Kako funkcionira umjetna inteligencija? Principi bez složene teorije

Ponekad AI odgovori tako precizno da ostanete bez riječi. Drugi put samouvjereno navede činjenicu koja nikad nije ni postojala.

To nije slučajnost. To nije greška u kodu. To je izravna posljedica toga, kako umjetna inteligencija funkcionira.

Čim to shvatite, AI će prestati biti crna kutija. Počet ćete razumjeti zašto se ponaša kako se ponaša — i kako s njom raditi daleko učinkovitije. (Ako tek počinjete, najprije pročitajte što je zapravo umjetna inteligencija.)

Kako se AI zapravo uči?

Najjednostavniji odgovor: AI se uči tako što vidi ogromnu količinu primjera.

Zamislite malo dijete koje uči jezik. Ne sjedi s udžbenikom gramatike. Jednostavno čuje milijune rečenica — od roditelja, s televizije, od prijatelja — i postupno razvija unutarnji osjećaj za ono što „zvuči ispravno”. Nitko mu nije objasnio pravilo o sklanjanju, ali dijete ga prije ili kasnije savlada. Jer je uzorak vidjelo tisuću puta.

AI funkcionira na istom principu — samo u neusporedivo većem mjerilu.

Umjesto milijuna rečenica obrađuje stotine milijardi tekstova: knjige, web stranice, znanstvene članke, forume, razgovore. Umjesto godina djetinjstva to postigne za tjedne na snažnom hardveru. I umjesto jednog mozga ima na raspolaganju mrežu milijardi virtualnih „prekidača” koji se pri svakom primjeru malo preštimaju.

Ovaj proces naziva se treniranje. Njegov rezultat je model — skup naučenih uzoraka koji zatim odgovara na vaša pitanja.

Što su uzorci i zašto su važni?

AI ne razumije riječi onako kako ih vi razumijete. Ne zna što je bol, radost ni kiša — nikad ih nije doživjela.

Ono što zna jest prepoznavati statističke uzorke. Kad vidi riječ „kiša”, zna — na temelju milijardi primjera — da iza nje vjerojatno dolazi „mokro”, „kišobran” ili „oblačno”. Ne zato što razumije vrijeme, već zato što je te kombinacije vidjela iznova i iznova.

Zahvaljujući tome AI može:

• Dovršiti rečenicu na prirodan i gramatički ispravan način
• Prevesti tekst, a da „ne zna” što riječi znače
• Napisati e-mail u profesionalnom tonu, jer je vidjela milijune takvih e-mailova
• Odgovoriti na stručno pitanje — ako je slično pitanje i odgovor postojalo u podacima za treniranje

Ključno: AI uvijek generira najvjerojatniji odgovor — ne nužno onaj istinit.

Što je neuronska mreža?

Riječ „neuronska” zvuči složeno. U stvarnosti se radi o elegantnoj analogiji.

Ljudski mozak sastoji se od neurona — stanica koje međusobno šalju signale. Kad naučite novu vještinu, dijelovi neurona jače se povežu, drugi oslabe. Ponavljanje učvršćuje te veze.

Umjetna neuronska mreža funkcionira slično, samo digitalno. Sastoji se od slojeva matematičkih „čvorova” koji si međusobno prosljeđuju brojeve. Svaka veza ima određenu težinu — broj koji govori koliko je određena informacija važna.

Tijekom treniranja te se težine neprestano prilagođavaju. Dobije li model pogrešan odgovor, algoritam prolazi natrag kroz mrežu i blago mijenja težine. Ovaj ciklus — povratno širenje pogreške — ponavlja se milijardama puta dok model ne dostigne prihvatljivu točnost.

Na kraju nastaje spletenost milijardi težina koja zna raditi stvari koje nitko nije eksplicitno programirao.

Ovaj porast nije nastao prepisivanjem pravila. Nastao je time što su modeli vidjeli više podataka i trenirali na snažnijem hardveru — nikakve magije, samo čista matematika i obujam.

Zašto AI ponekad odgovori izvrsno, a ponekad izmišlja?

Ovdje dolazimo do najvažnije osobine o kojoj biste trebali znati: halucinacijama.

Halucinacija je situacija u kojoj AI navodi informaciju samouvjereno i uvjerljivo — ali činjenično netočno. Izmisli autora knjige, datum događaja ili citat istraživanja koje nikad nije nastalo.

Zašto se to događa? Jer AI uvijek generira najvjerojatniji nastavak. Ako je upitate nešto što u podacima za treniranje nije bilo dobro zastupljeno, AI će svejedno odgovoriti — šutnja naime nije dio njezina repertoara. Odabire uzorke koji se kontekstu najbolje uklapaju. A ti uzorci mogu dovesti do ispravnog i neispravnog rezultata, pri čemu AI u oba slučaja zvuči jednako sigurno.

• ✅ Pouzdano područje: zadaci s konzistentnim podacima — prijevod, pisanje, sažimanje, programiranje
• ⚠️ Oprezno: konkretni brojevi, citati, manje poznate činjenice
• ❌ Uvijek provjerite: aktualni događaji, specifične statistike, stručni pravni ili medicinski detalji

Pravilo za rad s AI: što specifičnije činjenice trebate, tim ih temeljitije provjerite iz primarnih izvora. Gdje i kako provjeravati — i što u AI naprotiv ne spada — obrađuje članak Sigurno korištenje AI.

Zašto AI „zaboravlja”?

Još jedno svojstvo koje iznenađuje početnike: AI ne pamti ništa između pojedinih razgovora.

Svaki novi chat počinje kao čisti list. AI ne zna o čemu ste razgovarali prošli tjedan. Ne pamti vaše ime, ako joj ga ne kažete ponovno.

Razlog je tehnički: AI ne radi s trajnom memorijom. Radi s kontekstnim prozorom — tekstom trenutačnog razgovora. Što je u kontekstu, AI vidi. Što je izvan konteksta, ne postoji.

Moderni modeli imaju kontekstni prozor velik desetke tisuća riječi, pa u okviru jednog razgovora pamte cijelu povijest. Ali čim zatvorite chat, sve nestaje.

Za svakodnevnu upotrebu to obično ne smeta — svaki je zadatak ionako drugačiji. Ali dobro je znati zašto se AI ponekad ponaša kao da vas vidi prvi put.

Što to u praksi znači za vas kao korisnika?

Čim shvatite mehanizam, počet ćete AI koristiti drugačije — i bolje.

Najbolji način da to shvatite u praksi? Isprobajte sami — postavite pitanje, preformulirajte ga, pratite kako se mijenja odgovor.

Testirajte se: Razumijete li kako AI funkcionira?

Sad kad znate kako AI funkcionira ispod haube, prirodno se nameće pitanje: što od toga realno može — i gdje pouzdano zakazuje? Odgovore ćete naći u članku Što AI zna i ne zna.