5. září 2026·Jan Tyl·12 min čtení

Když dron vidí a rozhoduje: co dnes umí AI na bojišti a kde musí zůstat člověk

Jak dron rozpoznává okolí, proč v něm běží malý model YOLO místo obřího jazykového modelu a proč je nejtěžší pochopit kontext. Technika, autonomie, právo i český výzkum bez zbytečného strašení.

Titulní ilustrace odkazuje na fiktivní dron Baron z mé knihy Syndikát. Nezobrazuje skutečný výrobek ani reálnou vojenskou operaci.

CNN Prima NEWS · 5. září 2026 v 10:10

Dnes jsem v živém rozhovoru mluvil o tom, co znamená umělá inteligence uvnitř dronu, kde končí asistence a začíná autonomie, proč může být lidské rozhodování na moderním bojišti příliš pomalé a co AI ani přes rychlý vývoj neumí spolehlivě posoudit. Tento článek rozšiřuje televizních několik minut o technické souvislosti, data, právo a český výzkum.

Když se řekne „dron s umělou inteligencí“, člověk si snadno představí jeden elektronický mozek, který vidí, přemýšlí a rozhoduje. Skutečnost je střízlivější. Uvnitř obvykle spolupracuje kamera, několik malých specializovaných modelů, navigační algoritmy a klasický autopilot.

Baron z úvodního obrazu patří do fikce. Technologie popsané v dalším textu jsou skutečné a záměrně je od příběhu odděluji.

Každá část řeší jiný problém. Kamera dodá obraz. Model počítačového vidění označí objekty. Navigace odhadne polohu. Plánovač vybere bezpečnou trasu. Autopilot převede plán na pohyb motorů.

Rozpoznat na obraze tank je technický problém. Rozhodnout, zda jde o legitimní vojenský cíl, je problém kontextu, práva a lidské odpovědnosti.

Právě tento rozdíl považuji za nejdůležitější část celé debaty.

Co se uvnitř dronu skutečně odehrává

Zjednodušený řetězec vypadá takto:

Krok	Co se děje	Typické nástroje
Vnímání	Kamera nebo termokamera dodá snímek a systém v něm hledá objekty.	YOLO, segmentace obrazu, sledování objektů
Určení polohy	Dron odhaduje, kde je a jak je natočený.	gyroskop, akcelerometr, GPS/GNSS, vizuální odometrie, map matching
Plánování	Systém porovnává trasu, překážky, zakázané zóny a stav energie.	navigační algoritmy a pravidla mise
Řízení letu	Autopilot převádí požadovaný směr na otáčky jednotlivých motorů.	regulační smyčky a letový kontrolér

AI tedy není synonymem pro autonomii. Dron může používat AI jen k rozpoznávání překážek, zatímco každý důležitý krok schvaluje člověk. A naopak některé automatické funkce mohou být postavené na klasických algoritmech bez neuronové sítě.

Model se navíc za letu zpravidla neučí vše od začátku. Náročné trénování probíhá dříve na velkých datových sadách. V dronu pak běží hlavně inference, tedy rychlé použití naučeného modelu na nový obraz.

YOLO není malý ChatGPT. Je to rychlý zrak

V rozhovoru jsem zmínil rodinu modelů YOLO, z anglického You Only Look Once. Nejde o jazykový model, ale o model počítačového vidění pro detekci objektů. Ze snímku obvykle vrátí obdélníky, názvy tříd a míru jistoty. Může například říct: „v této části obrazu je vozidlo, jistota 87 %“.

YOLO neví, zda vozidlo patří vlastní jednotce, zda je vyřazené, zda se vzdává, co je za ním ani zda by zásah byl podle práva přiměřený. To všechno jsou další vrstvy rozhodování.

Každá generace YOLO mívá několik velikostí od n jako nano po x jako extra large. Následující čísla pocházejí z dokumentace Ultralytics YOLOv8 a z oficiálního repozitáře YOLOv12. Poslední sloupec je můj orientační přepočet samotných vah při dvou bajtech na parametr ve formátu FP16.

Varianta	YOLOv8	YOLOv12	Hrubá velikost vah v FP16
`n` nano	3,2 mil. parametrů	2,5 mil. parametrů	přibližně 5 až 7 MB
`s` small	11,2 mil.	9,1 mil.	18 až 23 MB
`m` medium	25,9 mil.	19,6 mil.	39 až 52 MB
`l` large	43,7 mil.	26,5 mil.	53 až 87 MB
`x` extra large	68,2 mil.	59,3 mil.	119 až 136 MB

Pro srovnání, YOLOv12n má 2,5 milionu parametrů. Běžný jazykový model označovaný jako 7B jich má sedm miliard. Podle počtu parametrů je tedy YOLOv12n asi 2 800krát menší. Počty parametrů největších uzavřených modelů GPT nebo Gemini nejsou veřejné, proto nemá smysl je vydávat za ověřené číslo.

Velikost souboru s vahami ovšem není totéž co spotřeba paměti při provozu. Dron potřebuje místo také pro mezivýsledky vrstev, obrazové buffery a běhové prostředí. Záleží na rozlišení, přesnosti výpočtu, dávce snímků, čipu i konkrétním enginu. Poctivé číslo proto vznikne až měřením na cílovém zařízení.

YOLOv8 je převážně konvoluční síť. YOLOv12 je novější výzkumná větev, která staví výrazněji na mechanismu attention. Vyšší číslo generace samo o sobě neznamená nejlepší volbu pro konkrétní dron. V praxi rozhoduje přesnost, latence, spotřeba, stabilita nástrojů a to, zda model prošel testy na skutečném hardwaru.

Proč musí být inteligence přímo na palubě

Do malého létajícího zařízení nelze jednoduše vložit serverovou grafickou kartu s velkým chlazením a zdrojem. Každý gram a každý watt se promítá do délky letu. Odesílání každého snímku do cloudu zase přidává zpoždění a předpokládá spolehlivé spojení, které v krizovém prostředí nemusí existovat.

Proto se používá edge AI, tedy výpočet přímo na zařízení. Přináší tři zásadní výhody:

rychlou reakci bez cesty dat na vzdálený server,
menší závislost na spojení a cloudu,
možnost pracovat i při rušení komunikace nebo satelitní navigace.

Cena za to je jasná: málo energie, málo paměti a omezený výpočetní výkon. Vývojář proto model zmenšuje, kvantizuje a optimalizuje pro konkrétní akcelerátor. Úspěch se neměří jen přesností v laboratoři, ale také počtem snímků za sekundu, spotřebou, teplotou a chováním při ztrátě signálu.

Program DARPA REMA například zkoumá autonomní subsystémy, které mohou stávajícím dronům pomoci dokončit misi i při přerušení spojení elektronickým bojem. To dobře ukazuje, proč je edge computing vojensky zajímavý. Současně právě ztráta spojení zvyšuje nároky na předem stanovená omezení a bezpečné ukončení mise.

Gyroskop, akcelerometr a mapa na kolenou

Samotný obraz nestačí. Dron musí vědět, jak je natočený a kam se pohnul.

Gyroskop měří úhlovou rychlost, tedy jak rychle se zařízení otáčí. Akcelerometr měří zrychlení v jednotlivých osách a v jeho údajích se projevuje i gravitace. Společně tvoří základ inerciální měřicí jednotky, zkráceně IMU.

Když budeme údaje jen sčítat, drobné chyby se postupně nasčítají a odhad polohy začne ujíždět. Proto se IMU kombinuje s kamerou, satelitní navigací nebo mapou.

V televizi jsem použil přirovnání k pilotovi z první světové války. Má na kolenou papírovou mapu, podívá se ven, najde řeku, železnici a město a podle jejich tvaru opraví svůj odhad polohy. Map matching dělá něco podobného strojově: porovnává pozorované rysy krajiny s předem připravenou digitální mapou.

U moderních systémů se často přidává vizuálně-inerciální odometrie nebo SLAM, tedy průběžné skládání mapy a vlastní polohy. Studie autonomního závodního dronu Swift v časopise Nature ukázala, co dokáže kombinace kamer, IMU a výpočtu přímo na palubě v kontrolovaném prostředí. Závodní trať je však stále nesrovnatelně přehlednější než bojiště s kouřem, rušením, klamnými cíli a civilisty.

Tři úrovně: člověk uvnitř, nad systémem a mimo smyčku

Pojmy human in the loop, human on the loop a human out of the loop jsou užitečná zkratka, nikoli jednotná právní norma. V praxi je důležitější položit konkrétní otázky: Kdo stanovil misi? Kdo určil profil cíle? Kdo vybírá konkrétní objekt? Může člověk akci včas zastavit?

Režim	Role systému	Role člověka
Human in the loop	AI doporučí, sleduje nebo naviguje.	Člověk schvaluje konkrétní použití síly.
Human on the loop	Systém jedná v předem vymezeném prostoru a čase.	Člověk dohlíží a má reálnou možnost zasáhnout nebo akci ukončit.
Human out of the loop	Po aktivaci systém vybírá a napadá konkrétní objekty bez dalšího lidského zásahu.	Člověk nastavil pravidla předem, ale nerozhoduje o jednotlivém zásahu.

Mezi ručně pilotovaným dronem a plnou autonomií je široké spektrum. AI může jen stabilizovat let, navrhnout trasu, upozornit na objekt nebo po výběru cíle člověkem dokončit poslední úsek navedení. Věta „dron rozhodl sám“ proto bez dalšího vysvětlení skoro nic neříká.

Také slovo cíl má nejméně tři významy:

strategický účel, například chránit území,
profil objektu v misi, například hledat určitý typ techniky v určené zóně,
konkrétní objekt, proti kterému má být použita síla.

Čím níže se lidské rozhodování posouvá, tím důležitější jsou omezení prostoru, času, typů objektů, chování při nejistotě a možnost bezpečného přerušení.

Hyperwar: když se rozhodovací cyklus zkrátí na rychlost stroje

Pojem hyperwar použili John R. Allen a Amir Husain pro konflikt, v němž automatizované rozhodování a souběžné akce probíhají rychlostí, které člověk obtížně stačí (US Naval Institute, 2017).

Je lákavé říct, že rychlejší strana automaticky vítězí. Rychlost ale může zkrátit i čas na kontrolu, pochybnost a deeskalaci. Chyba jednoho senzoru se pak nerozvine během hodin, ale během sekund a ve velkém měřítku.

Proto smysluplná lidská kontrola nemůže znamenat člověka, který jen sleduje desítky automatických rozhodnutí na obrazovce. Potřebuje:

dostatek informací o situaci a nejistotě modelu,
čas, ve kterém lze rozhodnutí skutečně změnit,
zvládnutelný počet současných událostí,
jasný rozsah povolené činnosti,
možnost systém zastavit a dohledat, proč jednal.

Člověk, který má na reakci zlomek sekundy a nevidí důvody rozhodnutí, je v řetězci spíš formálně než skutečně.

Nejtěžší není poznat tank. Nejtěžší je pochopit scénu

Na čisté fotografii může být rozpoznání známého typu techniky relativně snadné. Bojiště je ale prostředí mimo učebnicová data. Objekty jsou zakryté, poškozené, jinak nasvícené, pozorované z neobvyklého úhlu nebo záměrně maskované. Senzor může být poškozený a protivník se snaží systém zmást.

NIST ve své taxonomii adversariálního strojového učení popisuje útoky na data i na samotné rozhodování modelu a upozorňuje, že neexistuje jedna univerzální obrana.

Ještě těžší je význam scény. Detektor může vidět vozidlo, ale neví:

komu patří a zda nebylo ukořistěno,
zda je provozuschopné nebo opuštěné,
zda se jeho posádka nevzdává,
zda jsou poblíž civilisté, zdravotníci nebo chráněný objekt,
jaký vojenský přínos a jaké vedlejší škody by zásah přinesl.

To je rozdíl mezi detekcí, identifikací, porozuměním situaci a právním rozhodnutím. Marketing je někdy slije do jediného slova „inteligence“. Ve skutečnosti mezi nimi leží propast.

Existuje i lidské riziko zvané automation bias. Operátor může stroji věřit právě proto, že výsledek vypadá přesně: rámeček, název třídy, mapa a procento jistoty. Číslo 92 % však říká něco o modelu a jeho datech, ne o tom, zda je zásah správný a zákonný.

Co už se děje v praxi

Tempo vývoje je vysoké. Ukrajinské ministerstvo obrany v dubnu 2026 uvedlo, že v zemi pracuje přes 200 firem na dronech s prvky AI, platforma Brave1 eviduje více než 300 souvisejících vývojů a na frontě se používá přes 70 řešení s AI nebo počítačovým viděním (Ministerstvo obrany Ukrajiny).

Tato čísla jsou oficiálním sdělením jedné válčící strany, nikoli nezávislým auditem účinnosti. Dobře však ukazují rychlost experimentování. Stejné ministerstvo zároveň v květnu napsalo, že neusiluje o stoprocentně autonomní bojové systémy a že konečné rozhodnutí má zůstat pod lidskou kontrolou (Defense AI Center A1).

Právo nečeká na nový typ stroje

Pro autonomní zbraňové systémy zatím neexistuje samostatná celosvětová závazná úmluva. Neznamená to právní vakuum. Podle Mezinárodního výboru Červeného kříže se na každý útok vztahuje mezinárodní humanitární právo bez ohledu na použitou techniku.

Pro konkrétní útok jsou klíčové tři povinnosti:

Rozlišování: odlišit vojenské cíle od civilistů a civilních objektů.
Proporcionalita: neočekávat civilní škody nepřiměřené předpokládané konkrétní a přímé vojenské výhodě.
Preventivní opatření: udělat proveditelné kroky k ověření cíle a minimalizaci civilních škod, včetně změny nebo zrušení útoku, pokud se situace změní.

Odpovědnost nezmizí uvnitř algoritmu. Státy, velitelé, operátoři, vývojáři a pořizovatelé mají různé role, ale věta „rozhodla AI“ není právní ani morální omluva.

ICRC v červnu 2026 znovu vyzval k závaznému mezinárodnímu nástroji, který by zakázal nepředvídatelné autonomní zbraně a systémy určené proti lidem a ostatní přísně omezil. Jednání skupiny expertů v rámci Úmluvy o některých konvenčních zbraních pokračovala i v roce 2026. Revizní konference CCW je naplánována na listopad 2026.

Češi mají v autonomii překvapivě silnou školu

Česko není hlavním výrobcem masových levných FPV dronů. Má však velmi dobrou výzkumnou základnu v robotice, rojích, počítačovém vidění a navigaci bez GPS. Právě tyto schopnosti budou důležité nejen v obraně, ale také při záchranářství, kontrole infrastruktury a práci v nebezpečném prostředí.

ČVUT FEL, Multi-robot Systems Group profesora Martina Sasky vyvíjí bezpečné létající roboty, koordinaci rojů a navigaci bez GNSS i bez nepřetržitého spojení s člověkem. Tým své výsledky uplatňuje při ochraně kritické infrastruktury i v evropských projektech (ČVUT FEL, 2026).

Drone Research Center na VUT v Brně uvádí, že od roku 2020 řeší výzkumné projekty rojů dronů pro Ministerstvo obrany a Armádu ČR. Spojuje řízení, elektroniku, senzoriku, AI a provoz bez GNSS (VUT DRC).

Univerzita obrany a VUT společně vyvíjely projekt ROJ, ve kterém spolupracují vzdušné drony a pozemní roboty při průzkumu. AI rozděluje úkoly, vyhodnocuje obraz a upozorňuje operátora. Je důležité dodat, že veřejně popsaným účelem je průzkum a získávání informací, ne autonomní rozhodování o použití smrtící síly (Univerzita obrany).

To je česká výhoda, na kterou můžeme být právem hrdí: ne jedna zázračná krabička, ale dlouhodobá škola řízení, robotiky a spolupráce strojů.

Lepší než válku automatizovat je pomoci jí předcházet

Vývoj obranných technologií považuji za legitimní a někdy nezbytný. Použití síly ale musí být krajní prostředek. Technická schopnost sama neodpovídá na otázku, zda je konkrétní nasazení správné.

Proto pro mě k tématu dronů patří také prevence, odolnost společnosti a vzdělávání. V projektu DigiVoják a DigiVojákyně učíme žáky a studenty rozpoznávat dezinformace a manipulaci, chápat roli AI, připravit se na krizové situace, například blackout, a přemýšlet o bezpečnosti jako o součásti odpovědného občanství.

Nejde o strašení válkou. Jde o schopnost nezpanikařit, ověřovat informace, spolupracovat a rozumět technologiím, které budou ovlivňovat svobodná rozhodnutí celé společnosti.

Můj závěr

AI může dát dronu rychlý zrak, přesnější stabilizaci, navigaci bez stálého spojení a schopnost reagovat na překážky. Nemá však lidské porozumění situaci, svědomí ani právní odpovědnost.

Nejdůležitější otázka proto nezní: Dokáže stroj rozhodnout rychleji než člověk? To už často dokáže.

Zní jinak: Která rozhodnutí mu vůbec smíme svěřit, jak poznáme jeho nejistotu a kdo ponese odpovědnost, když se zmýlí?

Rychlost je technická výhoda. Odpovědnost je lidská povinnost.

Poznámka: Článek je vzdělávací. Nepopisuje konstrukci zbraní, taktické navádění ani postupy pro výběr a napadení cíle. Odkazy vedou především na oficiální dokumentaci, odborné publikace a veřejné informace univerzit a institucí.

Zdroje a další čtení

Související články

srpen 2026