--- title: 'Předci v matrikách' url: 'https://www.ondrejsramek.cz/cs/blog/predci-v-matrikach' markdown: 'https://www.ondrejsramek.cz/cs/blog/predci-v-matrikach.md' lang: cs date: '2026-10-03' description: 'Jak s GPT hledat předky v matrikách: rodokmen jako seznam hypotéz, křížové ověřování, čísla domů a tři úrovně čtení starého rukopisu.' taxonomy: tag: - genealogie - matriky - rodokmen - předci - paleografie - ChatGPT - AI - ověřování '': - '' archives_year: - '2026' --- # Jak hledat předky v matrikách s pomocí GPT Hledání v matrikách je zvláštní disciplína. Člověk si nejdřív myslí, že stačí najít správnou knihu, nalistovat správný rok a přečíst jméno. Pak otevře první evangelickou matriku z 19. století a zjistí, že nepozná ani to, kde končí jedno slovo a začíná druhé. Právě tady může GPT hodně pomoct. Ne jako kouzelný genealog, který jedním dotazem vytvoří správný rodokmen, ale jako **výzkumný parťák**: pomáhá hledat správné knihy, číst staré zápisy, porovnávat údaje a hlavně hlídat, abychom si nespojili špatné lidi. Po několika hodinách společného pátrání se nám osvědčilo několik principů. ## 1. Rodokmen není důkaz. Je to seznam stop. Když už máte rodokmen z MyHeritage, Ancestry nebo od příbuzných, je velmi lákavé brát ho jako výchozí pravdu. To je ale jedna z nejrychlejších cest k chybě. Starý rodokmen je lepší chápat takto: **„Někdo přede mnou si myslel, že tato osoba patří sem.“** Nic víc. Jméno, datum, číslo domu nebo příjmení z rodokmenu může být velmi užitečná stopa. Ale GPT by nemělo dostat úkol: > Najdi důkaz, že tento člověk byl synem tohoto člověka. Mnohem lepší zadání je: > Nezávisle zjisti, kdo byli rodiče této osoby, a teprve potom výsledek porovnej s existujícím rodokmenem. To je zásadní rozdíl. Jinak se velmi snadno stane, že model v nečitelném rukopisu „uvidí“ právě to příjmení, které mu předem napovíte. ## 2. Postupovat od jistého k nejistému Genealogie je trochu detektivka. Nejlepší je začít u osoby, kterou máme bezpečně doloženou, a postupovat vždy jen o jednu generaci zpět. Například: **narození dítěte → rodiče → svatba rodičů → jejich narození → jejich rodiče** Ne: **znám příjmení → najdu někoho stejného příjmení o 80 let dřív → určitě je to předek.** GPT je v hledání souvislostí velmi dobré. A právě proto je potřeba ho trochu brzdit. Podobnost totiž není důkaz. ## 3. Jeden záznam nestačí Nejdůležitější princip našeho pátrání byl nakonec velmi jednoduchý: **cross-reference**. Stejnou osobu se snažíme najít ve více nezávislých záznamech. Typicky: - narození, - svatba, - narození dítěte, - úmrtí, - případně narození sourozenců. Pokud se ve více záznamech opakuje: - stejné jméno, - stejní rodiče, - stejné číslo domu, - podobný věk, - stejné povolání, začíná být identifikace velmi silná. Naopak pokud jeden záznam říká něco jiného, není dobré ho „přiohnout“, aby seděl do rodokmenu. Rozpor je informace. ## 4. Čísla domů jsou genealogické zlato V malých obcích se často opakují stejná příjmení. Můžete mít několik rodin se stejným příjmením, několik mužů stejného křestního jména a někdy i několik lidí narozených v podobném období. Číslo domu proto může být fantastický identifikátor. Neznamená to samozřejmě, že rodina celý život bydlela na jednom místě. Ale když se přes několik záznamů opakuje stejné číslo domu, je to velmi silná stopa. Při práci s GPT se proto vyplatí zadávat: > Zaznamenej u každé osoby jméno, datum, číslo domu, rodiče a zdroj. Ne jen jméno a datum. ## 5. GPT má být paleografický pomocník, ne věštec Staré matriky mohou být psané kurentem, německy, latinsky nebo kombinací několika jazyků. GPT často zvládne přečíst překvapivě hodně. Ale ne vždy. A největší nebezpečí není, že řekne „nevím“. Největší nebezpečí je, že **nečitelný text přečte velmi sebevědomě špatně**. Proto se nám osvědčilo rozdělovat čtení na tři úrovně: **Jisté čtení** Text je dobře čitelný. **Pravděpodobné čtení** Písmena odpovídají, ale není to stoprocentní. **Hypotéza** Mohlo by tam být určité příjmení, ale potřebujeme další záznam. Takhle vypadá dvoustrana matriky pokřtěných z roku 1882. Tištěné sloupce přečte každý, u ručně psaných zápisů už se čtení rychle posouvá od jistého k hypotéze: ![Dvoustrana matriky pokřtěných z roku 1882: tištěná záhlaví sloupců jsou čitelná, ručně psané zápisy rodičů a kmotrů jen velmi obtížně](https://www.ondrejsramek.cz/user/pages/05.blog/predci-v-matrikach/01_matrika-pokrtenych.webp) Tohle rozlišení je podle mě při genealogii s AI úplně zásadní. ## 6. Nedávat modelu příliš mnoho nápovědy Příklad špatného zadání: > Tady by měla být matka Nováková. Je tam napsáno Nováková? Model má v tu chvíli velmi silnou tendenci hledat právě tento tvar. Lepší: > Přečti příjmení matky nezávisle. Neber v úvahu předchozí rodokmen. A teprve potom: > Porovnej své čtení s hypotézou Nováková. Je to v podstatě malý „slepý test“. ## 7. Když je jeden zápis nečitelný, obejděte ho Tohle bylo jedno z nejpraktičtějších zjištění. Někdy můžete nad jedním slovem sedět dvacet minut a stále nevíte, co tam je. Nemusíte ho nutně rozluštit. Pokud například nedokážeme přečíst rodiče ženicha ve svatebním zápisu, můžeme hledat: - jeho narození, - narození jeho sourozence, - narození jeho dítěte, - jeho úmrtí, - další sňatek v rodině. Jiný písař může stejné jméno napsat mnohem čitelněji. Genealogický výzkum proto není soutěž v přečtení jednoho starého slova. Je to **skládání důkazů z více dokumentů**. ## 8. GPT je skvělé na řízení výzkumu Možná největší přínos není samotné čtení matriky. Je to schopnost držet strukturu pátrání. Například: > Máme potvrzené A a B. > Nevíme C. > Kandidáti jsou D a E. > Další dokument, který může rozhodnout, je svatba X. To je při několikahodinovém procházení matrik neocenitelné. Proto je dobré průběžně vést něco jako důkazní tabulku: | Osoba | Událost | Datum | Čp. | Rodiče | Zdroj | Stav | |---|---|---|---|---|---|---| | osoba A | narození | … | … | … | matrika… | potvrzeno | | osoba B | svatba | … | … | … | matrika… | potvrzeno | | osoba C | narození | … | … | … | matrika… | kandidát | GPT vám může tuto tabulku průběžně udržovat. ## 9. Uchovávat přesný zdroj Po pár hodinách pátrání velmi rychle nastane: > Kde jsme vlastně tohle datum našli? Proto si u každého nálezu ukládáme: - název matriky, - signaturu / inventární číslo, - číslo snímku, - číslo zápisu, - případně ruční číslo stránky, - přímý odkaz. Bez toho může být i správně nalezená informace za pár dní prakticky nepoužitelná. Z forenzního pohledu je to stejné jako u důkazů: co nemá dohledatelný původ, to se nedá ověřit. Ideální zápis v poznámkách tedy nevypadá: > Jan – narozen 1877. Ale: > Jan – narození 1877, evangelická matrika XY, inv. č. 1234, snímek 110, zápis č. 8. To je rozdíl mezi rodinnou poznámkou a genealogickým výzkumem. ## 10. AI může udělat chybu. A někdy ji opraví až další dokument. Během pátrání se nám několikrát stalo, že první čtení vypadalo velmi přesvědčivě. Pak jsme našli jiný záznam a zjistili, že: - měsíc byl jiný, - číslo domu bylo jiné, - příjmení bylo přečtené špatně, - nebo jsme dokonce sledovali jiného člověka stejného jména. To není důvod AI při genealogii nepoužívat. Je to důvod používat ji **stejně kriticky jako lidského badatele**. Správný přístup není: > GPT to přečetlo, takže je to pravda. Ale: > GPT navrhlo čtení. Teď ho ověříme jiným pramenem. ## 11. Co bych dnes zadal GPT na začátku Kdybych začínal znovu, první prompt by vypadal asi takto: > Pomáhej mi s genealogickým výzkumem v matrikách. Postupuj pouze podle primárních záznamů. Existující rodokmen používej jen jako seznam hypotéz. > > U každého nálezu rozlišuj: > > 1. potvrzený údaj, > 2. pravděpodobné čtení, > 3. hypotézu. > > Každou osobu se snaž ověřit alespoň dvěma nezávislými záznamy. Sleduj jména, data, čísla domů, rodiče, povolání a místo. > > Pokud je text nečitelný, nedoplňuj ho podle očekávání. Navrhni jiný dokument, kterým lze údaj ověřit. > > U každého výsledku ukládej přesnou matriku, signaturu, číslo snímku a zápisu. Tím se z GPT nestane autor rodokmenu. Stane se z něj **asistent badatele**. A právě v této roli je podle mě při hledání v historických matrikách nejsilnější. Největší překvapení pro mě nakonec nebylo, jak dobře dokáže AI přečíst starý rukopis. Bylo to spíš to, jak dobře dokáže držet **logiku pátrání**: připomínat, co už je doložené, co je jen podezření a jaký dokument může rozhodnout mezi dvěma možnostmi. Proto bych genealogii s GPT nepopsal jako „nechat AI najít předky“. Spíš jako: **mít vedle sebe velmi rychlého badatelského asistenta. Jen mu musíte průběžně kontrolovat domácí úkoly.** [ Předchozí příspěvek](https://www.ondrejsramek.cz/cs/blog/jak-se-hleda-airtag) [Následující příspěvek ](https://www.ondrejsramek.cz/cs/blog/plugin-pro-chatgpt-myucto) #### Other Related Posts: [ ![Plugin pro ChatGPT](https://www.ondrejsramek.cz/user/pages/05.blog/plugin-pro-chatgpt-myucto/01_skill-fakturace.webp) ](https://www.ondrejsramek.cz/cs/blog/plugin-pro-chatgpt-myucto) [ myucto ](https://www.ondrejsramek.cz/cs/blog/tag:myucto#blog_list) [ faktura ](https://www.ondrejsramek.cz/cs/blog/tag:faktura#blog_list) [ ChatGPT ](https://www.ondrejsramek.cz/cs/blog/tag:ChatGPT#blog_list) [ MCP ](https://www.ondrejsramek.cz/cs/blog/tag:MCP#blog_list) [ OAuth ](https://www.ondrejsramek.cz/cs/blog/tag:OAuth#blog_list) [ AI ](https://www.ondrejsramek.cz/cs/blog/tag:AI#blog_list) [ plugin ](https://www.ondrejsramek.cz/cs/blog/tag:plugin#blog_list) [ automatizace ](https://www.ondrejsramek.cz/cs/blog/tag:automatizace#blog_list) ### Plugin pro ChatGPT [Plugin pro ChatGPT](https://www.ondrejsramek.cz/cs/blog/plugin-pro-chatgpt-myucto) # Plugin pro ChatGPT: propojení MyÚčta a fakturace „Připrav klientce fakturu za konzultaci, splatnost sedm dní, a ukaž mi ji, než ji vystavíš.“ Přesně takhle si představuju fakturaci v roce 2026. Napíšu jednu větu, ChatGPT si dohledá klienta, sáhne po správných nástrojích a připraví doklad. Já ho... 7th Oct 2026 [ ![Jak se hledá AirTag](https://www.ondrejsramek.cz/user/pages/05.blog/jak-se-hleda-airtag/IMG_4274.png) ](https://www.ondrejsramek.cz/cs/blog/jak-se-hleda-airtag) ### Jak se hledá AirTag [Jak se hledá AirTag](https://www.ondrejsramek.cz/cs/blog/jak-se-hleda-airtag) # Ztratil jsem AirTag Před představením AirTag 2 jsem výhodně pořidil AirTag první generace. Dal jsem to všude kam jsem mohl, protože se to někdy může hodit. Jak prozřetelné rozhodnutí. Klíče takhle hledám poměrně často... ale nikdy by mě nenapadlo, že budu takhle hledat kočárek. Abych to upřesnil... 3rd Sep 2026 - [Intro](https://www.ondrejsramek.cz/cs) - [Projekty](https://www.ondrejsramek.cz/cs/projekty) - [Portfolio](https://www.ondrejsramek.cz/cs/portfolio) - [Ceník](https://www.ondrejsramek.cz/cs/cenik) - [Blog](https://www.ondrejsramek.cz/cs/blog) - Čeština - [English](https://www.ondrejsramek.cz/en/blog/predci-v-matrikach) --- ## Navigation - Parent: [Blog](https://www.ondrejsramek.cz/cs/blog.md) - Previous: [Plugin pro ChatGPT](https://www.ondrejsramek.cz/cs/blog/plugin-pro-chatgpt-myucto.md) - Next: [Jak se hledá AirTag](https://www.ondrejsramek.cz/cs/blog/jak-se-hleda-airtag.md)