Knihovnu pro umělou inteligenci postavil dřív, než přišel ChatGPT. Nejen o vizi, která předběhla svou dobu, hovoří Petr Knoth

Myšlenka, že vědecké články budou jednou číst nejen lidé, ale také stroje, mohla před téměř dvaceti lety znít jako sci-fi. Petr Knoth se jí však začal zabývat už během doktorského studia na britské Open University. Postupně vznikla výzkumná infrastruktura CORE, kterou dnes měsíčně využívá přibližně 30 milionů uživatelů, a s nástupem velkých jazykových modelů se tehdejší vize začala naplňovat. V rozhovoru zakladatel CORE přibližuje, jaké možnosti otevírá umělá inteligence vědeckému výzkumu, proč považuje současný systém financování otevřeného publikování za problematický a jak chce v evropském projektu EOSC AIssistant pomoci AI agentům pracovat s vědeckými poznatky, včetně těch dosud uzavřených za platebními branami vydavatelů.

13. 11. 2026 Karolína Smetanová

Bez popisku

Z Brna Vás akademická dráha zavedla do Velké Británie, kde jste strávil podstatnou část své profesní kariéry a kde se také zrodila myšlenka na založení služby CORE. Co Vás původně přivedlo k propojení vědecké literatury a jejího strojového zpracování?

Když jsem v roce 2008 nastoupil na doktorské studium na Open University, zabýval jsem se zpracováním přirozeného jazyka a možnostmi, jak automaticky rozpoznávat souvislosti mezi texty. Vědecké publikace mi v tomto ohledu připadaly mimořádně zajímavé a vždy jsem je vnímal jako jakousi zásobárnu lidského poznání. Na rozdíl od encyklopedie, která obvykle nabízí ucelený výklad určitého tématu, vědecké články představují různé pohledy, někdy si protiřečí a vedou mezi sebou odbornou debatu.

Zároveň bylo zřejmé, že množství vědecké literatury roste rychleji, než ji dokáže člověk sledovat. Začal jsem proto přemýšlet o tom, že vedle Scholarly Web for Humans, tedy vědeckého webu pro lidi, budeme potřebovat také Scholarly Web for Machines. Jinými slovy prostředí, ve kterém budou moci s vědeckými poznatky ve velkém měřítku pracovat také počítače.

V té době se začal prosazovat také otevřený přístup k vědeckým publikacím, které však zůstávaly roztříštěné v mnoha univerzitních repozitářích. Právě proto jsem viděl příležitost vytvořit infrastrukturu, která by tyto zdroje propojovala a umožňovala jejich strojové zpracování.


Z původního výzkumného nápadu se postupně stala infrastruktura, kterou dnes využívají miliony lidí. Kam CORE v průběhu let vyrostl a co dnes nabízí oproti běžným vyhledávačům odborné literatury, například Google Scholar?

V roce 2010 jsem získal první grant ve výši 40 tisíc liber, díky kterému vznikl první prototyp. Projekt se postupně rozvíjel a v roce 2015 se stal britskou národní službou s podporou organizace Jisc. Dnes už dávno nejde jen o shromažďování otevřeně dostupných článků, CORE pracuje také s bibliografickými metadaty publikací, jejichž plné texty nejsou volně přístupné, a poskytuje služby samotným výzkumným institucím a správcům repozitářů.

Lidé bývají mnohdy překvapení, když vysvětluji, že CORE nikdy nevznikal jako konkurence Google Scholar, který jsem ostatně sám při jeho vývoji běžně používal. Naším cílem totiž nebylo vytvořit další vyhledávač, ale umožnit programový přístup k vědecké literatuře, aby s ní mohly přímo pracovat softwarové aplikace. Proto jsme od začátku budovali také rozhraní API.

Když jsem ale kolem roku 2015 vysvětloval, proč je takový přístup důležitý, lidé se často ptali, k čemu vlastně bude. Odpovídal jsem, že jednou umožní vědecké texty číst a zpracovávat také umělé inteligenci, což si tehdy mnozí nedokázali představit. S nástupem velkých jazykových modelů se však situace zásadně změnila.

Dnes už se nás lidé tolik neptají, k čemu je strojový přístup k vědecké literatuře dobrý, ale spíše na to, zda bychom se jeho možností neměli obávat.


Jak náročný je provoz CORE finančně i technicky?

„CORE pracuje také s bibliografickými metadaty publikací, jejichž plné texty nejsou volně přístupné, a poskytuje služby samotným výzkumným institucím a správcům repozitářů.“

Od začátku jsem si nedokázal představit, že bychom po člověku, který si chce vyhledat nebo stáhnout vědecký článek, požadovali peníze. Bylo by to v přímém rozporu s filozofií otevřeného přístupu k vědeckému poznání. Samozřejmě ale platí, že i služba, která je pro uživatele zdarma, něco stojí.

CORE využívá přibližně 30 milionů uživatelů měsíčně, což znamená značné náklady na servery, infrastrukturu i zaměstnance. Proto kombinujeme několik zdrojů financování. Prvním z nich je komunitní podpora.

Na provoz CORE přispívá více než třicet institucí, mezi nimi například University of Cambridge nebo University of Oxford. Tyto instituce jsou našimi členy a podílejí se také na rozhodování o směřování organizace. Druhým jsou komerční společnosti, které potřebují přístup k rozsáhlým souborům vědeckých publikací. Patří mezi ně například firmy vyvíjející systémy pro odhalování plagiátů, společnosti zabývající se vývojem léčiv nebo velkými jazykovými modely. Díky jejich příspěvkům můžeme zachovat bezplatný přístup pro jednotlivce.


Jak se tento kombinovaný přístup liší od dalších modelů otevřeného publikování a jakou cestu Vy osobně považujete za nejperspektivnější?

Osobně jednoznačně podporuji green open access, tedy zpřístupňování vědeckých publikací prostřednictvím repozitářů. Alternativou je gold open access, kdy se otevřený přístup často financuje prostřednictvím publikačních poplatků, takzvaných APC. A právě v tomto modelu vidím zásadní systémový paradox.

Země, které více investují do vědy a výzkumu, zpravidla produkují také více vědeckých publikací. Pokud musí za otevřené publikování každého článku platit, automaticky nesou vyšší náklady na zpřístupňování vědeckých poznatků celému světu. Fakticky tak financují přístup k vědeckým výsledkům i pro země, které do vlastního výzkumu investují výrazně méně.

Další problém spočívá v tom, že významná část těchto prostředků směřuje k několika velkým komerčním vydavatelům. Místo budování společné vědecké infrastruktury tak veřejné peníze často končí v soukromých vydavatelských strukturách. A přitom ani nemáme jistotu, že publikace, za jejichž otevřené zpřístupnění jsme zaplatili, budou dlouhodobě uchovávány v institucionálních nebo národních repozitářích.

Pokud bychom stejné prostředky investovali do kvalitní a interoperabilní repozitářové infrastruktury, mohly by být náklady přepočtené na jednotlivé články řádově nižší. Zároveň bychom budovali systém, který mohou výzkumné instituce samy spravovat a dlouhodobě rozvíjet.


Ve Velké Británii se otevřený přístup k publikacím podařilo propojit také s hodnocením výzkumu a financováním univerzit. Jak tento systém funguje a co podle Vás může nabídnout dalším zemím?

Britské národní hodnocení výzkumu, takzvaný Research Excellence Framework (REF), je pro univerzity mimořádně důležité, protože ovlivňuje jejich prestiž i rozdělování významné části veřejného financování. Aby mohly být vědecké články zahrnuty do hodnocení, musí splňovat stanovené podmínky otevřeného přístupu, zpravidla prostřednictvím uložení do repozitáře. Univerzity tak mají silnou motivaci své výzkumné výstupy včas zpřístupňovat.

Účinnost tohoto přístupu jsme zkoumali také v roce 2019, kdy jsme společně s Drahomírou Herrmannovou a Nancy Pontikou analyzovali více než 800 tisíc vědeckých článků z repozitářů po celém světě. Výsledky ukázaly, že britská politika otevřeného přístupu významně urychlila ukládání publikací do repozitářů.

Pro další země je podle mě podstatné především to, že otevřený přístup nemusí záviset jen na dobrovolné aktivitě jednotlivých vědců. Pokud se stane součástí pravidel hodnocení výzkumu, získají univerzity konkrétní důvod vytvářet podmínky pro jeho systematické uplatňování.

Takový přístup ovšem musí doprovázet kvalitní repozitářová infrastruktura a její dlouhodobě udržitelné financování. České prostředí neznám natolik, abych mohl hodnotit jeho konkrétní nastavení, ale tento princip považuji za obecně přenositelný.


Pro samotné výzkumníky ale může otevřené publikování znamenat další administrativní povinnosti. Co by se podle Vás mělo změnit, aby pro ně bylo sdílení výsledků jednodušší?

„Pro další země je podle mě podstatné především to, že otevřený přístup nemusí záviset jen na dobrovolné aktivitě jednotlivých vědců. Pokud se stane součástí pravidel hodnocení výzkumu, získají univerzity konkrétní důvod vytvářet podmínky pro jeho systematické uplatňování.“

Velmi dobře chápu, proč někteří výzkumníci vnímají otevřený přístup jako další administrativní zátěž. Současný systém vědeckého publikování je totiž v mnoha ohledech neefektivní. Výzkumník často musí zadávat stejné informace o jednom článku do celé řady systémů, od vydavatele přes grantovou agenturu a univerzitu až po institucionální repozitář. Opakovaně tak vyplňuje prakticky totožná metadata, přestože by stačilo zadat je jednou a umožnit jednotlivým systémům, aby si je automaticky předávaly.

Právě s tím se snažíme pomáhat prostřednictvím CORE. Je ale důležité zdůraznit, že tato administrativní zátěž není problémem samotného open access, nýbrž roztříštěnosti celého systému vědecké komunikace. V době umělé inteligence je přitom otevřený přístup ještě důležitější. Už nestačí, aby byl článek dostupný člověku s předplatným určitého časopisu. Potřebujeme, aby vědecké poznatky byly dostupné také pro strojové zpracování.


Hovoříme-li o zmíněném strojovém zpracování, jak daleko jsme dnes od situace, kdy AI nebude odbornou literaturu pouze analyzovat, ale začne sama přispívat k vědeckým objevům?

„Už nestačí, aby byl článek dostupný člověku s předplatným určitého časopisu. Potřebujeme, aby vědecké poznatky byly dostupné také pro strojové zpracování.“

K této situaci se podle mě postupně přibližujeme. Umělá inteligence už dnes dokáže výrazně urychlit některé části výzkumné práce, především analýzu odborné literatury. Každý doktorand například zná situaci, kdy na začátku výzkumu stráví třeba celý rok tím, že se snaží zorientovat v poznatcích svého oboru. Zrovna tady může AI ušetřit obrovské množství času. Sám jsem vedl doktoranda, který se zabýval vývojem softwaru pro systematické přehledy odborné literatury. Ty jsou mimořádně důležité například v medicíně, kde je potřeba vyhodnocovat výsledky velkého množství studií, abychom zjistili, zda určitá léčba skutečně funguje.

Zpracováním existujících poznatků to ale nekončí. V posledních dvou letech vznikly desítky systémů označovaných jako AI scientists, které se snaží automatizovat i další fáze vědeckého procesu, například formulování nových hypotéz, navrhování experimentů nebo vyhodnocování jejich výsledků. V tomto vidím obrovský potenciál. AI tak v budoucnu může vědcům pomáhat jak s orientací v tom, co už víme, tak přispívat k hledání toho, co zatím nevíme.

Zatím ovšem nemůžeme mluvit o plnohodnotné náhradě vědecké práce. Je to fascinující vývoj, který zároveň přináší řadu otázek a obav.


Právě na využití AI ve výzkumu se zaměřuje také nový evropský projekt EOSC AIssistant, do kterého je CORE zapojen. Jaké konkrétní nástroje v jeho rámci vzniknou?

EOSC AIssistant je tříletý evropský výzkumný projekt s rozpočtem přibližně devět milionů eur, do kterého je zapojeno dvanáct organizací ze sedmi evropských zemí. Jeho cílem je vyvinout novou generaci AI asistentů, kteří budou vědcům pomáhat v různých fázích výzkumného procesu. Nejde přitom pouze o chatboty, kterým položíte otázku a dostanete odpověď.

Chceme vytvářet takzvané AI agenty, tedy systémy schopné samostatně nebo částečně samostatně vykonávat složitější úkoly, od prohledávání a analýzy odborné literatury přes formulování hypotéz až po návrhy experimentů.

CORE má v projektu významnou roli. Náš tým je druhým největším v konsorciu a já osobně vedu první pracovní balíček zaměřený na datové základy celého projektu. Budeme řešit, jak vědecké publikace a další výzkumná data zpřístupňovat, propojovat a připravovat pro využití umělou inteligencí.

Součástí naší práce bude i vývoj AI agenta pro systematické přehledy odborné literatury. Vedle univerzálně využitelných nástrojů budou v projektu vznikat také specializovaní agenti pro biodiverzitu, energetické systémy a materiálové inženýrství.


Jedním z problémů ale zůstává, že značná část vědecké literatury není veřejně dostupná. Jak mohou AI agenti pracovat s poznatky, které jsou stále uzavřené za platebními branami vydavatelů?

„EOSC AIssistant je tříletý evropský výzkumný projekt s rozpočtem přibližně devět milionů eur, do kterého je zapojeno dvanáct organizací ze sedmi evropských zemí. Jeho cílem je vyvinout novou generaci AI asistentů, kteří budou vědcům pomáhat v různých fázích výzkumného procesu.“

To je jedna z nejzajímavějších výzkumných otázek celého projektu. Chceme zkoumat, do jaké míry mohou pomoci evropské právní výjimky pro text and data mining, tedy strojovou analýzu textů a dat. Důležité je přitom rozlišovat mezi samotnými vědeckými poznatky a způsobem, jakým jsou v publikacích vyjádřeny.

Autorské právo obecně chrání konkrétní tvůrčí vyjádření, nikoli samotná fakta, myšlenky nebo vědecké objevy. Pokud tedy například z článku získáme faktické informace a vztahy mezi nimi a zachytíme je prostřednictvím znalostního grafu, vyvstává otázka, do jaké míry lze takto získané poznatky dále využívat nezávisle na původním autorskoprávně chráněném textu. To samozřejmě neznamená, že můžeme automaticky zpracovávat nebo distribuovat jakýkoli obsah. Právní výjimky mají své podmínky, včetně požadavku oprávněného přístupu ke zdrojovým dokumentům. Proto chceme hledat technologická i právní řešení, která AI systémům umožní pracovat s co nejširším souborem vědeckých poznatků, aniž by bylo nutné zpřístupňovat samotné chráněné texty.


S rozvojem AI přibývají také obavy z jejího zneužití. Kde podle Vás leží hranice mezi přínosným a rizikovým využitím těchto technologií?

Je to podobné jako s jakýmkoli jiným významným vynálezem. Technologie sama o sobě není dobrá ani špatná, záleží na tom, jak ji člověk využije. Umělá inteligence nám například může pomoci s vývojem nových způsobů léčby rakoviny, současně ale může být zneužita k vývoji biologických zbraní. Stejné schopnosti, které umožňují urychlit vědecké objevy, tak mohou v nesprávných rukou představovat nebezpečí.

Dobrou analogií je výzkum v oblasti kybernetické bezpečnosti. Když se odborníci snaží prolomit určitou šifru nebo bezpečnostní mechanismus, nedělají to nutně proto, aby někomu uškodili, ale aby odhalili slabiny, které je potřeba odstranit. Jenže stejné poznatky může využít i útočník.

Nemyslím si, že by organizace jako CORE mohly tento problém samy vyřešit. Odpovědnost musí ležet také na zákonodárcích, vládách a dalších institucích. Regulace umělé inteligence je ale mimořádně složitá a myslím si, že ani samotní odborníci dnes přesně nevědí, jak by měla optimálně vypadat.


Vedle možného zneužití AI se nabízí také otázka spolehlivosti jejích výstupů. Jak chcete v projektu EOSC AIssistant zajistit, aby vědci mohli výsledkům těchto nástrojů důvěřovat?

Právě proto se projekt EOSC AIssistant intenzivně věnuje oblasti Responsible AI for Research, tedy odpovědnému využívání umělé inteligence ve výzkumu. Chceme vytvářet transparentní systémy, jejichž výsledky bude možné ověřovat a u kterých bude jasné, z jakých vědeckých zdrojů vycházejí.

Důležitý je také princip human-in-the-loop, tedy zachování lidské kontroly nad rozhodováním a interpretací výsledků. Musíme totiž umět rozlišovat mezi existujícími vědeckými poznatky a nově generovanými hypotézami. To, že AI dokáže formulovat přesvědčivě znějící tvrzení, ještě neznamená, že jde o vědecky ověřený závěr.

Osobně ale vidím v tomto vývoji obrovskou příležitost. Umělá inteligence může urychlit vývoj léčiv, výzkum nových materiálů nebo hledání řešení problémů v energetice a životním prostředí. Abychom tento potenciál skutečně využili, potřebujeme nejen kvalitní AI systémy, ale především otevřenou, interoperabilní a důvěryhodnou infrastrukturu vědeckých poznatků. A to považuji za jeden z nejdůležitějších cílů projektu EOSC AIssistant.

„Důležitý je také princip human-in-the-loop, tedy zachování lidské kontroly nad rozhodováním a interpretací výsledků. Musíme totiž umět rozlišovat mezi existujícími vědeckými poznatky a nově generovanými hypotézami.“

Bez popisku

Petr Knoth


je výzkumník specializující se na datovou vědu, strojové učení, vytěžování textových dat, vyhledávání informací, digitální knihovny a otevřenou vědu (Open Science). V roce 2011 založil platformu CORE (core.ac.uk), jeden z největších světových agregátorů vědeckých publikací s otevřeným přístupem, kterou od té doby vede. Má zkušenosti s vedením mezinárodních výzkumných a vývojových týmů a podílel se na více než 25 národních a mezinárodních projektech. Za svou kariéru publikoval více než 100 recenzovaných odborných prací a získal přes 4 miliony dolarů na financování výzkumu a vývoje. Výsledkům jeho práce se věnovala také média jako Nature, Times Higher Education nebo Physics Today. V minulosti působil rovněž jako seniorní datový vědec ve společnosti Mendeley/Elsevier, kde se zaměřoval na extrakci informací a doporučování vědeckého obsahu.


Více článků

Přehled všech článků

Používáte starou verzi internetového prohlížeče. Doporučujeme aktualizovat Váš prohlížeč na nejnovější verzi.