Od ChatGPT-ja do AGI-ja - vodič kroz vrste veštačke inteligencije

Kada Sam Altman kaže da OpenAI "radi na AGI-ju", kada kompanija predstavlja novi "agentski" sistem, ili kada marketinški tim govori o "generativnoj veštačkoj inteligenciji" – šta to zapravo znači?

Terminologija u vezi sa veštačkom inteligencijom postala je zbunjujuća čak i za profesionalce u industriji, a razlike između pojmova nisu samo semantičke, one definišu fundamentalno različite pristupe i mogućnosti. Zato smo pripremili ovaj tekst kako bismo vam približili sve termine.

Specijalizovana veštačka inteligencija - ono što već koristimo

Većina današnjih sistema veštačke inteligencije spada u kategoriju uske ili specijalizovane veštačke inteligencije (engl. Artificial Narrow Intelligence - ANI). Prema definiciji IBM-a, ovi sistemi su dizajnirani da izvršavaju specifične zadatke unutar unapred definisanih parametara.

Primeri su svuda oko nas: preporuke na Netflixu, prepoznavanje lica na telefonu, glasovni asistenti poput Siri ili Alexa, sistemi za autonomnu vožnju. Svaki od njih je izuzetno dobar u svojoj oblasti, ali ne može raditi ništa van toga. Sistem koji vozi automobil ne može napisati pesmu. Algoritam koji preporučuje filmove ne može dijagnostikovati bolest.

Ova uska specijalizacija je i najveća prednost i najveće ograničenje današnje veštačke inteligencije. Sistemi su pouzdani i efikasni u svom domenu, ali nemaju fleksibilnost ljudske inteligencije.

 

 

izvor: Deposit Photos

 

Generativna veštačka inteligencija - kreiranje umesto klasifikacije

Generativna veštačka inteligencija (engl. Generative AI) predstavlja pomak od analize ka kreiranju. Prema istraživačima MIT-a, tradicionalni sistemi mašinskog učenja bili su fokusirani na klasifikaciju podataka, prepoznavanje mačke na fotografiji, na primer. Generativna veštačka inteligencija ide korak dalje: ne samo da prepoznaje mačku već može kreirati potpuno novu sliku mačke koja nikada nije postojala. 

ChatGPT, DALL-E, Midjourney, Claude primeri su generativnih sistema. Oni koriste velike jezičke modele (engl. Large Language Models - LLM) trenirane na ogromnim količinama podataka da bi kreirali novi sadržaj: tekst, slike, kod, muziku i video.

Način na koji rade zasniva se na predviđanju. Model je naučio obrasce iz podataka na kojima je treniran i koristi te obrasce da predvidi šta bi trebalo da dođe sledeće. Kada pitate ChatGPT nešto, on ne zna odgovor u ljudskom smislu – on generiše tekst koji je najverovatnije tačan na osnovu onoga što je video tokom treninga i na osnovu ogromne baze podataka kojom upravlja.
Ključna inovacija koja je omogućila generativnu veštačku inteligenciju jesu nove arhitekture neuronskih mreža. Pojednostavljeno: sistem uči kako nešto izgleda (na primer, milioni slika mačaka) i onda može kreirati novu sliku mačke koja nikada nije postojala, ali izgleda realno. Slično sa tekstom, sistem uči kako ljudi pišu i onda može pisati kao čovek.
Ali generativna veštačka inteligencija je još uvek reaktivna. Ona odgovara na upite, ne deluje samostalno. Zato na delo dolaze agenti.

 

izvor: Depositphotos

 

Agentska veštačka inteligencija - autonomija sa ciljem

Agentska veštačka inteligencija (engl. Agentic AI) predstavlja sledeći korak: sistem koji ne samo da kreira sadržaj već deluje autonomno da postigne cilj. 

Dok generativna veštačka inteligencija poput ChatGPT-ja čeka da joj date upit i onda odgovara, agentski sistem može samostalno planirati, izvršavati zadatke i prilagođavati se promenama bez konstantnog ljudskog nadzora.

Zamislite da tražite od sistema da organizuje poslovni put. Generativna veštačka inteligencija može napisati imejl sa predlozima letova. Agentska veštačka inteligencija može sama rezervisati letove, hotel, zakupiti automobil, koordinirati sastanke sa kalendarima učesnika, prilagoditi raspored ako let kasni i automatski obavestiti sve relevantne osobe, i to sve dok prati budžet i preference koje ste zadali.

Agentski sistemi rade kroz četiri faze: prikupljanje podataka (šta se dešava), analiza situacije (šta to znači), sprovođenje odluke (šta uraditi) i učenje (kako sledeći put bolje). Oni se mogu povezati sa alatima, bazama podataka i drugim sistemima da bi dobili informacije u realnom vremenu i doneli odluke.

Ključna razlika između generativne i agentske veštačke inteligencije jeste autonomija. Generativna veštačka inteligencija je alat koji čeka instrukcije. Agentska veštačka inteligencija je sistem koji razume cilj i samostalno određuje kako da ga postigne.

OpenAI je krajem 2024. predstavio Operator, agentski sistem koji može koristiti veb-pretraživač, otvoriti sajtove, popuniti formulare i izvršiti radnje u ime korisnika. Perplexity je lansirao Comet, sistem koji može automatizovati veb-zadatke.
 

AGI: Teorijska veštačka inteligencija na nivou čoveka

Opšta veštačka inteligencija (engl. AGI - Artificial General Intelligence) je teorijski sistem koji bi imao kognitivne sposobnosti uporedive sa ljudskim preko bilo kog zadatka. Prema McKinsey-ju, AGI bi mogao razumeti, učiti i primeniti znanje u različitim oblastima, baš kao što mi to radimo.

Za razliku od uske veštačke inteligencije koja je odlična u jednoj stvari, AGI bi bio kompetentan u svemu. Mogao bi voziti automobil, pisati poeziju, dijagnostikovati bolest, programirati softver, učiti novi jezik, i osmišljavati naučne teorije – sve bez specifičnog treninga za svaki zadatak.

Prema mnogih izvorima, kreiranje AGI-ja je primarni cilj istraživanja veštačke inteligencije u kompanijama kao što su  OpenAI, Google, xAI i Meta.

Međutim, ono što se kvalifikuje kao AGI ostaje predmet debate. AGI bi trebalo da može da rezonuje, koristi strategiju, rešava probleme pod neizvesnošću, predstavlja znanje uključujući zdrav razum, planira, uči i komunicira na prirodnom jeziku.

Trenutni sistemi poput GPT-5 ili Claudea nisu AGI. Iako imaju impresivne sposobnosti, oni ne mogu samostalno učiti nove zadatke van svoje oblasti treninga, ne razumeju uzrok i posledicu na način na koji to čine ljudi, i nemaju opšte razumevanje sveta.

Vremenska linija do AGI-ja je predmet debate. Istraživanja pokazuju da AI istraživači daju različite prognoze koje se kreću od kasnih 2020-ih do sredine veka, dok značajan broj očekuje dolazak mnogo ranije, ili nikad.

U januaru 2025, izvršni direktor OpenAI-ja Ilya Sutskever tvrdio je da je njihov najnoviji model O3 dostigao "rani AGI" sa sposobnošću da nadmaši većinu ljudi u većini zadataka. Kritičari tvrde da iako modeli pokazuju izuzetnu svestranost, još ne zadovoljavaju tradicionalni standard AG-ja.

 

 

Izvor: Depositphotos

 

Zašto su ove razlike bitne 

Razumevanje ovih razlika nije akademska vežba. 

Uska veštačka inteligencija je pouzdana za specifične zadatke, ali zahteva ljudsku inteligenciju da poveže različite sisteme.Generativna veštačka inteligencija ubrzava kreiranje sadržaja, ali zahteva ljudsko usmeravanje i proveru.
Agentska veštačka inteligencija može autonomno izvršavati složene procese, ali zahteva pažljivo definisanje ciljeva i granica.AGI, ako i kada dođe, predstavljaće fundamentalnu promenu u odnosu između ljudi i mašina.

Za kompanije iz Adria regiona koje razmatraju implementaciju veštačke inteligencije, terminologija ima i te kakav značaj. Sistem koji kreira imejlove (generativna veštačka inteligencija) fundamentalno je drugačiji od sistema koji samostalno upravlja celim procesom kupovine (agentska veštačka inteligencija), i oba su daleko od sistema koji bi mogao raditi bilo koji posao u kompaniji bez treninga (AGI).

Trenutno smo u eri generativne veštačke inteligencije sa prvim komercijalnim agentskim sistemima. AGI ostaje horizont ka kojem se kreće istraživanje, jedni ga vide kroz dve decenije, drugi kroz vek, a treći smatraju da možda nikada neće biti postignut. Ali bez obzira na tempo, razumevanje ovih razlika ključno je za svakoga ko radi sa veštačkom inteligencijom ili planira da investira u nju.