Era mašinske logike i "vibe" kodiranja redefiniše globalno AI tržište
Andrej Karpathy u svojoj godišnjoj retrospektivi otkriva zašto 2025. nije bila godina većih modela, već dužeg razmišljanja i uspona "duhova" u mašinama.
Tokom 2025. godine, fokus razvoja vještačke inteligencije pomjerio se sa puke imitacije ljudskog govora ka dubokom logičkom zaključivanju. Umjesto trke u broju parametara, vodeće laboratorije poput OpenAI-a i Anthropic-a optimizovale su "vrijeme za razmišljanje" modela. Ključni pokretač ove promjene je RLVR (Reinforcement Learning from Verifiable Rewards), proces koji primorava AI da rješava probleme kroz provjerljive korake, pretvarajući LLM-ove iz statičnih enciklopedija u aktivne rješavače problema.
Ukratko o ključnim trendovima 2025. godine
- RLVR revolucija: Modeli više ne pogađaju odgovore, već ih "izračunavaju" kroz duže staze razmišljanja.
- Kraj tradicionalnih mjerila: Benchmarci su postali nepouzdani jer modeli uče kako da ih "hakuju" kroz specifične treninge.
- Agenti na lokalnim mašinama: Claude Code i slični alati dokazali su da AI najbolje funkcioniše direktno na računaru korisnika.
- Vibe coding: Programiranje je postalo dostupno svima koji znaju precizno opisati problem na maternjem jeziku.
- Multimodalni GUI: Google Gemini Nano Banana najavljuje prelazak sa tekstualnih promptova na vizuelnu i spacijalnu interakciju.
RLVR mehanizam pretvara nasumično pogađanje u strogu logiku
Dosadašnji recept za trening (Pretraining + SFT + RLHF) dopunjen je kritičnom fazom: pojačano učenje iz provjerljivih nagrada. Za razliku od povratne informacije od ljudi, koja je subjektivna, RLVR koristi matematičke i koderske testove gdje je rezultat ili tačan ili netačan. To je dovelo do "vremenskog skaliranja" (test-time compute) – što model duže "razmišlja", to je rješenje kvalitetnije. Karpathy ističe da je OpenAI o3 bio prelomna tačka gdje je ova razlika postala intuitivno jasna svakom korisniku.
Vještačka inteligencija više liči na prizivanje duhova nego na evoluciju životinja
Karpathy upozorava da LLM modele ne treba posmatrati kao biološku inteligenciju u razvoju. On koristi metaforu "prizivanja duhova" mi stvaramo entitete koji su u nekim domenima genijalni polimati, a u drugim konfuzni osnovnoškolci. Ova nazubljena inteligencija (jagged intelligence) čini tradicionalne testove (benchmarcke) besmislenim, jer laboratorije sada treniraju modele direktno na okruženjima koja simuliraju te testove, stvarajući privid svesrdne superiornosti.
Lokalni agenti i era u kojoj kod postaje besplatan i potrošan
Uspon alata kao što su Cursor i Claude Code označava kraj dominacije cloud-četbotova. Umjesto odlaska na web stranicu, AI sada "živi" u terminalu korisnika, sa pristupom lokalnim podacima i alatima. To je omogućilo fenomen vibe coding-a pisanje kompleksnog softvera na engleskom (ili srpskom) jeziku, gdje kod više nije dragocjena imovina, već potrošna roba koju AI generiše, koristi i odbacuje po potrebi.
Balkan mora prestati sa čekanjem i preći na primjenu lokalnih agenata
Za IT sektor na Balkanu, 2025. godina nosi direktno upozorenje: senioritet više nije u poznavanju sintakse, već u vještini verifikacije AI izlaza. Naša tržišta, često ograničena budžetima za skupe cloud infrastrukture, sada imaju priliku da koriste lokalne agente (poput Claude Code) koji rade direktno na hardveru firme. Postavlja se provokativno pitanje za regionalne lidere: Da li su vaše ekipe i dalje zarobljene u pisanju koda koji AI može generisati za sekundu ili ste ih obučili da budu "vibe" arhitekte koji upravljaju rojevima agenata?
Multimodalna budućnost briše granicu između teksta i interfejsa
Google Gemini Nano Banana (2.5 Flash Image) predstavlja prvi pravi korak ka LLM GUI-u. AI više ne treba samo da nam piše odgovore, već da komunicira kroz slike, infografike i interaktivne aplikacije. Karpathy predviđa da će se "chat" interfejs uskoro činiti arhaičnim kao komandna linija iz sedamdesetih, dok će budućnost biti u vizuelnom i spacijalnom razumijevanju svijeta unutar samih težina modela.
