Jesu li znanstvenici u pravu? Je li dosegnut vrhunac razvoja umjetne inteligencije (peak AI)? [Pregled i analiza]

Umjetna inteligencija posljednjih je godina privukla ogromne investicije i nerealno visoka očekivanja. Velike tehnološke tvrtke poput OpenAI ulažu milijarde dolara u razvoj modela koji bi, prema najavama, trebali donijeti ljudsku razinu inteligencije. Ipak, znanstvenici i stručnjaci polako postaju skeptični. Mnogi tvrde da smo možda već dosegnuli “vrhunac” AI, s ograničenjima koja sadašnje metode teško mogu preskočiti.

Usprkos tehničkim poboljšanjima poput GPT-5, stvarna korisnost novih modela ne prati rast parametara ni energetske resurse koje troše. Ova realnost donosi važna pitanja o pravcu u kojem industrija ide, što i sami možete detaljnije proučiti u detaljnom vodiču o OpenAI tehnologiji. Tema dosezanja vrhunca AI nije samo znanstvena, već i ekonomska te društvena, s utjecajem na daljnje investicije i razvoj. Zato je važno pratiti kako se razvijaju AI modeli i koje prepreke bi mogle zaustaviti njihovu daljnju evoluciju.

Što je ‘peak AI’ i zašto znanstvenici smatraju da smo ga već dostigli?

U posljednjih nekoliko godina industrija umjetne inteligencije doživjela je ogromna ulaganja i eksponencijalne najave. No, unatoč velikim očekivanjima, sve više stručnjaka upozorava da bi napredak mogao biti zaustavljen. Ta točka zove se ‘peak AI’, ili vrhunac AI-a, kad tehnologija prestaje donositi značajnija poboljšanja unatoč dodatnim ulaganjima i razvoju.

U nastavku razmatramo zašto su znanstvenici skepticni prema današnjem smjeru razvoja umjetne inteligencije i kako su glavne metode i modeli, poput GPT-5, zapravo donijeli skromne koristi u stvarnoj primjeni.

Realnost iza tehnološkog napretka u AI modelima

Svi smo čuli o novim verzijama AI modela koje donose sve veći broj parametara i tehničkih inovacija. GPT-5, primjerice, tehnički postiže bolje rezultate na industrijskim benchmark testovima. No, ti testovi često ne odražavaju stvarnu korisnost u svakodnevnim poslovnim i ljudskim zadacima.

Stručnjaci poput Garyja Marcusa ističu da se u praksi praktične koristi tih modela gotovo ne osjećaju. Mnoge tvrtke koje koriste AI modele ne mogu reći da je verzija iz 2025. godine značajno korisnija od one iz 2024., unatoč tehničkim poboljšanjima.

Razlozi su sljedeći:

• Benchmarki nisu savršeni pokazatelji stvarne korisnosti. Mjerenja se temelje na zadacima koji ne moraju izravno odgovarati stvarnim potrebama korisnika.
• Napredak usporava. Svaka nova inačica modela zahtijeva znatno veće resurse za manji pomak u kvaliteti.
• Praktične primjene modela ostaju ograničene. Osim namjenske zabave ili virtualnih asistenata, nema značajnog pomaka u rješavanju složenih zadataka ili pravih problema.

Ova situacija može se usporediti s golemom tvornicom koja proizvodi svačega po velikoj cijeni, ali krajnji proizvod ne zadovoljava korisnike kao prije. Zbog toga mnogi stručnjaci smatraju da ćemo teško vidjeti daljnja značajna poboljšanja upravo zbog ograničenja ovog pristupa.

Više o tehnološkim izazovima u razvoju AI modela potražite u našem članku o napretku tekstualnih AI generatora.

Kritika pristupa ‘scalable AI’ fokusiranog na brzi rast

Jedan od glavnih razloga zašto se govori o ‘peak AI’ leži u samom konceptu tzv. “scalable AI” modela. Ovaj pristup se temelji na ideji da stalnim povećanjem kapaciteta — više grafičkih kartica, veći podatkovni centri i sve veća računalna snaga — može doći gotovo do beskonačnog razvoja AI mogućnosti.

No strategija skalabilog AI pristupa ima svoje ozbiljne nedostatke:

• Ogromni troškovi energije i kapitala. Svaki novi model zahtijeva milijarde u ulaganjima i povećanu potrošnju energije za rad data centara.
• Nedostatak stvarnog napretka. Povećanje veličine modela ne rezultira proporcionalnim poboljšanjima u razumijevanju ili sposobnostima AI sustava.
• Pitanje održivosti. Industrija ne može iznova samo povećavati dimenzije modela i troškove, jer to nema dugoročnu ekonomsku ili ekološku isplativost.

Sam Bill Gates je još 2023. godine izjavio da je scalable AI već “dosegnuo plato”, što znači da se povećanje kapaciteta ne pretvara u realni napredak. To potvrđuju i nedavna istraživanja, kao i sumnje financijskih tržišta, koja polako gube povjerenje u najavljene brzine rasta industrije.

Možemo reći da scalable AI podsjeća na voz koji pokušava ići brže jednostavnim dodavanjem još vagona. Na početku to pomogne, ali dolazi do točke kada vlak postane pretežak i usporava.

O ovim problemima možete saznati više u tematskom članku na UmjetnAI.com.

Ukratko, ‘peak AI’ nije samo pitanje tehničkih mogućnosti nego i odgovornog pristupa razvoju, u kojem će se morati naći novi smjer za daljnji stvarni napredak umjetne inteligencije.

Posljedice dosezanja vrhunca AI na industriju i tržište

Dosezanje vrhunca umjetne inteligencije donosi značajne promjene u cijeloj industriji i tržištu. Sustavi koji su se dosad fokusirali na eksponencijalno povećanje kapaciteta i veličine modela sada suočavaju se s realnošću da rast više nije održiv ili produktivan kao prije. To se odražava i na financijske tokove, razvoj novih proizvoda i sam pristup istraživanju AI tehnologija. Industrija se nalazi pred potrebom prilagodbe strategija koje će se usredotočiti na drugačiji tip razvoja, jedan koji nije samo cilj „većeg i bržeg“, nego i korisnijeg i učinkovitijeg.

Utjecaj na budućnost razvoja umjetne inteligencije

Sada kada industrija možda doseže “plateau” u razvoju AI tehnologija, evidentno je kako se mijenja i pristup istraživanju. Umjesto da se noviteti zasnivaju na beskonačnom povećavanju broja parametara i računalne snage, raste interes za praktičnijim i usmjerenijim modelima. Takav razvoj bolje odgovara stvarnim potrebama korisnika i tržišta.

Ovdje su ključni smjerovi prema kojima bi se budućnost razvoja AI mogla usmjeriti:

• Fokus na specifične primjene: Umjesto stvaranja generalnih i ogromnih modela, istraživanja se sve više usmjeravaju na rješenja za konkretne industrijske ili poslovne zadatke. Time se štedi energija, omogućuje bolja kontrola performansi i povećava korisnost.
• Optimizacija resursa: Svaka nova AI verzija zahtijeva ogromne hardverske resurse, što nije održivo na duži rok. Stoga su istraživači i tvrtke počeli tražiti načine kako iste ili bolje rezultate postići efikasnijim korištenjem energije i podataka, uz smanjenje troškova.
• Povećana transparentnost: Do sadašnji modeli često su bili “crne kutije” čiji procesi nisu razumljivi ni samim stručnjacima. S novim pristupima nastoji se razviti AI čiji su algoritmi i odluke transparentniji i lakši za interpretaciju, što povećava povjerenje u tehnologiju.
• Istraživanje novih paradigmi: S obzirom na limite postojeće metode skalabilnog učenja, sve se više eksperimenata vodi na drugačijim konceptima koji ne ovise isključivo o brojkama, nego o kvaliteti podataka, simulacijama i integraciji ljudskog znanja.

Vodeći znanstvenici, uključujući one u Edinburghu i na globalnom nivou, vjeruju da ćemo uskoro svjedočiti značajnom pomaku koji će rezultirati manjom ovisnošću o klasičnom “skalabilnom AI” pristupu. Ovakav smjer razvoja smatra se neophodnim za daljnju održivost i stvarnu primjenu u industriji.

Ova promjena nije samo teorijska. Financijska tržišta već pokazuju znakove opreza — vrijednost dionica tvrtki koje su ovisile o eksponencijalnom rastu, poput CoreWeavea, značajno je pala. Točnije, tržište polako gubi vjeru u Bitcoin-style utrku naoružavanja tehnologijom koja ne donosi stvarni napredak prema umjetnoj općoj inteligenciji (AGI).

Premda je teško predvidjeti kojim će se tempom ova transformacija odvijati, jasno je da je potrebna decentraliziranija i raznovrsnija strategija razvoja, usmjerena na realne koristi i dugoročnu održivost.

Za dublji uvid u tehnološke izazove modernih AI modela i što to konkretno znači za industriju, preporučujem da proučite tekst o tehnološkim izazovima u razvoju AI modela.

Ovakve promjene mogle bi promijeniti smjer utrke u svijetu umjetne inteligencije. Ne treba se odnositi prema tome kao na kraj, već kao na novu priliku za pametniji i održiviji razvoj. Time bi se umjetna inteligencija mogla i dalje dalje razvijati, ali na način koji koristi svima, a ne samo onima koji imaju najviše računalne snage i kapitala.

Za širi kontekst i bolje razumijevanje kompleksnosti tog izazova, možete pogledati i naš Vodič kroz svijet umjetne inteligencije.

Praktični pristupi u razvoju AI nasuprot generalnim modelima

Dok velike tehnološke kompanije ulažu ogromne resurse u razvoj generalnih, masivnih AI modela poput GPT-5, mnogi stručnjaci upozoravaju da takav pristup nije održiv i ne donosi očekivani iskorak u korisnosti. Fokusiranje samo na skalabilnost, odnosno kontinuirano povećavanje snage i veličine modela, suočava se s brojnim problemima: rastući troškovi, velika potrošnja energije i usporavanje stvarnog napretka.

Umjesto da slijede ovu strategiju „sve većeg i moćnijeg“, praktičniji pristupi razvijaju AI modele usmjerene na specifične zadatke i stvarne potrebe korisnika. Takvi modeli mogu bolje iskoristiti resurse, biti transparentniji i pružiti konkretne alate za svakodnevnu primjenu.

Primjeri korisnih AI alata i aplikacija

Svijet AI tehnologija nije rezerviran samo za velike megamodele ili kompleksne eksperimente u laboratorijima. Praksa pokazuje da su usmjereni, specijalizirani AI alati često vrijedniji za korisnike i industriju.

Na primjer, platforma UmjetnAI.com nudi širok spektar besplatnih i jednostavnih AI alata koji su usmjereni na praktičnu primjenu u svakodnevnim zadacima. Na toj platformi možete pronaći:

• AI generatore teksta za pisanje članaka, priča ili automatsko sažimanje informacija
• Alate za kreiranje slika, koji koriste napredne modele za stvaranje vizuala prema opisu
• Video generatore koji omogućuju stvaranje animacija i video sadržaja s minimalnim znanjem montaže
• AI alate za glazbu, koji pomažu u kompoziciji i produkciji glazbe bez potrebe za skupe instrumenata ili studija

Ovi alati ne nastoje imitirati ljudsku inteligenciju u svim njenim složenostima, nego su usmjereni na rješavanje konkretnih problema i dostupni su široj publici. Time ilustriraju bolji put razvoja umjetne inteligencije, koji nije zasjenjen ogromnim ulaganjima i nejasnim obećanjima.

Osim što su korisni, takvi AI alati su često i energetski učinkoviti, lako razumljivi, te mogu biti integrirani u različite industrije ili kreativne procese. Ako želite naučiti kako koristiti ovakve alate i iskoristiti AI u praksi, preporučujem da pogledate njihov praktični vodič za početnike, koji na jednostavan način objašnjava osnovne korake i primjere.

Ovakav pristup jasno pokazuje da se AI razvoj može usmjeriti na konkretne korisničke potrebe, umjesto da slijedi model besprizornog povećavanja snage i složenosti. Tako se štedi energija, smanjuju troškovi, a tehnologija postaje dostupnija i praktičnija za široku primjenu u stvarnom svijetu.

Za dodatna razmišljanja o problemima i izazovima skalabilnog pristupa te mogućim alternativama, pogledajte i tekst o tehnološkim izazovima u razvoju AI modela gdje se obrađuju industrijski utjecaji i buduće prilike.

Zaključak: Što očekivati od budućnosti umjetne inteligencije?

Kada promatramo razvoj umjetne inteligencije kroz prizmu aktualnih događaja i mišljenja vodećih stručnjaka, jasno je da se nalazimo na prekretnici. Unatoč masivnim ulaganjima i tehničkim poboljšanjima poput GPT-5, pravi iskorak u praktičnoj korisnosti a i u pravcu prema umjetnoj općoj inteligenciji (AGI) slabije je nego što se očekivalo. No, ta stagnacija nije kraj same AI tehnologije, već znak da je vrijeme za promjenu smjera.

Iako mnogi još uvijek vjeruju u brzi rast skalabilnih modela, rastući skepticizam upućuje na potrebu pametnijeg i konkretno usmjerenog razvoja. Budućnost umjetne inteligencije neće biti određena samo povećanjem snage i veličine modela, nego time kako ćemo AI bolje uklopiti u stvarne potrebe društva i industrije.

Fokus na praktičnost i održivost

Vjerujem da će se daljnji razvoj umjetne inteligencije usredotočiti na jasno definirane i primjenjive zadatke. Umjesto da se troši ogromna količina energije i novca na modele koji po broju parametara nalikuju svemirskom brodu, sve veći fokus bit će na rješenjima koja štede resurse i donose konkretne koristi. Ovakav pristup može uključivati:

• Razvoj specijaliziranih AI modela za industrijske i poslovne procese
• Optimizaciju računalne snage i energije
• Povećanje razumljivosti i transparentnosti AI sustava

Takva promjena skrenut će pažnju s konkurencije tko ima najveći model na ono što AI zaista može napraviti za pojedinca, tvrtku i društvo.

Nova istraživanja i pristupi u razvoju AI

Znanstvena zajednica i dalje traži načine da se pomaknu s trenutnog “platoa” u razvoju AI. To znači ispitivanje novih paradigma učenja, integraciju ljudskog znanja s AI procesima i korištenje boljih podataka umjesto samo većih modela.

Nešto što sve više dobiva na važnosti su i etički standardi, transparentnost i sigurnost AI tehnologija. OpenAI i druge institucije nastoje usmjeriti razvoj prema održivosti i korisnosti, što možete pratiti i kroz njihov rad vezan za pomoć državama u razvoju vlastite umjetne inteligencije.

Ekonomski i društveni izazovi

S rastućom sumnjom na daljnji brz i moćan razvoj skalabilnih AI modela, tržište se polako prilagođava. Primjer tvrtke CoreWeave, čije su dionice pale uslijed smanjene potražnje, odražava realnost da financijski sektor postavlja pitanja o održivosti trenutnih investicija.

Također, promjena u razvoju AI reflektira se i šire na tržište rada i društvo. Za očekivati je da će umjetna inteligencija postupno mijenjati radne poslove, ali s fokusom na pomoć i optimizaciju, a ne na zamjenu ljudi. Više o tome kako AI utječe na tržište rada možete saznati u članku o promjenama na radnom tržištu Europe.

S obzirom na sve navedeno, budućnost umjetne inteligencije ne mora izgledati kao utrka u snazi i veličini modela, već kao usmjeren razvoj koji donosi stvarne koristi, štedi resurse i omogućuje širu primjenu.

Za širi pogled na statistike i trendove u AI svijetu koji pomažu razumjeti kamo industrija ide, preporučujem da pogledate nevjerojatne statistike o umjetnoj inteligenciji koje bi mogle dodatno osvijetliti smjer kretanja tehnologije i tržišta.

Zaključak

Dosezanje vrhunca umjetne inteligencije ukazuje na potrebu promjene pristupa. Umjesto beskonačnog povećanja snage i složenosti modela, važnije je usredotočiti se na praktičnost, transparentnost i održivost razvoja.

Znanstvenici i stručnjaci sve više ističu da je vrijeme za razvoj AI sustava koji donose stvarnu dodanu vrijednost korisnicima, a ne samo bolje rezultate na benchmark testovima. Takva strategija uključuje fokus na specifične zadatke i optimizaciju resursa, što može potaknuti daljnju primjenu u različitim industrijama.

Uz razumijevanje ograničenja trenutnih modela, potrebno je širiti dijalog o smjeru razvoja umjetne inteligencije, uz otvorenost za nove paradigme i etičke standarde. Više o tome kako odgovoriti na te izazove možete saznati iz Vrhunski vodič za ChatGPT 2025, gdje su prikazani i praktični primjeri primjene AI u stvarnom svijetu.

Sada je pravi trenutak za podržati razvoj koji neće biti samo trka u veličini, nego stvarna prilika za korisne i održive tehnologije. Kako se industrija bude mijenjala, pozivamo vas da pratite novosti i nastavite istraživati izazove i prilike u svijetu umjetne inteligencije na UmjetnAI.com.