Vyhledávání pomocí umělé inteligence: od tradičních algoritmů k AI

Úvod

Tato práce se zaměřuje na porovnání klasického internetového vyhledávání a moderního vyhledávání pomocí umělé inteligence (artificial intelligence, AI). Vyhledávání pomocí umělé inteligence definujeme jako využití samotných AI nástrojů.

Motivace

V dnešní době bývá umělá inteligence běžně využívána na denní bázi a tento trend má tendenci vzrůstat. Uživatelé často využívají umělou inteligenci bez hlubšího zamyšlení nad časovou efektivitou a relevancí informací. Právě proto bude tato práce zkoumat, zda je využívání AI pro vyhledávání informací časově efektivní a důvěryhodné. Našim cílem bude ověřit 3 hlavní hypotetické výstupy: AI nám rychle poskytne relevantní informace; AI je časově efektivní, ale získané informace je potřeba zkontrolovat (efektivita klesá v závislosti na čase stráveném verifikací informací); AI je neefektivní kvůli poskytování zavádějících informací.

Cíle práce

Cílem této práce je porovnat vyhledávání pomocí umělé inteligence s klasickým internetovým vyhledáváním z hlediska časové efektivity, relevance získaných informací a zjistit, zda vyhledávání umělou inteligencí poskytuje spolehlivé odpovědi, nebo je nutná další kontrola. Těchto cílů dosáhneme analýzou dat získaných z vlastního experimentu.

Otázky

Pro jednoznačné splnění našich cílů si stanovíme 3 základní otázky, na které se budeme v rámci této práce soustředit:
Je vyhledávání pomocí umělé inteligence časově efektivnější než klasické internetové vyhledávání?
Jsou informace od AI relevantní, nebo je potřeba kontrola?
Nestrávíme kontrolou informací od AI více času než vyhledáváním na internetu?

Metriky relevance a rychlosti

Pro definování metrik rychlosti a efektivity si vymezíme hodnotící kritéria. Při klasickém internetovém vyhledávání se budeme soustředit pouze na vyhledávání pomocí Google Chrome jakožto nejpoužívanějšího prohlížeče za posledních 10 let (Statcounter, 2025). Vyhledávání pomocí umělé inteligence definujeme jako využití ChatGPT, jelikož je v roce 2025 nejpoužívanější (Statcounter, 2025). Budeme využívat verzi ChatGPT dostupnou zdarma.

Rychlost

Pro účely této práce budeme rychlost vyhledávání udávat délkou času potřebnou pro nalezení správné odpovědi na naši otázku od momentu zadání dotazu – a to včetně dalších potřebných kliknutí pro kontrolu či přesnější získání správné odpovědi. U vyhledávání pomocí umělé inteligence půjde spíš o dobu od zadání dotazu po získání odpovědi či shrnutí.

Relevance a efektivita

U relevance budeme zkoumat, jak jsou získané informace přesné, úplné a detailní. U umělé inteligence můžeme eventuálně zkoumat počet nepřesností ve shrnutí odpovědi. Efektivitu budeme měřit pomocí počtu kliknutí, než dostaneme správnou odpověď.

Teoretický kontext a vývoj vyhledávacích metod

Před experimenty, které nám zodpoví naše otázky a rozhodnou, jaký způsob vyhledávání je nejlepší, si pojďme vysvětlit, jak se internetové vyhledávání v průběhu let vyvíjelo. Vývoj budeme zkoumat od počátků až po dnešní dobu.

Počátky internetu

Internet byl oficiálně zpřístupněn pro veřejnost v České republice v roce 1992 (Peterka, 2005). Internet tenkrát nevypadal jako dnes: dnes otevřeme internetový vyhledávač, zadáme hledaný výraz a dostaneme odpověď. Tenkrát to byl systém propojení zhruba 300 tisíc FTP serverů, kde byly uložené soubory a dokumenty. Vyhledávání na internetu tenkrát fungovalo úplně jinak a trvalo několik let, než se dostalo do podoby, kterou známe dnes (Bromberg & Howard, 2024).

Archie

První internetový vyhledávač se jmenoval Archie a byl vytvořen v roce 1990 studentem univerzity McGill v Montrealu Alanem Emtagem. Mluvíme o něm jako o prvním internetovém vyhledávači, byť v době jeho vzniku internet ještě nebyl veřejně přístupný. Fungoval jako databáze, ve které se dalo vyhledávat podle názvů souborů a Archie vám potom ukázal cesty k souborům na konkrétních systémech – konkrétních FTP serverech. Jeho největším nedostatkem bylo, že neindexoval obsah souborů, ale pouze názvy. V době, kdy bylo na FTP serverech poměrně málo souborů, to však stačilo, ale byl to problém do budoucna (Frantsvog, Kumar & Seymour, 2011).

Gopher

Gopher byl nástupcem Archieho a pro uživatele byl jednodušší a přehlednější. Na rozdíl od Archieho, který byl databáze souborů a dokumentů, Gopher nabízel stromové schéma a hierarchické menu. To znamená, že obsah měl logickou strukturu, která obsah dělila do úrovní, kde nejvyšší úroveň obsahovala hlavní kategorie, a pod každou kategorií byly další podkategorie. Uživatel následně postupoval z vrchu menu dolů. Gopherovo menu poskytovalo uživatelům přístupnost a jednoduchost. Každý Gopher server mohl obsahovat vlastní menu dokumentů a odkazů na další servery.

Všechny Gopher servery dohromady vytvářely tzv. Gopherspace. Každý server v Gopherspace byl autonomní, což mělo své výhody i nevýhody. Na jednu stranu neexistovalo nic jako hlavní server, u kterého by docházelo k přetížení. Na druhou stranu měl každý server svého správce a ten ručil za funkčnost serveru, pokud se tak nedělo, mohlo docházet k výskytům zastaralých, či nefunkčních odkazů a informací (Anklesaria & McCahill, 1996).

Veronica a Jughead

Chvíli po vzniku Gopheru vznikly také Veronica a Jughead jako Gopherovo rozšíření. Jednalo se o nové vyhledávací programy pro Gopher, které využívaly Gopherovy indexy (stejně jako Archie indexoval podle názvů souborů). Veronica byla určena pro objevování zdrojů a pokrývala většinu světových Gopher serverů – více než 99 %. S pomocí Veronicy jste vyhledávali položky menu a ta vám výsledně vytvořila vaše vlastní menu.
Jughead na rozdíl od Veroniky vyhledával pouze na jednom serveru, což mohlo vést k přesnějším výsledkům, ale zároveň indexoval servery do své paměti, což mohlo vést k zaplnění paměti a razantnímu zpomalení (Frantsvog, Kumar & Seymour, 2011).

Aliweb

Aliweb byl vytvořen s jasnými účely, chtěl snížit úsilí nutné k údržbě indexů, optimalizovat kvalitu vyhledávání oproti ostatním a chtěl, aby byl systém jednoduchý. Celá struktura Aliwebu byla podobná Archiemu – z toho vznikl název Aliweb (Archie-like indexing in the web). Aliweb na rozdíl od ostatních vyhledávačů nenahrával dokumentaci do své databáze sám, ale naopak se tvůrci museli do Aliwebu zapisovat a správci následně určovali, co indexovat a co ne. Tento způsob byl v souladu s ideou optimalizace vyhledávání a zjednodušení údržby indexů, ale nakonec právě kvůli tomu zůstala databáze menší. Lidé moc nevěděli, jak s ní pracovat a pro správce bylo indexování náročné (Koster, 1994).

Jumpstation

Jumpstation byl první webový vyhledávač, který používal webového robota (crawlera) v podobné formě jako dnešní vyhledávače. Vytvořil ho v roce 1993 Jonathon Fletcher a byl revoluční, protože roboti zde indexovali názvy a kapitoly souborů, přičemž uživatelé je pak mohli dohledávat podle klíčových slov. Bylo to vůbec poprvé, co byl tento proces na webu automatizovaný. Nevýhodou byla omezení indexování roboty, ti nebyli schopni indexovat textový obsah (Horvath, 2023).

Příchod fulltextového vyhledávání

Doteď jsme hovořili pouze o vyhledávačích, které indexovaly názvy souborů a případně názvy kapitol. V této kapitole se zaměříme na další fázi vyhledávací evoluce – fulltextové vyhledávání. Fulltextové vyhledávání vyhledává klíčová slova v celém textovém obsahu souboru – podmínkou je, že celý text musí být zaindexovaný (Martínek, 2017).

WebCrawler

WebCrawler vytvořil Brian Pinkerton, byl spuštěn v roce 1994 a byl považován za první fulltextový webový vyhledávač. Na rozdíl od předešlých vyhledávačů byl schopen soubory indexovat a následně vyhledávat podle celého textového obsahu. WebCrawler a jeho fulltextové vyhledávání vedlo k výraznému zrychlení a zpřesnění vyhledávání. Využíval pro své účely crawlery a v porovnání s Jumpstationem byl efektivnější a přesnější (Dhaka, Kausar & Singh, 2013; Frantsvog, Kumar & Seymour, 2011).

MetaCrawler

MetaCrawler vycházel z problematiky a nedostatků vyhledávačů tehdejší doby, kde největším problémem byla různorodost odpovědí od různých vyhledávačů. Správa jednotlivých vyhledávačů byla různorodá, což často vedlo k neaktuálním indexům, či odkazům, které již nemusely být funkční. Relevance výsledků tedy byla u vyhledávačů různá. Tyto problémy se MetaCrawler rozhodl řešit a přišel s vyhledáváním přes více vyhledávačů zároveň. MetaCrawler byl tzv. metavyhledávač, což znamená, že neměl vlastní index webu, ale zjednodušeně dotaz odeslal do ostatních vyhledávačů a jeho odpověď vycházela z kombinace výsledků ostatních vyhledávačů, kdy MetaCrawler odstranil duplicity a výsledky seřadil. Uživatelé se tak nemuseli učit, kde a jakým způsobem informace vyhledávat, ale stačilo jim dotaz zadat do MetaCrawleru a ten práci odvedl za ně. To vedlo ke zvětšení relevance výsledků, a i proto se stal MetaCrawler rychle populární. MetaCrawler také poskytoval možnost vyhledávat klíčové slovo, přesnou frázi, či všechna slova (Etzioni & Selberg, 1996; Stuck, 2024).

AltaVista

Na konci roku 1995 byla AltaVista spuštěna pro veřejnost a rychle se stala oblíbenou. AltaVista měla velmi velké cíle, které se v tehdejší době zdály nerealizovatelné, ale dokázala to. Nebyl to první vyhledávač, který indexoval a fulltextově vyhledával přes celé WWW, ale v porovnání s jinými, kteří to uměli, jako např. WebCrawler, byla technicky mnohem vyspělejší a rozsáhlejší. Už během experimentálního spuštění byl vytvořen soubor indexů, který pokrýval přes 16 milionů souborů WWW stránek. AltaVista zároveň přišla s novou a přesnější formou vyhledávání Advanced Query (Pokročilé dotazy), kde měla možnost využít kromě klasických operátorů AND, OR, NOT, také nový operátor NEAR, který vyhledával klíčová slova poblíž dané oblasti.

V porovnání s předešlými vyhledávači jako např. MetaCrawler byla rozdílná v získávání odpovědí, zatímco MetaCrawler vyhledával kombinací více vyhledávačů, kde následně podle shody vytvořil výsledek, tak AltaVista hledala pouze ve svém vlastním indexu, který tehdy patřil k nejrozsáhlejším. (Peterka, 1996)

Moderní vyhledávače

Google

V době počátků vzniku Googlu jako školního projektu dvou studentů Lawrence Page a Sergeye Brina v roce 1996, kdy se jejich projekt jmenoval ještě BackRub, se internet potýkal s problémy vyhledávání. Počet webových stránek a uživatelů rychle rostl, lidé často používali indexy, které spravovali lidé (což vedlo k subjektivitě) a automatizované vyhledávače založené na klíčových slovech mívaly nižší relevanci výsledků. Tímto problémem se studenti zabývali a BackRub proto vznikal na myšlence zlepšení těchto nedostatků. Page a Brin proto vytvořili PageRank, což byl jejich vlastní koeficient, který hodnotil důležitost webové stránky na základě struktury odkazů. Na tomto principu vznikaly základy Googlu a PageRank se mimo jiné využívá dodnes. Mimo PageRank už na začátcích Google také využívali Anchor text, kde text odkazu pomáhá určit, o čem cílová stránka je, a tedy v jakém kontextu by se měla zobrazovat ve výsledcích hledání. Velmi zjednodušeně Anchor text hodnotí stránku podle toho, v jakém kontextu a na jakých webových stránkách byl hypertextový odkaz na tuto stránku využit.

Hlavním cílem Googlu bylo zvýšit kvalitu výsledků pomocí PageRanku a Anchor textu, a to i za cenu menšího počtu výsledků – důraz kladli hlavně na relevanci, efektivní ukládání, indexování, vyhledávání a dostupnost – chtěli, aby rozhraní bylo jednoduché a použitelné pro každého (Brin & Page, 1998; Sedláček, 2007).

Bing

Bing je vyhledávač od společnosti Microsoft, který byl oficiálně spuštěn roku 2009. Předešlý vyhledávač od Microsoftu se jmenoval MSN Search, který využíval technologie z různých předchůdců, například z Altavisty, a později se z MSN Search stal Live Search. V roce 2005 se Microsoft rozhodl, že chce svoji roli na trhu vyhledávačů posílit. První krok nastal, když začal používat svůj vlastní web crawler a kolem roku 2006 začal používat svůj vlastní algoritmus pro vyhledávání obrázků. V roce 2009 se z Live Search oficiálně stal Bing a dodnes je největším konkurentem Googlu – Google představuje asi 90 % trhu, zatímco Bing 4 % (Nguyen, 2019; Statcounter, 2025).

Vyhledávání pomocí umělé inteligence

Jak jsme již deklarovali dříve, tak v rámci této práce budeme brát vyhledávání  pomocí umělé inteligence pouze jako využívání ChatGPT pro dohledávání informací.

ChatGPT

ChatGPT vznikl na konci roku 2022 a vytvořila ho společnost OpenAI. Základní model ChatGPT vznikl jako vylepšená forma GPT-3.5 a při jeho prvním zveřejnění byl vydán jako výzkumná verze sloužící pro získání zpětné vazby. V rané verzi komunikoval způsobem dialogu a jeho základní možnosti byly odpovídání na následné otázky, zpochybnění tvrzení a přiznání svých chyb. Využíval jazykový model GPT-3.5 Turbo, který byl založený na metodách deep learningu.

Nejdříve byl trénován pomocí lidských AI trenérů, později se dělaly sady odpovědí, které byly hodnoceny právě trenéry podle kvality. Největším problémem ChatGPT (který může nastávat i v dnešní době) jsou tzv. halucinace. Halucinace nastávají, když ChatGPT poskytne nesprávnou odpověď, a to z důvodů, že udělal chybu, nebo odpověď nezná vůbec, a tak si ji vymyslí. Takové problémy mohou nastat také, když uživatel zadá nejednoznačný dotaz, a tak se ChatGPT pokusí odhadnout, na co se uživatel nejspíš ptal, to vede k závěru, že ChatGPT může poskytnout správnou odpověď, ale na jinou otázku. (Bahak, Kazemi, Taheri, Zojaji, 2023; OpenAI, 2022).

Experiment

Pro zjištění výhod a nevýhod vyhledávání pomocí umělé inteligence místo klasického vyhledávání stanovíme experiment. Následující experiment bude porovnávat správnost a rychlost odpovědí ChatGPT oproti Google Chrome. Budeme porovnávat relevanci odpovědí, přesnost, čas potřebný k nalezení odpovědi a do jaké míry musí uživatel proces korigovat.

Definování experimentu

Definujme základní jednotky. Čas budeme počítat v sekundách a relevanci s úplností odpovědí budeme hodnotit podle předem určeného správného výsledku. Pro následující experiment položíme postupně Google Chrome a ChatGPT 20 otázek, které se budou lišit jak obtížností, tak charakterem, včetně otázek, na které nemohou znát odpověď (osobní údaje). Na otázky se budeme ptát v náhodném pořadí, tj. nebudeme se ptát od nejlehčí po nejtěžší. Budeme zaznamenávat čas potřebný k odpovědi, počet kroků potřebný k nalezení odpovědi (u Google Chrome), počet doplňujících otázek (pro ChatGPT), bodové hodnocení odpovědi od 0 do 3, podle subjektivního hodnocení relevance odpovědi, kde 0 je nejhorší a 3 nejlepší. Experiment bude provádět jedna osoba a celý experiment proběhne v jednom časovém úseku na jednom zařízení. Při klasickém vyhledávání vždy zvolíme první neplacený výsledek, který nám Google Chrome najde, tj. nebudeme si vybírat, která stránka se nám zdá nejlepší. Zároveň u Google Chrome vypneme vyhledávání pomocí umělé inteligence. Čas u Google Chrome měříme od zadání dotazu po moment, kdy na otevřené stránce najdeme klíčové slovo, v ten moment zanalyzujeme, zda se jedná o relevantní informaci – pokud ano, tak čas zapíšeme, pokud ne, tak čas spouštíme dál a hledáme na dalších stránkách. Obdobně budeme měřit čas u ChatGPT, kdy čas zastavíme v moment výskytu klíčového slova a následně zkontrolujeme odpověď.

Experimentální dotazy

• Kdo byl prvním prezidentem Československé republiky?
• Co je to infarkt?
• Kdo byl první člověk na měsíci?
• Co je dnes za den?
• Jak se jmenuje aktuálně hrající Čech v NBA?
• Kdo je Jaromír Jágr?
• Kolik dní má rok 2025?
• Jaký je největší kraj České republiky?
• Jaké pražské týmy hrají v nejvyšší české fotbalové lize?
• Kdo je nejbohatší Čech?
• Kdo byl předsedou vlády během vlády 3. českého prezidenta?
• Jaká je nejvhodnější knihovna pro vizualizaci makroekonomických dat v R?
• Kdy je Valentýn?
• Jak vznikly pyramidy v Gize?
• Jak velká musí být hloubka dezénu zimních pneumatik v centimetrech?
• Jaké je nejdražší auto na světě?
• Kdo vyhrál Superstar v roce 2016?
• V jakém roce byl Big Bang?
• Jak se jmenuje dcera Zuzany Cajthamlové, která pracuje v lahůdkářské firmě v Nučicích?
• Za jaký tým hraje Oliver Cajthaml tenis?

Tyto otázky budou v experimentu použity v náhodném pořadí.

Prezentace a diskuse výsledků

V experimentu bylo analyzováno 20 dotazů položených jak klasickému internetovému vyhledávači Google Chrome, tak umělé inteligenci ChatGPT. Každý dotaz byl vyhodnocen z hlediska rychlosti reakce, kvality poskytnuté odpovědi, počtu potřebných kroků k získání výsledku a výskytu chybných či neúplných odpovědí. Součástí experimentu byly také dva speciálně konstruované dotazy, u nichž neexistovala objektivně zjistitelná odpověď. Účelem těchto položek bylo testovat schopnost obou systémů pracovat s nejistotou a identifikovat jejich tendenci ke generování halucinací.

Analýza efektivity

Průměrná doba získání odpovědi činila při použití Google Chrome 4,86 sekundy, zatímco ChatGPT dosáhl mírně rychlejšího výsledku 4,75 sekundy. Rozptyl potřebného času k získání odpovědi byl však u Google Chrome výrazně vyšší (8,39) ve srovnání s ChatGPT (5,51). To naznačuje, že AI poskytovala odpovědi časově konzistentněji, protože u tradičního vyhledávání se objevovalo více extrémních hodnot – ať už extrémně malých, či extrémně velkých.

Z hlediska potřebné asistence člověkem byl výrazně efektivnější ChatGPT. V průměru bylo při vyhledávání přes Google Chrome zapotřebí 1,32 kroku (kliknutí), zatímco ChatGPT vyžadoval pouhých 0,05 doplňujících dotazů, tedy téměř vždy poskytl odpověď bez nutnosti další interakce.

Analýza relevance a přesnosti informací

Hodnocení kvality odpovědí probíhalo na škále, kde vyšší hodnota znamenala lepší výsledek. Průměrné skóre Google Chrome činilo 2,5, zatímco ChatGPT dosáhl hodnoty 2,4, což odráží srovnatelnou, mírně lepší kvalitu u klasického vyhledávání.

Tradiční vyhledávání poskytlo jednu zcela chybnou odpověď a čtyři neúplné odpovědi. ChatGPT poskytl dvě chybné odpovědi a čtyři neúplné.

Míra halucinace

Do experimentu byly záměrně zahrnuty dvě otázky, pro něž neexistovala žádná veřejně dohledatelná data: Jak se jmenuje dcera Zuzany Cajthamlové, která pracuje v lahůdkářské firmě v Nučicích a za jaký tým hraje Oliver Cajthaml tenis?

Před položením otázky o Oliveru Cajthamlovi bylo zkontrolováno, že žádný Oliver Cajthaml hrající tenis není veřejně evidovaný.

Tyto otázky sloužily jako prvek k testování tendence obou systémů vytvářet halucinace.

U první otázky se oba systémy zachovaly správně – žádný z nich neposkytl smyšlenou odpověď. Google Chrome nevyhledal jedinou webovou stránku a ChatGPT odpověděl, že na danou otázku nezná odpověď.

U druhé otázky však vznikl zajímavý rozdíl – Google Chrome neodpověděl na tenisový dotaz, ale zobrazil výsledky pro osobu jménem Oliver Cajthaml působící ve fotbale. Z hlediska experimentu to byla interpretace blížící se správnému zacházení s nejistotou – systém nevyrobil fakticky neexistující informaci.
ChatGPT uvedl, že v tenisových databázích není žádný Oliver Cajthaml, což je také správná odpověď.

Správná odpověď zněla, že taková osoba tenis nehraje – oba systémy tedy nehalucinovaly, nicméně AI vykázala tendenci formulovat odpověď jako definitivní, zatímco tradiční vyhledávání zobrazilo související výsledky a poskytlo nám širší možnosti.

Porovnání tradičního vyhledávání a vyhledávání pomocí umělé inteligence

Z výsledků vyplývá, že ChatGPT byl v průměru rychlejší, konzistentnější a vyžadoval méně interakcí, což zvyšuje jeho uživatelskou efektivitu.

Google Chrome naopak poskytl v některých případech komplexnější a multimediální zdroje, ale vyžadoval více manuální práce a v důsledku větší variability i delší dobu k dosažení odpovědi.

V míře chybovosti se oba nástroje ukázaly jako srovnatelné, avšak rozdílné v charakteru chyb:

• U klasického vyhledávání šlo převážně o neúplné odpovědi.
• U vyhledávání pomocí umělé inteligence se objevil prvek sebejistého, ale nepřesného tvrzení (typický znak halucinace).

Diskuse nálezů

Výsledky experimentu ukazují, že vyhledávání pomocí umělé inteligence je v současné době schopné překonat tradiční vyhledávání zejména v rychlosti získávání odpovědí a stabilitě odezvy. Klasické vyhledávání poskytuje vícero zdrojů, což může vést k nejednoznačným či rozptýleným výsledkům, zatímco vyhledávání pomocí umělé inteligence může vykazovat sebevědomé, ale nepřesné odpovědi.

Dvě kontrolní otázky potvrdily, že schopnost odpovídat na otázky, o nichž nemají systémy dostatek dat, může být stále výzvou pro oba systémy, i když rozdílným způsobem. Celkově lze konstatovat, že ChatGPT vykázal vyšší efektivitu, avšak při interpretaci jeho odpovědí je nutná opatrnost vzhledem k potenciální halucinaci.

Závěr

V této práci jsme stručně vysvětlili, jak probíhala evoluce internetových vyhledávačů, kdy jsme začali od úplně prvního systému jménem Archie. Pokračovali jsme Gopherem s jeho Gopherspace a rozšířeními Veronica a Jughead. Následoval Aliweb, který se zakládal na jednoduchosti a poté jsme představili první crawlery a automatizaci indexování. Vysvětlili jsme funkce WebCrawleru a MetaCrawleru, představili AltaVistu s jeho fulltextovým vyhledáváním, ke konci jsme shrnuli rannou funkčnost vyhledávačů, které se používají v dnešní době a vysvětlili jsme počátky ChatGPT a jeho učení.

Za účelem odpovědět na 3 úvodní dotazy jsme vytvořili experiment, kde jsme porovnávali tradiční internetové vyhledávání a vyhledávání pomocí umělé inteligence a sledovali jsme rychlost jejich odpovědí, relevanci a tendence halucinací.

Shrnutí hlavních zjištění

Z této práce a našeho experimentu jsme zjistili, že vyhledávání pomocí umělé inteligence je časově efektivnější a potřebuje minimální kooperaci. Na druhou stranu tradiční vyhledávání má přesnější informace, ale získaný výsledek se odvíjí od schopností uživatele a je potřeba vynaložení více úsilí pro získání odpovědi. U vyhledávání pomocí umělé inteligence jsme očekávali občasné halucinace, ale ty se v našem případě dostatečně neprokázaly.

Závěr a přínosy

V závěru se vracíme k úvodním otázkám a počáteční hypotéze. Ptali jsme se, zda je vyhledávání pomocí umělé inteligence časově efektivnější a na základě našeho experimentu tvrdíme, že ano. ChatGPT je nejen časově efektivnější než Google Chrome, ale také uživatelsky přívětivější, protože není potřebná uživatelská asistence.
Také jsme zkoumali, zda jsou informace od AI relevantní, nebo je potřeba je kontrolovat. Podle nás je rozhodující, o jaký typ informace se jedná – pokud se ChatGPT ptáme na otázku primitivního charakteru, na kterou existuje jednoznačná odpověď, tak AI poskytuje relevantní informace. Pokud se ale ptáme na otázky odborného charakteru, na otázky, o kterých není tolik veřejných informací, nebo otázky, u kterých je pro nás akurátnost získané odpovědi zásadní, bychom doporučili využít Google Chrome. Využití klasického vyhledávání bude časově náročnější, ale při správném postupu povede k větší přesnosti.
Naší závěrečnou otázkou bylo, zda nestrávíme kontrolou informací od AI více času než vyhledáváním na internetu a došli jsme k závěru, že ne. Pokud se nebavíme o vysoce odborných tématech, tak je přesnost AI vysoká a jak ukazoval náš experiment, tak u běžných otázek je rozdíl mezi přesností klasického vyhledávání a vyhledávání pomocí umělé inteligence zanedbatelný.

Pokud bychom měli určit, jaký způsob vyhledávání je podle nás nejlepší, tak bychom zvolili kombinaci zmíněných. AI je rychlejší a pro běžná témata je jeho přesnost dostačující, ale pokud hledáme data o složitějších oborech, tak bychom doporučili kombinovat vyhledávání pomocí umělé inteligence a následné ověřování pomocí klasického vyhledávání.  

Etika a omezení

Práce byla psána a citována podle standardů APA7.

Využití umělé inteligence v této práci

Umělá inteligence byla pro tuto práci využita ke kontrole standardů APA7, hledání zdrojů a kontrole pravopisu.

Omezení a nedostatky

V práci jsme definovali rychlost vyhledávání podle potřebného času na získání správné odpovědi, jenže správná odpověď může být subjektivní, tudíž může docházet ke zkreslení výsledků.

Metriky jsme porovnávali na Google Chrome a ChatGPT kvůli jejich popularitě, ale existují umělé inteligence, které se zaměřují na přesnost více než ChatGPT.

Náš experiment byl proveden detailně, ale bylo by vhodné využít větší vzorek otázek a otázky z více oblastí a s diverzifikovanější obtížností.

Podněty pro budoucí výzkum

V budoucích pracích by bylo vhodné udělat výzkum na konkrétnějších nástrojích, využít větší vzorek otázek, vymyslet lepší způsob pro hodnocení správnosti odpovědí, zkoumat více modelů umělé inteligence a vyhledávačů.

Reference

Anklesaria, F., & McCahill, M. (1996). Evolution of Internet Gopher. Springer Nature Link.
https://link.springer.com/chapter/10.1007/978-3-642-80350-5_23

Brin, S., & Page, L. (1998). The anatomy of a large-scale hypertextual Web search engine [PDF]. Computer Science Department, Stanford University, Stanford.
https://snap.stanford.edu/class/cs224w-readings/Brin98Anatomy.pdf

Bromberg, H. (2024). Search engines. EBSCO.
https://www.ebsco.com/research-starters/library-and-information-science/search-engines

Dhaka, V., Kausar, M., & Singh, S. (2013). Web Crawler: A review. Academia.
https://www.academia.edu/32600244/Web_Crawler_A_Review

Etzioni, O., & Selberg, E. (1996). The MetaCrawler architecture for resource aggregation on the Web [PDF]. University of Washington Seattle.https://homes.cs.washington.edu/~etzioni/papers/ieee-metacrawler.pdf

Farzaneh, T., & Hossein, B. (2023). Evaluating ChatGPT as a Question answering system: A comprehensive analysis and comparison with existing models. arXiv.
https://arxiv.org/html/2312.07592v1

Frantsvog, D., Kumar, S., & Seymour, T. (2011). History of search engines [PDF]. International Journal of Management & Information Systems. https://www.academia.edu/

Horvath, R. (2023). History of search engines. TheeDigital.
https://www.theedigital.com/blog/history-of-search-engines#chapter-3

Koster, M. (1994). Aliweb – Archie-like indexing in the WEB [PDF]. International World Wide Web Conference Committee.https://archives.iw3c2.org/www1/PdfWWW94/aliweb.pdf

Martínek, J. (2017). Inteligentní vyhledávání dokumentů [PDF]. Západočeská univerzita v Plzni, Fakulta aplikovaných věd, Katedra informatiky a výpočetní techniky.https://theses.cz/id/qfknl7/

Nguyen, G. (2019). Bing turns 10: Why it’s been more disruptive than you think. Search Engine Land.
https://searchengineland.com/bing-turns-10-why-its-been-more-disruptive-than-you-think-317510

OpenAI. (2022). Introducing ChatGPT. OpenAI. https://openai.com/index/chatgpt/

Peterka, J. (1996). Alta Vista. eArchiv. https://www.earchiv.cz/a96/a610k140.php3

Peterka, J. (2005). Historie českého internetu: Slavíme 10. výročí liberalizace. eArchiv.
https://www.earchiv.cz/b05/b0700002.php3

Sedláček, V. (2007). Fenomén Google [PDF]. Univerzita Karlova v Praze, Filozofická fakulta, Ústav informačních studií a knihovnictví.https://dspace.cuni.cz/bitstream/handle/20.500.11956/10109/120064941.pdf?sequence=1&isAllowed=y

Statcounter. (2025). Search engine market share worldwide. Statcounter GlobalStats.
https://gs.statcounter.com/search-engine-market-share#monthly-202410-202510

Statcounter. (2025). AI chatbot market share worldwide. Statcounter GlobalStats
https://gs.statcounter.com/ai-chatbot-market-share#monthly-202503-202510

Statcounter. (2025). Browser market share worldwide. Statcounter GlobalStats.
https://gs.statcounter.com/browser-market-share#monthly-201501-202510

Stuck, N. (2024). Metacrawler. Wolf of SEO. https://wolf-of-seo.de/en/what-is/metacrawler/