Kada Sam Altman kaže da OpenAI "radi na AGI-ju", kada tvrtka predstavlja novi "agentski" sustav ili kada marketinški tim govori o "generativnoj umjetnoj inteligenciji" - što to zapravo znači?
Terminologija oko umjetne inteligencije postala je zbunjujuća čak i profesionalcima u industriji, a razlike među tim pojmovima nisu samo semantičke – one označavaju temeljno različite pristupe i mogućnosti. Zato smo pripremili ovaj tekst kako bismo vam približili sve ove pojmove.
Specijalizirana umjetna inteligencija: ono što već koristimo
Većina današnjih sustava umjetne inteligencije spada u kategoriju uske ili specijalizirane umjetne inteligencije (engl. artificial narrow intelligence - ANI). Prema definiciji IBM-a, ti su sustavi dizajnirani za izvršavanje specifičnih zadataka unutar unaprijed definiranih parametara.
Primjeri su posvuda: preporuke na Netflixu, prepoznavanje lica na mobitelu, glasovni asistenti poput Siri ili Alexe, sustavi za autonomnu vožnju. Svaki od njih iznimno je dobar u svojem području, ali ne može raditi ništa izvan toga. Sustav koji vozi automobil ne može napisati pjesmu. Algoritam koji preporučuje filmove ne može dijagnosticirati bolest.
Ta uska specijalizacija najveća je prednost, ali i najveće ograničenje današnje umjetne inteligencije. Sustavi su pouzdani i učinkoviti u svojoj domeni, ali nemaju fleksibilnost ljudske inteligencije.
Depositphotos
Generativna umjetna inteligencija: stvaranje umjesto klasifikacije
Generativna umjetna inteligencija (engl. generative AI –-GenAI) predstavlja pomak od analize prema stvaranju. Prema istraživačima MIT-a, tradicionalni sustavi strojnog učenja fokusirali su se na klasifikaciju podataka, primjerice prepoznavanje mačke na fotografiji. Generativna umjetna inteligencija ide korak dalje: ne samo da prepoznaje mačku, nego može stvoriti potpuno novu sliku mačke koja nikada nije postojala.
ChatGPT, DALL-E, Midjourney, Claude... Sve su to primjeri generativnih sustava. Oni koriste velike jezične modele (engl. large language models - LLM) trenirane na ogromnim količinama podataka kako bi stvarali novi sadržaj: tekst, slike, kod, glazbu, video.
Način na koji rade temelji se na predviđanju. Model je naučio obrasce iz podataka na kojima je treniran i koristi ih kako bi predvidio što bi trebalo uslijediti. Kada pitate ChatGPT nešto, on ne zna odgovor u ljudskom smislu - on generira tekst koji je statistički najvjerojatniji na temelju podataka koje je vidio tijekom treniranja i ogromne baze znanja kojom raspolaže.
Ključna inovacija koja je omogućila generativnu umjetnu inteligenciju nove su arhitekture neuronskih mreža. Pojednostavljeno: sustav uči kako nešto izgleda (primjerice milijuni slika mačaka) i zatim može stvoriti novu sliku mačke koja izgleda stvarno, iako nikada nije postojala. Slično je i s tekstom – sustav uči kako ljudi pišu i zatim može pisati poput čovjeka. No generativna umjetna inteligencija još je uvijek reaktivna. Odgovara na upite, ne djeluje samostalno. Zato na scenu stupaju agenti.
Depositphotos
Agentska umjetna inteligencija: autonomija s ciljem
Agentska umjetna inteligencija (engl. agentic AI) predstavlja sljedeći korak: sustav koji ne samo da stvara sadržaj, nego i djeluje autonomno kako bi postigao cilj.
Dok generativna umjetna inteligencija poput ChatGPT-a čeka da joj postavite upit, agentski sustav može sam planirati, izvršavati zadatke i prilagođavati se promjenama bez stalnog ljudskog nadzora.
Primjer: zamislite da od sustava tražite organizaciju poslovnog puta. Generativna umjetna inteligencija može napisati email s prijedlozima letova. Agentska umjetna inteligencija može sama rezervirati letove i hotel, unajmiti automobil, uskladiti sastanke prema kalendarima sudionika, prilagoditi raspored ako let kasni i automatski obavijestiti sve uključene – sve to uz praćenje budžeta i vaših preferencija.
Agentski sustavi rade kroz četiri faze: prikupljanje podataka (što se događa), analiza situacije (što to znači), donošenje i provođenje odluke (što učiniti) te učenje (kako sljedeći put biti bolji). Mogu se povezati s alatima, bazama podataka i drugim sustavima kako bi dobili informacije u stvarnom vremenu i donosili odluke.
Ključna je razlika između generativne i agentske umjetne inteligencije autonomija. Generativna umjetna inteligencija alat je koji čeka upute. Agentska umjetna inteligencija sustav je koji razumije cilj i samostalno određuje kako do njega doći.
OpenAI je krajem 2024. predstavio Operator, agentski sustav koji može koristiti mrežni pretraživač, otvarati stranice, ispunjavati formulare i izvršavati radnje u ime korisnika. Perplexity je lansirao Comet, sustav koji može automatizirati mrežne zadatke.
AGI: teorijska umjetna inteligencija na razini čovjeka
Opća umjetna inteligencija (engl. artificial general intelligence - AGI) teorijski je sustav koji bi imao kognitivne sposobnosti usporedive s ljudskima u bilo kojem zadatku. Prema McKinseyju, AGI bi mogao razumjeti, učiti i primjenjivati znanje u različitim područjima, baš kao i mi.
Za razliku od uske umjetne inteligencije koja je izvrsna u jednom zadatku, AGI bi bio kompetentan u svima. Mogao bi voziti automobil, pisati poeziju, dijagnosticirati bolest, programirati softver, učiti novi jezik i stvarati znanstvene teorije – sve to bez posebnog treniranja za svaki zadatak.
Prema mnogim izvorima, stvaranje AGI-ja primarni je cilj istraživanja u tvrtkama poput OpenAI-ja, Googlea, xAI-ja i Mete.
No što se točno kvalificira kao AGI i dalje je predmet rasprave. AGI bi morao moći rezonirati, koristiti strategije, rješavati probleme pod neizvjesnošću, predstavljati znanje uključujući zdrav razum, planirati, učiti i komunicirati prirodnim jezikom.
Današnji sustavi poput GPT-a ili Claudea nisu AGI. Iako imaju impresivne mogućnosti, oni ne mogu samostalno učiti nove zadatke izvan domena svojeg treniranja, ne razumiju uzrok i posljedicu kao ljudi i nemaju opće razumijevanje svijeta.
Vremenske procjene razvoja AGI-ja vrlo su različite. Neki istraživači predviđaju ga u kasnim 2020-ima, drugi sredinom stoljeća, dok neki tvrde da možda nikada neće biti postignut.
U siječnju 2025. izvršni direktor OpenAI-ja Ilya Sutskever tvrdio je da je njihov najnoviji model O3 dosegnuo "rani AGI", sposoban nadmašiti većinu ljudi u većini zadataka. Kritičari smatraju da, iako modeli pokazuju iznimnu svestranost, još ne ispunjavaju tradicionalne kriterije AGI-ja.
Depositphotos
Zašto su te razlike važne
Razumijevanje tih razlika nije akademska vježba.
Uska umjetna inteligencija pouzdana je u specifičnim zadacima, ali zahtijeva ljudsku inteligenciju za povezivanje različitih sustava.
Generativna umjetna inteligencija ubrzava stvaranje sadržaja, ali zahtijeva ljudsko usmjeravanje i provjeru.
Agentska umjetna inteligencija može autonomno izvršavati složene procese, ali zahtijeva pažljivo postavljanje ciljeva i granica.
AGI, ako i kada stigne, predstavljat će fundamentalnu promjenu u odnosu čovjeka i stroja.
Za kompanije iz Adria regije koje razmatraju uvođenje umjetne inteligencije, terminologija je iznimno važna. Sustav koji kreira emailove (generativna umjetna inteligencija) temeljno je različit od sustava koji autonomno upravlja cijelim procesom kupnje (agentska umjetna inteligencija), a oba su vrlo daleko od sustava koji bi mogao raditi bilo koji posao u tvrtki bez treniranja (AGI).
Trenutno živimo u eri generativne umjetne inteligencije, uz prve komercijalne agentske sustave. AGI ostaje horizont prema kojem se kreće istraživanje - neki ga očekuju kroz 20 godina, drugi kroz 100, a neki smatraju da možda nikada neće biti postignut. No bez obzira na tempo, razumijevanje tih razlika ključno je za svakoga tko radi s umjetnom inteligencijom ili planira u nju ulagati.
.webp){kind=icon}
