AI koji se sam unaprjeđuje: prekretnica ili još jedno obećanje?

Novi članak na arXivu pod šifrom 2603.18073v1 obećava revoluciju: AI koji sam sebe unaprjeđuje. No, koliko je to zapravo novo? Tri glavna ograničenja koja autori ističu – neefikasno učenje iz posebnih korpusa, ovisnost o ljudskim podacima i ograničenost algoritama – već godinama muče istraživače. I dok demo verzije svake godine postaju sve impresivnije (i skuplje), stvarna primjena i dalje zaostaje za marketingom. Prema dostupnim informacijama, članak predlaže okvir za kontinuirano učenje, ali detalji ostaju magloviti – baš kao i kod prethodnih 'sljedećih velikih stvari' u AI-u. Glavni problem? Trenutni modeli još uvijek ne mogu efikasno apsorbirati novo znanje nakon pretreniranja. To znači da svaki put kad želiš naučiti AI nešto specifično – recimo, pravila novog poreznog sustava ili tehničke specifikacije nove generacije čipova – moraš ga fino podešavati na malom skupu podataka. I to je izuzetno neefikasno. TechCrunch nedavno je izvijestio da kompanije troše milijune na fine-tuning bez značajnih rezultata, što direktno pogađa startup ekosustav koji nema resurse za takve eksperimente.

Ono što članak zapravo kaže jest: trenutni AI sistemi su kao superbrzi računari koji mogu samo ono što su im ljudi unaprijed programirali. Nema generalne inteligencije, nema spontanog učenja – samo sofisticirano pretraživanje uzorka. I dok autori nagađaju da bi njihov okvir mogao riješiti dio tog problema, GitHub community reagira suzdržano. Na forumima kao LessWrong i Hacker News ističu da je ideja zanimljiva, ali da se još uvijek radi o teoretskom okviru bez praktičnih demonstracija. Za razvojne timove ovo je ključno pitanje: koliko brzo i jeftino možeš naučiti AI nešto novo? Danas je odgovor 'ne baš brzo, i nikako jeftino'. A to znači da kompanije koje imaju pristup velikim skupovima podataka (Google, Meta, Microsoft) ostaju u prednosti – jer samo one mogu si priuštiti kontinuirano pretreniranje modela. Za sve ostale, ovo je još jedna u nizu 'inovacija' koja više liči na marketinški trik nego na stvarnu promjenu paradigme. Pravi signal ovdje nije u tehničkim detaljima članka, već u tome što on otkriva: AI industrija i dalje pati od istog temeljnog problema. Umjesto da razgovaramo o 'samounaprjeđivanju', trebali bismo govoriti o tome tko zapravo kontrolira podatke i algoritme – i tko ostaje izvan igre.

U konačnici, uspjeh ove tehnologije ovisi o našoj sposobnosti da je učinkovito integriramo u postojeće sisteme. To zahtijeva suradnju između istraživača, industrijalaca i regulatora. Bez takve suradnje, rizikujemo da se ova tehnologija neće moći potpuno iskoristiti. Stoga, potrebno je što prije pokrenuti dijalog o tome kako najbolje iskoristiti potencijal AI-a.