Kada mašina počne da misli, eksperimentiše i zaključuje sama
Zamislite da ujutru otvorite laptop i vidite da je vaš AI sistem – dok ste spavali – rešio kompleksan istraživački problem, osmislio eksperiment, analizirao podatke iz više oblasti i predložio rešenja na koja vi niste ni pomislili. Pre godinu-dve to bi zvučalo kao scenario iz naučne fantastike. Danas je to aktivno razvojni cilj jedne od najmoćnijih tehnoloških kompanija na svetu.
I to nije jedina kompanija koja radi na tome.
OpenAI i novi „polarni zvezda“ razvoja
OpenAI je, prema dostupnim informacijama, preusmerio svoj ceo strateški fokus ka jednom ambicioznom cilju: izgradnji potpuno automatizovanog AI istraživača. Ne još jednog chatbota. Ne boljeg asistenta za kodiranje. Već autonomnog sistema koji može da preuzme složene probleme, razbije ih na podzadatke, radi nezavisno danima i isporuči smislene rezultate.
Ovo nije marketinška retorika. Ovo je razvojna mapa sa konkretnim rokovima:
-
Kratkoročno (do septembra 2026) – AI koji funkcioniše kao istraživački intern
-
Srednjoročno (naredne par godina) – sposobniji autonomni agenti sa širim kompetencijama
-
Do 2028. godine – potpuno automatizovani multi-agent AI istraživački sistemi
Tri godine. Toliko je ostalo do onoga što bi, u kontekstu nauke, moglo biti najveća promena od Gutenbergove štamparije.
Od ChatGPT-a do mašine koja sama otkriva
Evolucija AI sistema u poslednjih nekoliko godina ide jednom jasnom putanjom: od jezičkog razumevanja, preko korak-po-korak rezonovanja, do izvršavanja zadataka u realnom svetu.
Sledeći skok je radikalniji od svih prethodnih: AI koji ne samo da odgovara na pitanja ili piše kod – već koji misli, deluje, iterira i pamti tokom dugog vremenskog perioda. Koji formuliše hipoteze, dizajnira eksperimente, analizira rezultate i predlaže sledeći korak, sve to bez čoveka u petlji.
Alati poput Codex-a već su izmenili način na koji inženjeri rade – umesto da sami pišu kod, oni sada upravljaju AI agentima koji pišu kod umesto njih. Ono što dolazi je isti principijalni pomak, samo primenjen na čitave naučne discipline.
Vizija OpenAI-a može se sažeti u jednu rečenicu koja nije preterivanje: istraživačka laboratorija unutar data centra – sistem koji može da vodi celokupni naučni program autonomno, bez zamora, bez vremenskih ograničenja, sa paralelnim rešavanjem problema.
Nauka se već menja – tiho, ali brzo
Nije potrebno čekati 2028. Signali su već tu, i to na više fronova.
Časopis Nature je u februaru 2026. objavio tekst pod naslovom „AI preti naučnim poslovima – koji su najviše ugroženi?“, zasnovan na intervjuima sa više od četrdeset istraživača. Zaključak: pozicije koje se bave analizom podataka i modelovanjem već postaju zastarele, dok su istraživači koji rade eksperimentalni rad u laboratoriji za sada relativno bezbedni.
Xuanhe Zhao, mašinski inženjer sa MIT-a, izjavio je da se zastarevanje ulaznih računarskih pozicija već dešava jer AI nadmašuje mlađe naučnike u tim zadacima. Hannah Wayment-Steele, računarska biologkinja sa Univerziteta Wisconsin-Madison, potvrdila je da više ne vidi potrebu za zapošljavanjem istraživačkog programera – poziciju koju bi pre pet godina smatrala apsolutno neophodnom.
I to nije sve. Prema podacima Columbia univerziteta, 30% naučnika već potajno koristi AI alate kao što je ChatGPT u svom radu. Istraživači koji koriste AI pomoć prave čak 44% više otkrića – ali izražavaju manje zadovoljstvo svojim rezultatima. Ta ambivalencija govori mnogo: produktivnost raste, ali nešto suštinsko – osećaj autorstva, kreativnog vlasništva nad istraživanjem – bledi.
Paradoks: AI koji uči od naučnika koje zamenjuje
Postoji jedna strukturno ironična situacija u kojoj se nauka trenutno nalazi, a retko ko o njoj govori otvoreno.
Platforme kao što su Outlier AI, DataAnnotation i TELUS Digital angažuju stručnjake sa doktoratom upravo da proveravaju, evaluiraju i poboljšavaju rezultate koje AI generiše – sa satnicama između 25 i 120 dolara, zavisno od oblasti.
Drugim rečima: isti AI sistemi koji smanjuju potražnju za mlađim naučnicima u laboratorijama zahtevaju starije naučnike da verifikuju da njihovi rezultati nisu halucinacija.
A znanje koje se koristi za treniranje tih AI sistema akumulirano je upravo kroz onaj tip učenja po modelu šegrtovanja koji AI sada eliminiše.
Ovo nije samo etički problem. Ovo je sistemski problem: ako AI preuzme ulazne pozicije u nauci – stipendisti, laboratorijski asistenti, mlađi istraživači – nestaje i kanal kroz koji se formira sledeća generacija senior naučnika. Ko će tada da verifikuje AI, kad iskusnih ljudi više nema ko da odgaji?
Šta to znači za profesionalce van laboratorija
Autonomni AI istraživači neće uticati samo na akademiku. Radi se o transformaciji koja zahvata gotovo sve industrijske i profesionalne sektore:
-
Inženjeri prelaze sa pisanja koda na upravljanje agentima koji pišu kod
-
Konsultanti prelaze sa rešavanja problema na definisanje problema
-
Menadžeri prelaze sa nadzora rada na dizajniranje sistema koji rade autonomno
-
Kreatori politika suočavaju se sa pitanjima regulacije sistema koji donose odluke bez čoveka u petlji
-
Poslovni lideri moraju da promisle strategije koje su pisane za svet u kome je ljudski faktor centralan
Pomak koji se dešava može se opisati jednim jednostavnim obrascem:
Pitanja koja niko ne može da ignoriše
Uz svaki tehnološki napredak dolazi i set pitanja na koja ne postoje brzi odgovori. Kada je reč o autonomnim AI istraživačima, pitanja su posebno teška:
-
Da li smo spremni za AI sisteme koji mogu da nadmaše čitave istraživačke timove?
-
Ko treba da kontroliše autonomne AI istraživače i kako?
-
Možemo li verovati AI sistemu koji radi nezavisno tokom dužeg perioda – i na osnovu čega?
-
Kako sprečiti zloupotrebu ovako moćnih sistema u pogrešnim rukama?
-
Da li će ova tehnologija demokratizovati znanje ili ga centralizovati u rukama nekolicine megakompanija?
-
Šta se dešava sa ljudskom ekspertizom kada je AI postane superiornija?
-
Da li su postojeće regulatorne strukture uopšte opremljene za ovaj nivo autonomije?
Prema rečima Antona Korenika, ekonomiste sa Univerziteta Virginia: „Poslovi koji uključuju isključivo kognitivne zadatke biće prvi na redu. Tradicionalno, upravo su to bili poslovi koji su se najuže vezivali za naučno istraživanje.“
Demokratizacija znanja ili koncentracija moći?
Postoji optimistična verzija ove priče, i ona je legitimna. Ako autonomni AI istraživači ubrzaju razvoj lekova, pomognu u rešavanju klimatskih kriza, demistifikuju bolesti koje decenijama odoljevaju medicini – to je dobit za celo čovečanstvo, ne samo za kompanije koje razvijaju tu tehnologiju.
Već danas vidimo AI koji rešava kompleksne matematičke probleme, probija naučne ćorsokake i generiše uvide za koje bi ljudskim timovima trebalo mesecima. Vlada Ujedinjenog Kraljevstva je već počela da ulaže u AI sisteme koji mogu samostalno da dizajniraju i sprovode eksperimente – signal da je ovo ozbiljno i strateški, ne samo korporativni hype.
Ali optimizam mora biti uravnotežen realnošću. Ako ova tehnologija ostane u rukama nekolicine kompanija – bez transparentnosti, bez regulacije, bez mehanizama javnog nadzora – rizik nije samo gubitak radnih mesta. Rizik je koncentracija kognitivne moći na način koji nema presedana u istoriji.
Šta uraditi sada – pre nego što bude kasno
Za sve koji se profesionalno bave istraživanjem, analizom, razvojem ili konsaltingom, ovo nije trenutak za paniku. Ali jeste trenutak za odluku.
Pitanje nije hoće li autonomni AI istraživači promeniti vašu oblast. Hoće – pitanje je samo kada i koliko brzo. Pravo pitanje je: da li ćete biti neko ko orkestrira te sisteme ili neko koga oni zamenjuju?
Razlika između te dve pozicije biće odlučena u narednih dvanaest do dvadeset četiri meseca – ne za deset godina, ne za pet. Sada.
