Sukob giganata oko AGI: Da li je vještačka opšta inteligencija uopšte moguća
Lideri Google DeepMinda i Mete iznijeli su potpuno suprotne stavove o budućnosti i definiciji superinteligencije koja bi trebala nadmašiti ljudske kognitivne sposobnosti.
Debata o vještačkoj opštoj inteligenciji (AGI) ponovo je podijelila tehnološku zajednicu nakon što su Demis Hassabis i Yann LeCun ponudili radikalno drugačije poglede na razvoj AI sistema. Dok Google DeepMind ubrzano radi na spajanju različitih modaliteta u jedan univerzalni sistem, iz Mete stižu upozorenja da su trenutne metode, zasnovane na velikim jezičkim modelima (LLM), osuđene na propast u kontekstu postizanja istinske superinteligencije. Pitanje definicije AGI više nije samo akademsko, već strateško poslovno pitanje koje diktira milijarde dolara investicija.
Ukratko
- Demis Hassabis tvrdi da konvergencija modela za slike, jezik i video vodi ka proto-AGI sistemima.
- Yann LeCun smatra da je ideja o postizanju superinteligencije putem LLM modela potpuna zabluda.
- LeCun osporava sam koncept AGI, navodeći da ni ljudska inteligencija nije "opšta" već visoko specijalizovana.
- Googleov fokus ostaje na ujedinjenju tehnologija poput Genie modela i jezičkih sistema u jedan entitet.
- Neslaganje oko definicije otežava postavljanje regulatornih i razvojnih standarda u industriji.
Tehnološki putevi ka superinteligenciji
Hassabis vjeruje da ključ leži u "isprepletenosti" različitih domena. Njegov tim u DeepMindu koristi Nano Banana Pro kao primjer modela koji se približava "opštoj inteligenciji za slike". Prema njegovim riječima, krajnji cilj je konvergencija svih tehnologija u jedan veliki model koji bi mogao postati kandidat za proto-AGI. Ovaj pristup podrazumijeva da će sistem, ako nauči dovoljno širok spektar vještina, spontano razviti sposobnost razumijevanja svijeta na ljudskom nivou.
S druge strane, Yann LeCun iz Mete oštro kritikuje ovaj pravac. On navodi da je treniranje modela na sintetičkim podacima i oslanjanje na učenje uz potkrepljenje (Reinforcement Learning) samo "dotjerivanje" postojećih sistema koji nikada neće dostići nivo ljudske spoznaje. LeCun tvrdi da koncept AGI nema smisla jer su i ljudi, kao biološki modeli, ekstremno specijalizovani za određene zadatke.
Analiza tržišta i vizija razvoja
Ovaj sukob reflektuje širi jaz na tržištu vještačke inteligencije. Google, Microsoft i OpenAI ulažu ogromne resurse u "brute force" pristup više podataka i više procesorske snage u nadi da će kvantitet donijeti novi kvalitet inteligencije. Meta, barem kroz LeCunovu viziju, zagovara arhitekturalne promjene koje bi simulirale način na koji biološki sistemi uče iz fizičkog svijeta, a ne samo iz teksta.
Gubitnici u ovom scenariju mogli bi biti investitori koji očekuju brz dolazak univerzalnih AI asistenata, dok su dobitnici kompanije koje se fokusiraju na primijenjenu, specijalizovanu inteligenciju koja rješava konkretne poslovne probleme, umjesto potrage za mitskim AGI-jem.
Naša perspektiva
Za IT sektor i poslovne lidere na Balkanu, ova debata šalje jasnu poruku: nemojte čekati "savršeni" univerzalni AI. Dok se globalni giganti spore oko definicije AGI, lokalne firme trebaju fokusirati svoje resurse na specijalizovane AI implementacije (Vertical AI).
Edukacija kadrova u regiji ne smije biti usmjerena samo na korištenje generičkih alata, već na razvoj specifičnih rješenja koja optimizuju konkretne industrijske grane prisutne na našem tržištu, poput logistike, energetike ili fintech sektora. Strategija čekanja na AGI je pogrešna; pobjednici na domaćem tržištu biće oni koji prihvate LeCunovu tezu o specijalizaciji i primijene je na realne podatke iz sopstvenog poslovanja.
Zaključak
Razlaz u mišljenjima dvojice vodećih naučnika pokazuje da industrija nema konsenzus o tome šta zapravo gradi. Dok Hassabis juri konvergenciju, LeCun poziva na realnost i uviđanje ograničenja trenutne arhitekture. Sljedeći logičan korak biće razvoj modela koji ne samo da "generišu" sadržaj, već aktivno planiraju i razumiju uzročno-posljedične veze u fizičkom svijetu.
