Veštačka inteligencija: Kraj ere jednostavnih "čet-botova"?

Eksponencijalni rast sposobnosti

Poslednjih meseci svedočimo ubrzanom razvoju modela veštačke inteligencije, posebno onih koji dolaze iz vodećih američkih laboratorija. Iako su povremene regulatorne intervencije privremeno ograničile pristup nekim od najmoćnijih sistema, poput Claude Fable i GPT-5.6, osnovni trend je jasan: sposobnosti AI rastu brže nego ikada ranije. Ovo nije samo pitanje učestalosti objavljivanja novih verzija, već i suštinskog napretka u performansama.

Nekoliko nezavisnih procena pokušava da kvantifikuje koliko ljudskog rada AI može da obavi. Studije poput onih koje su sproveli METR i britanski zvanični Institut za bezbednost AI, procenjuju ekvivalent ljudskih programerskih sati potrebnih za izvršavanje zadataka putem jednog AI upita. Slično tome, GDPval upoređuje performanse profesionalaca u raznim oblastima sa AI, koristeći ocene stručnih sudija. Svi ovi pokazatelji beleže rast koji je bolji od eksponencijalnog.

Jedan od najupečatljivijih primera dolazi od organizacije Epoch, koja je nedavno otkrila da je model Opus 4.7, radeći autonomno 14 sati, uspeo da izgradi softverski paket koji bi inače zahtevao 2 do 17 nedelja rada ljudskog inženjerskog tima. Troškovi za izvršavanje ovog zadatka iznosili su samo 251 dolar u vidu tokena. Iako AI sistemi i dalje imaju slabosti i nisu uvek jeftini za korišćenje, njihov napredak je nesporno brz i značajan.

Dva sveta AI razvoja

Fokus dosadašnjih diskusija često je na „graničnim“ modelima, onim sa najvišim nivoom „inteligencije“, koji uglavnom dolaze od tri američke kompanije: Anthropic, OpenAI i Google. Međutim, postoji i drugi važan segment AI sistema – modeli sa otvorenim kodom, koji obično zaostaju 6 do 12 meseci za vodećim. Većina ovih modela potiče iz Kine i, za razliku od vlasničkih američkih sistema, mogu se slobodno koristiti i modifikovati nakon objavljivanja. To ih čini znatno jeftinijim za operativne troškove.

Ovi kineski modeli takođe napreduju eksponencijalnom krivom, iako sa određenim zakašnjenjem u odnosu na zatvorene američke modele. To se može videti i u testovima poput AA-Briefcase, koji simulira složeni konsultantski angažman koji zahteva višenedeljnu analizu. Iako apstraktni grafici mogu sakriti neke nijanse i povremene slabosti ovih modela, njihov rastući potencijal je očigledan.

Iako brojke i benchmark testovi daju uvid, stvarna slika se dobija praktičnom upotrebom. Eksperimenti koji uključuju složene zadatke, poput kreiranja interaktivne simulacije evolucije luke, pokazuju značajne razlike među modelima u pogledu dizajna, stilskog pristupa i čak sposobnosti donošenja presuda. Kako AI sistemi preuzimaju sve duže i kompleksnije zadatke, ovi teže merljivi faktori postaju ključni za procenu njihove upotrebne vrednosti.

Nova paradigma upotrebe

Sposobnost AI da izvršava sve duže i složenije zadatke menja način na koji ljudi komuniciraju sa ovim tehnologijama. Do nedavno, dominantan način korišćenja AI bio je kao ko-inteligencije – korisnik bi postavio zadatak, proverio rezultate i eventualno ih korigovao. Ovakav pristup je bio efikasan za kraće, dobro definisane zadatke.

Međutim, sa napretkom ka autonomnijim sistemima koji mogu samostalno da rade na projektima koji traju satima ili čak danima, paradigma se pomera. AI postaje sposobniji da preuzme čitave faze projekta, zahtevajući manje direktnog nadzora. Ovo otvara vrata ka novim oblicima saradnje i efikasnosti, gde AI ne samo da pomaže u izvršavanju, već i preuzima inicijativu u kompleksnim procesima.

Ova evolucija implicira da će se uloga čoveka u radnom procesu sve više fokusirati na postavljanje vizije, strateško planiranje i nadzor nad sve autonomnijim AI sistemima. Kraj ere jednostavnih „čet-botova“ koji su služili kao napredni pretraživači ili asistenti, nagoveštava početak nove ere u kojoj AI postaje ključni partner u kreiranju i rešavanju problema.

Izvor: Ethan Mollick, One Useful Thing · Fotografija: Pexels / Tara Winstead (ilustracija)