Ove godine objavljeni izvještaj sadrži zapanjujuće statistike. Mnogi od tih podataka potvrđuju osjećaj da Sjedinjene Američke Države intenzivnije rade na AI nego bilo koja druga zemlja: trenutno imaju 5,427 podatkovnih centara (i broj raste). To je više od deset puta nego bilo koja druga zemlja.
Izvještaj također podsjeća da opskrbni lanac hardvera na kojem AI industrija ovisi ima nekoliko značajnih uskih grla. Najzanimljivija činjenica je: “Jedna tvrtka, TSMC, proizvodi gotovo svaki vodeći AI čip, čineći globalni opskrbni lanac AI hardvera ovisnim o jednoj tvornici na Tajvanu.” Jedna tvornica! To je nevjerojatno.
Glavna lekcija koju mogu izvući iz AI Indeksa za 2026. godinu je da je stanje AI trenutno ispunjeno proturječnostima. Kao što je moja kolegica Michelle Kim danas zapisala u svom članku o izvještaju: “Ako pratite vijesti o AI, vjerojatno dobijate vrtoglavicu. AI je zlatna groznica. AI je balon. AI uzima vaša radna mjesta. AI ne može ni pročitati sat.” (Izvještaj sa Stanforda navodi da je najbolji model rasuđivanja Google DeepMind-a, Gemini Deep Think, osvojio zlatnu medalju na Međunarodnoj matematičkoj olimpijadi, ali često ne može pročitati analognu sat.) Michelle je izvrsno obradila naglaske izvještaja. No, želio bih se zadržati na pitanju koje ne mogu zaboraviti. Zašto je tako teško točno znati što se trenutno događa s AI?
Najveća razlika čini se da postoji između stručnjaka i laika. “Stručnjaci za AI i opća javnost vrlo različito gledaju na putanju ove tehnologije,” pišu autori AI Indeksa. “U procjeni utjecaja AI na radna mjesta, 73% američkih stručnjaka ima pozitivno mišljenje, u usporedbi s samo 23% javnosti, što je razlika od 50 postotnih bodova. Slične razlike pojavljuju se i u vezi s ekonomijom i zdravstvenom njegom.” To je ogromna razlika. Što se događa? Što stručnjaci znaju što javnost ne zna? (“Stručnjaci” ovdje se odnose na istraživače sa sjedištem u SAD-u koji su sudjelovali na AI konferencijama 2023. i 2024. godine.)
Sumnjam da dio onoga što se događa leži u tome što se stručnjaci i laici oslanjaju na vrlo različita iskustva. “Razina do koje ste impresionirani AI-jem savršeno je povezana s time koliko često koristite AI za kodiranje,” napisao je jedan programer na X-u. Možda je to rečeno s dozom ironije, ali u tome definitivno ima nečega.
Najnoviji modeli iz vrhunskih laboratorija sada su bolji nego ikad u proizvodnji koda. Budući da tehnički zadaci poput kodiranja imaju ispravne ili pogrešne rezultate, lakše je obučiti modele za obavljanje tih zadataka, u usporedbi s zadacima koji su otvoreniji. Štoviše, modeli koji mogu kodirati pokazuju se profitabilnima, pa kreatori modela ulažu resurse u njihovo poboljšanje. To znači da ljudi koji koriste te alate za kodiranje ili druge tehničke poslove doživljavaju ovu tehnologiju u najboljem svjetlu. Izvan tih slučajeva, rezultati su mješoviti. LLM-ovi i dalje čine glupe greške. Ovaj fenomen postao je poznat kao “nazubljena granica”: modeli su vrlo dobri u obavljanju nekih zadataka, a manje dobri u drugim.
Utjecajni istraživač AI-a Andrej Karpathy također je imao neka razmišljanja. “Sudeći prema mom [timu], postoji sve veća razlika u razumijevanju sposobnosti AI-a,” napisao je u odgovoru na taj post na X-u. Primijetio je da moćni korisnici (čitaj: ljudi koji koriste LLM-ove za kodiranje, matematiku ili istraživanje) ne samo da prate najnovije modele, već često plaćaju 200 dolara mjesečno za najbolje verzije. “Nedavna poboljšanja u ovim domenama ove godine bila su zapanjujuća,” nastavio je.
Budući da se LLM-ovi i dalje brzo poboljšavaju, netko tko plaća korištenje Claude Code-a u biti koristi drugačiju tehnologiju od onoga tko je pokušao koristiti besplatnu verziju Claude-a za planiranje vjenčanja prije šest mjeseci. Te dvije skupine razgovaraju mimo jedne druge.
Gdje nas to ostavlja? Mislim da postoje dvije stvarnosti. Da, AI je daleko bolji nego što mnogi ljudi shvaćaju. I da, još uvijek je prilično loš u mnogim stvarima koje mnoge ljude zanimaju (i tako bi moglo ostati). Svi koji ulažu u budućnost s bilo koje strane trebali bi imati to na umu.
