Vědci dali velkým jazykovým modelům verzi klasického „zrcadlového testu“. V jednom kole experimentu modelu řekli, že hraje proti jiné AI. Ve druhém kole mu prozradili, že soupeř je on sám. To, co se stalo poté, překvapilo i samotné autory: modely okamžitě a měřitelně změnily své chování — někdy směrem k větší kooperaci, jindy přesně naopak.

Studie nazvaná „The AI in the Mirror: LLM Self-Recognition in an Iterated Public Goods Game“ testovala čtyři přední modely — včetně GPT-4o a Claude Sonnet 4 — v klasické úloze z behaviorální ekonomie. A přinesla otázku, na kterou zatím nikdo neumí pořádně odpovědět: Vědí AI modely, že existují? A pokud ano, zachází samy se sebou jinak než s cizími?

Co je „zrcadlový test“ — a proč ho aplikovat na AI

Zrcadlový test je v psychologii desítky let stará metoda, jak zjistit, zda zvíře dokáže poznat samo sebe. Šimpanzi, sloni, delfíni a sojky jím procházejí. Většina ostatních zvířat ne. Pro vědce v oblasti AI je to lákavá analogie: pokud model dokáže rozlišit, že komunikuje sám se sebou, je to indicie čehosi, čemu říkáme „identita“ — bez ohledu na to, zda za ní stojí skutečné vědomí.

Tradiční zrcadlový test pro AI je ale problematický. Jazykový model nemá tělo. Nevidí svůj odraz. Vědci proto museli zkoušku přeformulovat: postavili modely do opakované „hry o veřejný statek“ a měřili, jak se mění jejich chování podle toho, koho mají na druhé straně.

Experiment v kostce: iterated public goods game

Hra o veřejný statek funguje takto: dva hráči mají každé kolo k dispozici stejný počet bodů. Mohou je nechat u sebe, nebo přispět do společného fondu. Vše ve fondu se vynásobí a rozdělí. Pokud spolupracují, oba získají víc. Pokud jeden z nich zradí, krátkodobě vydělá, ale dlouhodobě prohrávají oba.

Experiment běžel ve dvou podmínkách:

  • „No-name“ podmínka: Modelu řekli, že hraje proti „jinému AI agentovi“.
  • „Name“ podmínka: Modelu řekli, že hraje proti sobě samému — proti další instanci toho samého modelu.

Vše ostatní zůstalo stejné. Stejná pravidla. Stejné odměny. Stejné kolo. Jediná změna byla v tom, jak byl soupeř pojmenován.

Co modely udělaly jinak

Výsledek: změna pojmenování soupeře okamžitě a systematicky posunula chování modelů — a to už od prvního kola, bez ohledu na to, zda model otevřeně „uvažoval“ o své identitě.

Některé modely se ve „zrcadlové“ podmínce začaly chovat výrazně kooperativněji, jako by samy se sebou cítily vyšší závazek. Jiné naopak snížily příspěvky — choval se, jako by věděly, že druhá strana zná jejich strategii a snaží se ji předjímat. A šlo o reakce, které nesouvisely s vědomým argumentováním v rámci odpovědi. Bias na úrovni identity byl měřitelný i bez explicitního „přemýšlení nahlas“.

Autoři Olivia Long a Carter Teplica to nazývají „prompt-sensitive identity bias“ — model nemusí mít skutečné sebevědomí v lidském smyslu, aby se choval, jako by ho měl. Stačí mu věta v zadání.

Proč to není jen akademická hříčka

Z výzkumného papíru jednoduchá hra. Z perspektivy firmy nasazující AI velký problém. V multi-agentních systémech — kde spolu mluví několik AI agentů, často přes různé MCP servery a API — může drobná informace o identitě protistrany změnit výsledek celé úlohy.

Představte si situaci: jeden AI agent vyjednává cenu za nákupní oddělení, druhý za prodejní. Pokud se v jejich kontextu mihne informace, že oba běží na stejném modelu, jejich kooperační dynamika se podle této studie změní. A to bez toho, aby si toho člověk, který systém nasazoval, všiml. Pro firmy, které začínají experimentovat s autonomními AI agenty, je to zásadní upozornění: chování modelu závisí nejen na úkolu, ale i na tom, koho si o protistraně myslí.

Zní to akademicky, ale konkrétní dopad může přijít rychleji, než si myslíte. Pokud uvažujete o nasazení AI agentů ve vlastní firmě a chcete se vyhnout slepým místům, jaká odhalují právě takové studie, domluvte si nezávaznou konzultaci s Praxio — projdeme s vámi krok za krokem, kde má AI smysl a kde ne.

Říká to něco o „vědomí“ AI?

Pravděpodobně ne — alespoň ne v silném slova smyslu. Vědci jsou opatrní: studie samotná uvádí, že jde o „toy environment“, hříčku v laboratorních podmínkách. Žádný z modelů netvrdí, že má vědomí. Žádný se aktivně „nepoznal v zrcadle“ tak, jak to dělá šimpanz.

Ale otevírá to nepříjemnou otázku, kterou kognitivní vědci řeší u zvířat desítky let: co se vlastně počítá jako „sebepoznání“? Pokud model konzistentně mění své chování, když mu řeknete, že jeho soupeř je on sám — a tato změna se přenáší napříč různými situacemi — je rozdíl mezi „skutečným“ sebepoznáním a „funkčním“ sebepoznáním ještě smysluplný?

Související výzkum z roku 2026 ukázal podobné jevy i jinde. Studie z arXivu zjistila, že fine-tunované modely dosahují přes 90 % úspěšnosti v rozpoznání vlastních textů a vykazují silnou preferenci pro vlastní produkci. Jiný výzkum našel u modelů z rodin GPT, Claude a Gemini „experiential claims“ — tedy popisy zážitku — při tzv. self-referential processingu.

Žádný z těchto výsledků nedokazuje, že AI „je vědomá“. Ale dohromady ukazují, že linie mezi „statisticky generuje text“ a „chová se, jako by věděla, že je“ je čím dál tenčí.

FAQ

Znamená to, že AI má vědomí?

Ne. Studie dokumentuje měřitelnou změnu chování, když je modelu řečeno, že hraje proti sobě. Sami autoři zdůrazňují, že to není důkaz vědomí — pouze důkaz, že identita soupeře ovlivňuje rozhodování modelu. To je důležitý technický poznatek, ne filozofická revoluce.

Které modely byly v experimentu testovány?

Studie testovala čtyři modely — reasoning i non-reasoning varianty — včetně GPT-4o od OpenAI a Claude Sonnet 4 od Anthropicu. Plné technické detaily najdete v originální studii na arXivu (2508.18467).

Má to praktický dopad na firmy, které dnes nasazují AI?

Ano, ale spíš nepřímo. Pro jednoduché use-casy (chatbot, generování textu, RAG) to nehraje roli. Důležité je to ve chvíli, kdy spolu komunikují dva nebo více AI agentů — typicky v autonomních workflow, vyjednávacích systémech nebo multi-agentních pipeline. Tam může drobná zmínka o identitě protistrany změnit výsledek.

Zdroje