany a VUT spoločne vyvíjali projekt ROJ, v ktorom spolupracujú vzdušné drony a pozemné roboty pri prieskume. AI rozdeľuje úlohy, vyhodnocuje obraz a upozorňuje operátora. Je dôležité dodať, že verejne popísaným účelom je prieskum a získavanie informácií, nie autonómne rozhodovanie o použití smrtiacej sily (Univerzita obrany).

To je česká výhoda, na ktorú môžeme byť právom hrdí: nie jedna zázračná krabička, ale dlhodobá škola riadenia, robotiky a spolupráce strojov.

Lepšie ako vojnu automatizovať je pomôcť jej predchádzať

Vývoj obranných technológií považujem za legitímny a niekedy nevyhnutný. Použitie sily ale musí byť krajný prostriedok. Technická schopnosť sama neodpovedá na otázku, či je konkrétne nasadenie správne.

Preto pre mňa k téme dronov patrí aj prevencia, odolnosť spoločnosti a vzdelávanie. V projekte DigiVoják a DigiVojákyně učíme žiakov a študentov rozpoznávať dezinformácie a manipuláciu, chápať úlohu AI, pripraviť sa na krízové situácie, napríklad blackout, a premýšľať o bezpečnosti ako o súčasti zodpovedného občianstva.

Nejde o strašenie vojnou. Ide o schopnosť nespanikáriť, overovať informácie, spolupracovať a rozumieť technológiám, ktoré budú ovplyvňovať slobodné rozhodnutia celej spoločnosti.

Môj záver

AI môže dať dronu rýchly zrak, presnejšiu stabilizáciu, navigáciu bez stáleho spojenia a schopnosť reagovať na prekážky. Nemá však ľudské porozumenie situácii, svedomie ani právnu zodpovednosť.

Najdôležitejšia otázka preto neznie: Dokáže stroj rozhodnúť rýchlejšie ako človek? To už často dokáže.

Znie inak: Ktoré rozhodnutia mu vôbec smieme zveriť, ako spoznáme jeho neistotu a kto ponesie zodpovednosť, keď sa pomýli?

Rýchlosť je technická výhoda. Zodpovednosť je ľudská povinnosť.

Zdroje a ďalšie čítanie

• Ultralytics: YOLOv8 a oficiálny repozitár YOLOv12
• Nature: Champion-level drone racing using deep reinforcement learning
• NIST: Adversarial Machine Learning, taxonómia útokov a obran
• ICRC: AI vo vojenskej oblasti
• ICRC: Drony a medzinárodné humanitárne právo
• US Naval Institute: On Hyperwar
• ČVUT FEL: európske drony novej generácie
• VUT Drone Research Center a Univerzita obrany: projekt ROJ
• Syndikát: kniha, z ktorej pochádza motív dronu Baron