AMI – Напредна машинска интелигенција – Крај скалирања: Зашто Јан Лекун више не верује у мастер студије права (LLM)

600 милијарди за погрешан приступ? „Кум вештачке интелигенције“ се клади против LLaMA, ChatGPT и других компанија.

Ова објава је стигла попут грома кроз технолошку индустрију у новембру 2025. Јан ЛеКун, један од тројице оснивача дубоког учења и главни научник у компанији Мета, објавио је свој одлазак након дванаест година рада у компанији како би основао сопствени стартап. Ова одлука је много више од личног каријерног избора једног научника. Она означава фундаменталну прекретницу у глобалној индустрији вештачке интелигенције и открива све већи јаз између краткорочних тржишних интереса и дугорочне научне визије.

ЛеКун, који је 2018. године добио Тјурингову награду заједно са Џефријем Хинтоном и Јошуом Бенђом, сматра се архитектом конволуционих неуронских мрежа, које данас чине темељ модерних система за обраду слика. Његов одлазак долази у време када цела индустрија улаже стотине милијарди долара у велике језичке моделе, технологију коју ЛеКун годинама описује као фундаментални ћорсокак. Са својом новом компанијом, сада 65-годишњи научник намерава да се бави оним што назива Напредна машинска интелигенција, радикално другачијим приступом заснованим на моделима света и почев од физичке перцепције, а не од текста.

Економске импликације овог развоја су огромне. Сама компанија Мета је уложила преко 600 милијарди долара у инфраструктуру вештачке интелигенције у протекле три године. ОпенАИ је достигао вредност од пола билиона долара, упркос годишњем приходу од само десет милијарди долара. Читава индустрија се кретала у правцу који је један од њених најважнијих пионира сада јавно описао као ћорсокак. Да бисмо разумели економске последице ове промене, морамо дубоко заронити у техничке, организационе и финансијске структуре тренутне револуције вештачке интелигенције.

У вези са овим:

• Мета ће инвестирати 600 милијарди америчких долара: За изградњу вештачке интелигенције у САД

Архитектура балона

Трансформер архитектура, коју су истраживачи у Гуглу представили 2017. године, трансформисала је вештачку интелигенцију брзином без преседана. Овај приступ је први пут омогућио ефикасну обраду огромних количина текста и обучавање језичких модела са раније недостижним могућностима. OpenAI је надоградио ову основу својом GPT серијом, која је, са ChatGPT-ом у новембру 2022. године, први пут демонстрирала широкој публици шта ове технологије могу да постигну. Одговор је био експлозиван. У року од неколико месеци, десетине милијарди долара су се слиле у сектор.

Међутим, од краја 2024. године, све је више знакова да овај експоненцијални развој достиже своје границе. OpenAI развија наследника GPT-4, интерно названог Orion или GPT-5, више од 18 месеци. Компанија је наводно спровела најмање два велика тренинга, од којих је сваки коштао приближно 500 милиона долара. Резултати су били отрежњујући. Док је GPT-4 представљао огроман скок у перформансама у односу на GPT-3, побољшања Orion-а у односу на GPT-4 су маргинална. У неким областима, посебно програмирању, модел практично не показује напредак.

Овај развој догађаја је у суштини у супротности са законима скалирања, оним емпиријским принципима који су донедавно водили целу индустрију. Основна идеја је била једноставна: ако направите модел већим, користите више података за обуку и уложите више рачунарске снаге, повећање перформанси прати предвидљиву функцију снаге. Чинило се да овај принцип важи универзално и оправдава астрономска улагања последњих година. Сада се испоставља да се ове криве спљошћавају. Следеће удвостручавање улагања више не даје очекивано удвостручавање перформанси.

Разлози за то су бројни и технички сложени. Кључни проблем је зид података. GPT-4 је обучен са приближно 13 трилиона токена, што је у суштини цео јавно доступан интернет. За GPT-5 једноставно нема довољно нових, висококвалитетних података. OpenAI је одговорио ангажовањем програмера, математичара и теоријских физичара да генеришу нове податке писањем кода и решавањем математичких проблема. Међутим, чак и ако би 1.000 људи производило 5.000 речи дневно, требало би месецима да се генерише само једна милијарда токена. Скалирање коришћењем података које генеришу људи једноставно не функционише.

Као алтернатива, компаније се све више ослањају на синтетичке податке – то јест, податке које генеришу други модели вештачке интелигенције. Али овде вреба нова опасност: колапс модела. Када се модели рекурзивно тренирају на подацима које генеришу други модели, мале грешке се појачавају током генерација. Резултат су модели који постају све више одвојени од стварности и у којима мањинске групе у подацима несразмерно нестају. Студија објављена у часопису Nature 2024. године показала је да се овај процес одвија изненађујуће брзо. Синтетички подаци стога нису панацеја, већ носе значајне ризике.

Енергетска транзиција и ограничења раста

Поред баријере података, постоји и друга, још фундаменталнија баријера: енергетска баријера. Обука GPT-3 потрошила је приближно 1.300 мегават-сати електричне енергије, што је еквивалентно годишњој потрошњи 130 америчких домаћинстава. GPT-4 је захтевао процењених 50 пута више, односно 65.000 мегават-сати. Рачунарска снага потребна за обучавање великих вештачких интелигенција удвостручује се отприлике сваких 100 дана. Ова експоненцијална крива брзо доводи до физичких ограничења.

Центри података који обучавају и управљају овим моделима већ троше исто толико електричне енергије као и мали градови. Међународна агенција за енергију предвиђа да ће потрошња електричне енергије у центрима података порасти за 80 процената до 2026. године, са 20 терават-сати у 2022. на 36 терават-сати у 2026. години. Вештачка интелигенција је главни покретач овог раста. Поређења ради, један ChatGPT упит троши око десет пута више енергије него претрага на Google-у. Са милијардама упита дневно, ово се сабира у огромне количине.

Овај развој догађаја приморава технолошке компаније да предузму драстичне мере. Мајкрософт је већ потписао уговоре са добављачима нуклеарне енергије. Мета, Амазон и Гугл ће у наредним годинама уложити укупно преко 1,3 билиона долара у изградњу неопходне инфраструктуре. Али ова улагања наилазе на физичка и политичка ограничења. САД једноставно немају довољно енергетске инфраструктуре за напајање планираних центара података вештачке интелигенције. Аналитичари процењују да би пројекти вредни 750 милијарди долара могли бити одложени до 2030. године због уских грла у енергетској инфраструктури.

Овоме се додаје и геополитичка димензија. Потражња за енергијом у индустрији вештачке интелигенције интензивира конкуренцију за ресурсе и повећава зависност од фосилних горива. Док креатори политике захтевају климатску неутралност, индустрија вештачке интелигенције повећава потрошњу енергије. Ова тензија ће се погоршати у наредним годинама и може довести до регулаторних интервенција које ограничавају раст индустрије.

Архитектонски зид и Лекунова алтернатива

Трећа баријера је можда најосновнија: архитектонски зид. Јан ЛеКун годинама тврди да архитектура Трансформерса има инхерентна ограничења која се не могу превазићи једноставним скалирањем. Његова критика се фокусира на фундаментални начин рада Великих језичких модела (Large Language Models). Ови системи су обучени да предвиде следећу реч у низу. Они уче статистичке обрасце у масивним текстуалним корпусима, али не развијају право разумевање узрочности, физичких закона или дугорочног планирања.

ЛеКун воли да илуструје проблем поређењем: Четворогодишње дете је апсорбовало више информација о свету путем визуелне перцепције него што највећи језички модели имају путем текста. Дете интуитивно разуме да предмети не нестају једноставно, да тешке ствари падају и да радње имају последице. Развило је модел света, унутрашњу репрезентацију физичке стварности, коју користи за предвиђања и планирање акција. Мастерима права недостаје ова фундаментална способност. Могу да генеришу импресивно кохерентан текст, али не разумеју свет.

Ово ограничење постаје очигледно изнова и изнова у практичним применама. Ако замолите GPT-4 да визуализује ротирајућу коцку, он не успева у задатку који свако дете може лако да обави. Код сложених задатака који захтевају вишестепено планирање, модели редовно не успевају. Они не могу поуздано да уче из грешака јер свака грешка у предвиђању токена потенцијално се каскадно акумулира и појачава. Ауторегресивни модели имају фундаменталну крхкост: грешка на почетку секвенце може да уништи цео резултат.

Лекунова алтернатива су модели света засновани на заједничкој предиктивној архитектури уграђивања (Joint Embedding Predictive Architecture). Основна идеја је да системи вештачке интелигенције не би требало да уче кроз предвиђање текста, већ предвиђањем апстрактних репрезентација будућих стања. Уместо генерисања пиксел по пиксел или токен по токен, систем учи компресовану, структурирану репрезентацију света и може то да користи за ментално симулирање различитих сценарија пре него што делује.

Под ЛеКуновим вођством, Мета је већ развила неколико имплементација овог приступа. I-JEPA за слике и V-JEPA за видео записе показују обећавајуће резултате. Ови модели уче компоненте објеката високог нивоа и њихове просторне односе без ослањања на интензивно прикупљање података. Такође су знатно енергетски ефикаснији за обучавање од конвенционалних модела. Визија је да се ови приступи комбинују у хијерархијске системе који могу да раде на различитим нивоима апстракције и временским скалама.

Кључна разлика лежи у природи процеса учења. Док се мастер модели учења у суштини баве упаривањем образаца на стероидима, модели света имају за циљ да схвате структуру и узрочност стварности. Систем са робусним моделом света могао би да предвиди последице својих поступака, а да их заправо не мора спровести. Могао би да учи из неколико примера јер разуме основне принципе, а не само површне корелације.

Организациона дисфункција и Метина егзистенцијална криза

ЛеКунов одлазак, међутим, није само научна одлука, већ и резултат организационе дисфункције у компанији Мета. У јуну 2025. године, извршни директор Марк Закерберг најавио је масовно реструктурирање одељења за вештачку интелигенцију. Основао је Мета Суперинтелигенс Лабс, нову јединицу са декларисаним циљем развоја опште вештачке интелигенције. На челу ње био је Александар Ванг, 28-годишњи бивши извршни директор компаније Скејл АИ, компаније за припрему података. Мета је инвестирала 14,3 милијарде долара у Скејл АИ и регрутовала преко 50 инжењера и истраживача од конкуренције.

Ова одлука је преокренула постојећу структуру. ЛеКунов тим за фундаментална истраживања вештачке интелигенције, који је годинама развијао PyTorch и прве Llama моделе, био је маргинализован. FAIR је био усмерен ка фундаменталним истраживањима са временским хоризонтом од пет до десет година, док су се нове лабораторије за суперинтелигенцију фокусирале на краткорочни развој производа. Извори извештавају о све већем хаосу у Метиним одељењима за вештачку интелигенцију. Новозапослени врхунски таленти изразили су фрустрацију бирократијом велике корпорације, док су већ успостављени тимови видели како им утицај опада.

Ситуација се погоршала због неколико реструктурирања за само шест месеци. У августу 2025. године, Superintelligence Labs је поново реорганизован, овог пута у четири подјединице: мистериозну TBD лабораторију за нове моделе, тим за производе, тим за инфраструктуру и FAIR. Још један талас отпуштања уследио је у октобру, а приближно 600 запослених је добило отпремнину. Наведени разлог: смањење организационе сложености и убрзавање развоја вештачке интелигенције.

Ова стална реструктурирања су у оштрој супротности са релативном стабилношћу конкурената попут OpenAI-ја, Google-а и Anthropic-а. Она указују на фундаменталну несигурност у Мети у погледу правог стратешког правца. Закерберг је препознао да Мета заостаје у трци за доминацију вештачке интелигенције. Llama 4, покренута у априлу 2025. године, била је разочарање. Иако је Maverick модел показао добру ефикасност, драматично је подбацио у дужим контекстима. Појавиле су се тврдње да је Мета оптимизовала за бенчмаркове тако што је посебно тренирала моделе на уобичајеним тест питањима, вештачки надувајући перформансе.

За ЛеКуна, ситуација је постала неодржива. Његова визија дугорочних фундаменталних истраживања сукобила се са притиском да се постигну краткорочни успехи производа. Чињеница да је био ефикасно подређен знатно млађем Вангу вероватно је допринела његовој одлуци. У свом опроштајном допису, ЛеКун наглашава да ће Мета остати партнер у његовој новој компанији, али порука је јасна: независно истраживање које сматра неопходним више није могуће унутар корпоративних структура.

Овде ћете сазнати како ваша компанија може брзо, безбедно и без високих баријера за улазак имплементирати прилагођена решења за вештачку интелигенцију.

Управљана AI платформа је ваше свеобухватно и безбрижно решење за вештачку интелигенцију. Уместо да се бавите сложеном технологијом, скупом инфраструктуром и дуготрајним процесима развоја, добијате готово решење прилагођено вашим потребама од специјализованог партнера – често у року од само неколико дана.

Кључне предности на први поглед:

⚡ Брза имплементација: Од идеје до апликације спремне за употребу за дане, а не месеци. Нудимо практична решења која стварају тренутну додату вредност.

🔒 Максимална безбедност података: Ваши осетљиви подаци остају код вас. Гарантујемо безбедну и усклађену обраду без дељења података са трећим лицима.

💸 Без финансијског ризика: Плаћате само за резултате. Велика почетна улагања у хардвер, софтвер или особље су потпуно елиминисана.

🎯 Фокусирајте се на свој основни посао: Концентришите се на оно што најбоље радите. Ми се бринемо о целокупној техничкој имплементацији, раду и одржавању вашег вештачке интелигенције.

📈 Спремно за будућност и скалабилно: Ваша вештачка интелигенција расте са вама. Обезбеђујемо континуирану оптимизацију и скалабилност и флексибилно прилагођавамо моделе новим захтевима.

Више информација овде:

• Решење за управљану вештачку интелигенцију - Индустријске услуге вештачке интелигенције: Кључ конкурентности у секторима услуга, индустрије и машинства

Економска анатомија формирања пликова

Развој догађаја у Мети је симптом шире економске динамике у индустрији вештачке интелигенције. Од пробоја ChatGPT-а крајем 2022. године, дошло је до невиђеног инвестиционог бума. Само у првом кварталу 2025. године, 73,1 милијарда долара је уложено у стартапове у области вештачке интелигенције, што представља 58 процената свих инвестиција ризичног капитала. OpenAI је достигао вредност од 500 милијарди долара, што га чини првом приватном компанијом која је прешла овај праг, а да никада није била профитабилна.

Процене су у огромној несразмери са стварним приходима. OpenAI је 2025. године генерисао годишњи приход од 10 милијарди долара, са вредношћу од 500 милијарди долара, што је резултирало односом цене и продаје од 50. Поређења ради, чак и на врхунцу дот-ком балона, мало компанија је постигло такве вишеструке приходе. Anthropic се процењује на 170 милијарди долара са приходима од 2,2 милијарде долара, односом цене и зараде од приближно 77. Ове бројке указују на масовно прецењивање.

Посебно је проблематична кружна структура финансирања која се развила. Nvidia улаже 100 милијарди долара у OpenAI, који је заузврат обавезан да купи Nvidia чипове у вредности од десетина милијарди долара. OpenAI је склопио сличне уговоре са AMD-ом вредне десетине милијарди долара. Microsoft је уложио преко 13 милијарди долара у OpenAI и хостује своју инфраструктуру на Azure-у. Amazon је уложио 8 милијарди долара у Anthropic, који заузврат користи AWS као своју примарну cloud платформу и користи Amazon-ове сопствене AI чипове.

Ови аранжмани језиво подсећају на кружно финансирање с краја 1990-их, када су технолошке компаније продавале опрему једна другој и књижиле трансакције као приход без генерисања икакве стварне економске вредности. Аналитичари говоре о све сложенијој и непрозирној мрежи пословних односа који подстичу бум од трилиона долара. Паралеле са дот-ком балоном и финансијском кризом из 2008. године су несумњиве: непрозирни и неконвенционални механизми финансирања које је инвеститорима тешко разумети и проценити.

Овоме се додаје концентрација капитала. „Величанствених седам“, седам највећих америчких технолошких компанија, повећало је потрошњу енергије за 19 процената у 2023. години, док је средња потрошња компанија из S&P 500 индекса стагнирала. Приближно 80 процената добитака на берзи у САД у 2025. години приписује се компанијама повезаним са вештачком интелигенцијом. Само Nvidia је постала најкупљенија акција од стране малих инвеститора, који су уложили скоро 30 милијарди долара у произвођача чипова у 2024. години.

Ова екстремна концентрација носи системске ризике. Ако се очекивања приноса покажу нереалним, пад тржишта би могао имати далекосежне последице. JPMorgan процењује да би само емисије обвезница инвестиционог ранга повезаних са вештачком интелигенцијом могле достићи 1,5 билиона долара до 2030. године. Велики део овог дуга заснива се на претпоставци да ће системи вештачке интелигенције генерисати огромна повећања продуктивности. Уколико се ово очекивање не оствари, назире се кредитна криза.

У вези са овим:

• Мета се клади на суперинтелигенцију: милијарде инвестиција, мега центре података и ризичну трку вештачке интелигенције

Рат талената и друштвени превирања

Економске тензије се манифестују и на тржишту рада. Однос отворених позиција за вештачку интелигенцију и квалификованих кандидата је 3,2 према 1. Постоји 1,6 милиона отворених позиција, али само 518.000 квалификованих кандидата. Овај екстремни недостатак доводи плате до астрономских висина. Специјалисти за вештачку интелигенцију могу додати десетине хиљада долара својим годишњим приходима стицањем вештина у Пајтону, ТензорФлоуу или специјализованим оквирима за вештачку интелигенцију.

Конкуренција је брутална. Велике технолошке компаније, добро финансирани стартапови, па чак и владе се боре за исту малу групу стручњака. OpenAI је последњих месеци доживео егзодус руководилаца, укључујући суоснивача Иљу Суцкевера и главну технолошку директорку Миру Мурати. Многи од ових талентованих појединаца покрећу сопствене стартапове или прелазе код конкуренције. Meta агресивно регрутује из OpenAI-ја, Anthropic-а и Google-а. Anthropic регрутује из Meta-е и OpenAI-ја.

Ова динамика има неколико последица. Прво, фрагментира истраживачки пејзаж. Уместо да раде на заједничким циљевима, мали тимови у различитим организацијама се такмиче за исте продоре. Друго, повећава трошкове. Огромне плате за стручњаке за вештачку интелигенцију су одрживе само за добро капитализоване компаније, што искључује мање играче са тржишта. Треће, одлаже пројекте. Компаније извештавају да отворена радна места остају непопуњена месецима, што ремети временске оквире развоја.

Друштвене импликације се протежу далеко изван технолошког сектора. Ако вештачка интелигенција заиста представља следећу индустријску револуцију, онда је масовни преокрет на тржишту рада неизбежан. За разлику од прве индустријске револуције, која је првенствено утицала на физички рад, вештачка интелигенција циља когнитивне задатке. Нису угрожени само једноставан унос података и корисничка подршка, већ потенцијално и висококвалификоване професије попут програмера, дизајнера, адвоката и новинара.

Студија индустрије управљања инвестицијама предвиђа пад удела прихода заснованог на раду од пет процената због вештачке интелигенције и великих података. Ово је упоредиво са променама током индустријске револуције, које су изазвале пад од пет до 15 процената. Кључна разлика: тренутна трансформација се одвија годинама, а не деценијама. Друштва имају мало времена за прилагођавање.

Израчунавање током тестирања и промена парадигме

Док закони скалирања за претходну обуку достижу своје границе, појавила се нова парадигма: скалирање рачунарских ресурса током тестирања. OpenAI-јеви o1 модели показали су да су значајна побољшања перформанси могућа улагањем веће рачунарске снаге током закључивања. Уместо једноставног повећања величине модела, ови системи омогућавају моделу да дуже размишља о упиту, да користи више приступа за његово решавање и да самостално проверава своје одговоре.

Међутим, истраживања показују да ова парадигма такође има ограничења. Секвенцијално скалирање, у којем модел више пута понавља исти проблем, не доводи до континуираног побољшања. Студије на моделима попут Deepseeks R1 и QwQ показују да дужи процеси размишљања не производе аутоматски боље резултате. Често модел исправља тачне одговоре на нетачне, а не обрнуто. Капацитет саморевизије неопходан за ефикасно секвенцијално скалирање није довољно развијен.

Паралелно скалирање, где се истовремено генерише више решења и бира се најбоље, показује боље резултате. Међутим, и овде се маргинална корист смањује са сваким удвостручавањем уложене рачунарске снаге. Исплативост брзо опада. За комерцијалне апликације које треба да одговоре на милионе упита дневно, трошкови су превисоки.

Прави пробој би могао да лежи у комбиновању различитих приступа. Хибридне архитектуре које комбинују Трансформерсе са Моделима простора стања обећавају да ће ујединити снаге оба. Модели простора стања попут Мамбе нуде линеарно скалирање у закључивању, док Трансформерси истичу се у хватању дугорочних зависности. Такви хибридни системи би могли да ребалансирају једначину цене и квалитета.

Алтернативне архитектуре и будућност после Трансформерса

Уз светске моделе, појављује се низ алтернативних архитектура које би могле да оспоре доминацију Трансформерса. Модели простора стања су остварили значајан напредак последњих година. S4, Mamba и Hyena показују да је ефикасно дугоконтекстуално резоновање са линеарном сложеношћу могуће. Док се Трансформерси скалирају квадратично са дужином секвенце, SSM-ови постижу линеарно скалирање и у обуци и у закључивању.

Ова повећања ефикасности могу бити кључна када се системи вештачке интелигенције примењују у производним окружењима. Трошкови инференције су често потцењивани. Обука је једнократна инвестиција, али инференција се одвија континуирано. ChatGPT никада није ван мреже. Са милијардама дневних упита, чак и мала побољшања ефикасности доводе до огромних уштеда трошкова. Модел који захтева половину рачунарске снаге за исти квалитет има огромну конкурентску предност.

Изазов лежи у сазревању ових технологија. Трансформатори имају предност од скоро осам година и огроман екосистем алата, библиотека и стручности. Алтернативне архитектуре морају бити не само технички супериорне већ и практично употребљиве. Историја технологије је пуна технички супериорних решења која су пропала на тржишту јер је екосистем недостајао.

Занимљиво је да се кинеска конкуренција такође ослања на алтернативне приступе. DeepSeek V3, модел отвореног кода са 671 милијардом параметара, користи архитектуру мешавине стручњака у којој се активира само 37 милијарди параметара по токену. Модел постиже упоредиве перформансе са западним конкурентима у бенчмарковима, али је обучен уз делић трошкова. Време обуке је било само 2,788 милиона сати H800 GPU-а, што је знатно мање од упоредивих модела.

Овај развој догађаја показује да технолошко лидерство не мора нужно да припада финансијски најмоћнијим играчима. Паметне архитектонске одлуке и оптимизације могу надокнадити предности у ресурсима. За глобални пејзаж вештачке интелигенције, то значи све већу мултиполарност. Кина, Европа и други региони развијају сопствене приступе који нису само копије западних модела.

Поновна процена и неизбежни мамурлук

Конвергенција свих ових фактора указује на предстојећу репроцену индустрије вештачке интелигенције. Тренутне процене се заснивају на претпоставци континуираног експоненцијалног раста, како у перформансама модела, тако и у комерцијалном усвајању. Обе претпоставке постају све упитније. Перформансе модела стагнирају, док трошкови настављају да расту. Иако комерцијално усвајање расте, монетизација остаје изазовна.

ОпенАИ, са својом проценом од пола билиона долара, морао би да порасте на најмање 100 милијарди долара годишњег прихода и да постане профитабилан у наредним годинама да би оправдао своју процену. То би значило десетоструко повећање за само неколико година. Поређења ради, Гуглу је требало више од деценије да порасте са 10 милијарди долара на 100 милијарди долара прихода. Очекивања за компаније које се баве вештачком интелигенцијом су нереално висока.

Аналитичари упозоравају на потенцијално пуцање балона вештачке интелигенције. Паралеле са дот-ком балоном су очигледне. Тада, као и сада, постоји револуционарна технологија са огромним потенцијалом. Тада, као и сада, постоје ирационално надуване процене и кружне структуре финансирања. Тада, као и сада, инвеститори оправдавају апсурдне процене тврдећи да ће технологија све променити и да традиционалне метрике процене више нису применљиве.

Кључна разлика: За разлику од многих дот-ком компанија, данашње фирме за вештачку интелигенцију заправо имају производе који раде и имају стварну вредност. ChatGPT није „вапорвер“, већ технологија коју милиони људи користе свакодневно. Питање није да ли је вештачка интелигенција вредна, већ да ли је довољно вредна да оправда тренутне процене. Одговор је највероватније не.

Када дође до ревалоризације, биће болна. Фондови ризичног капитала су уложили 70 процената свог капитала у вештачку интелигенцију. Пензиони фондови и институционални инвеститори су масовно изложени. Значајан пад процена вредности вештачке интелигенције имао би далекосежне финансијске последице. Компаније које се ослањају на јефтино финансирање изненада би имале потешкоћа у прикупљању капитала. Пројекти би били заустављени, а запослени би били отпуштени.

Дугорочна перспектива и пут напред

Упркос овим мрачним краткорочним изгледима, дугорочни потенцијал вештачке интелигенције остаје огроман. Тренутна помпе не мења фундаментални значај технологије. Питање није да ли ће вештачка интелигенција испунити своје обећање, већ како и када ће. ЛеКунов прелазак са краткорочног развоја производа на дугорочна фундаментална истраживања показује пут.

Следећа генерација вештачке интелигенције (AI) ће вероватно изгледати другачије од данашњих LLM-ова. Комбиноваће елементе светских модела, алтернативних архитектура и нових парадигми обуке. Мање ће се ослањати на скалирање грубом силом, а више на ефикасне, структуриране репрезентације. Учиће из физичког света, не само из текста. И разумеће узрочност, не само корелације.

Међутим, ова визија захтева време, стрпљење и слободу спровођења фундаменталних истраживања. Управо ове услове је тешко пронаћи у тренутном тржишном окружењу. Притисак да се постигне брз комерцијални успех је огроман. Квартални извештаји и рунде евалуације доминирају дневним редом. Дугорочне истраживачке програме, којима могу бити потребне године да би се дали резултати, тешко је оправдати.

Лекунова одлука да оснује стартап са 65 година је изванредна изјава. Могао је да се пензионише са свим почастима и загарантованим местом у историји. Уместо тога, изабрао је трновит пут остваривања визије коју је мејнстрим индустрије одбацио. Мета ће остати партнер, што значи да ће његова компанија имати ресурсе, барем у почетку. Али њен прави успех зависиће од тога да ли ће у наредним годинама моћи да покаже да је напредна машинска интелигенција заиста супериорна.

Трансформација ће трајати годинама. Чак и ако је ЛеКун у праву и ако су светски модели фундаментално супериорни, они и даље морају бити развијени, оптимизовани и индустријализовани. Екосистем треба изградити. Програмери морају научити како да користе нове алате. Компаније морају да мигрирају са мастер студија на нове системе. Ове прелазне фазе су историјски увек биле болне.

Од рекламе до стварности: Дугорочни ток деловања у вештачкој интелигенцији

Јанов ЛеКунов одлазак из Мете означава више од пуке кадровске промене. Он симболизује фундаменталну тензију између научне визије и комерцијалног прагматизма, између дугорочних иновација и краткорочних тржишних захтева. Тренутна револуција вештачке интелигенције је на прекретници. Лаки успеси скалирања су исцрпљени. Следећи кораци биће тежи, скупљи и неизвеснији.

За инвеститоре, то значи да претерано високе вредности тренутних шампиона вештачке интелигенције морају бити критички испитане. За компаније, то значи да би нада у брза чуда продуктивности кроз вештачку интелигенцију могла бити изневерена. За друштво, то значи да ће трансформација бити спорија и неравномернија него што талас хајпа сугерише.

Истовремено, темељ остаје чврст. Вештачка интелигенција није пролазни тренд, већ фундаментална технологија која ће дугорочно трансформисати практично све секторе економије. Паралеле са индустријском револуцијом су прикладне. Као и тада, биће победника и губитника, ексцеса и корекција, преокрета и прилагођавања. Питање није да ли је архитектура трансформатора достигла крај својих могућности, већ како ће изгледати следећа фаза и ко ће је обликовати.

Лекунова опклада на напредну машинску интелигенцију и светске моделе је смела, али би се могла показати далековидом. За пет година ћемо знати да ли је одвајање од мејнстрима била исправна одлука или је индустрија остала на курсу. Наредне године биће кључне за дугорочни развој вештачке интелигенције и, последично, за економску и друштвену будућност.

Фокус индустрије: B2B, дигитализација (од AI до XR), машинство, логистика, обновљиви извори енергије и индустрија

Више информација овде:

• Експертски пословни центар

Тематски центар који нуди увиде и стручност:

• Платформа знања која покрива глобалне и регионалне економије, иновације и трендове специфичне за индустрију
• Збирка анализа, увида и основних информација из наших кључних области фокуса
• Место за стручност и информације о актуелним дешавањима у пословању и технологији
• Чвориште за компаније које траже информације о тржиштима, дигитализацији и иновацијама у индустрији

☑️ Наш пословни језик је енглески или немачки

☑️ НОВО: Преписка на вашем матерњем језику!

 

Ја и мој тим смо срећни што вам можемо бити на располагању као ваш лични саветник.

Можете ме контактирати попуњавањем контакт форме овде wolfenstein@xpert.digital:или ме једноставно позовите на +49 7348 4088 965. Моја имејл адреса је

Радујем се нашем заједничком пројекту.

 

 

☑️ Подршка малим и средњим предузећима у стратегији, консултацијама, планирању и имплементацији

☑️ Креирање или реорганизација дигиталне стратегије и дигитализације

☑️ Проширење и оптимизација међународних продајних процеса

☑️ Глобалне и дигиталне B2B платформе за трговање

☑️ Пионирски развој пословања / Маркетинг / Односи с јавношћу / Сајмови

Xpert.Digital поседује дубинско знање у различитим индустријама. То нам омогућава да развијемо прилагођене стратегије прецизно усклађене са захтевима и изазовима вашег специфичног тржишног сегмента. Континуираном анализом тржишних трендова и праћењем развоја у индустрији, можемо деловати проактивно и понудити иновативна решења. Комбинација искуства и стручности ствара додатну вредност и пружа нашим клијентима одлучујућу конкурентску предност.

Више информација овде:

• Искористите предности 5 области стручности компаније Xpert.Digital у једном пакету – већ од 500 евра месечно