Januara 2026. godine, tim istraživača sa Univerziteta u Montrealu objavio je studiju koja je po obimu bila bez presedana: više od 100.000 ispitanika testirano je na kreativnost i upoređeno sa najnaprednijim AI sistemima koji postoje. Rezultat je bio diskomforan u svojoj preciznosti: generativni AI modeli poput GPT-5 sada redovno nadmašuju prosečnog čoveka na testovima divergentnog mišljenja – sposobnosti generisanja originalnih ideja.
Ali ono što mediji nisu preneli sa jednakim žarom jeste druga polovina nalaza: top 10% najkreativnijih ljudi i dalje ostavlja AI sistematski iza sebe, posebno u bogatijim kreativnim formama kao što su poezija i pripovedanje. I da ima nešto još važnije: AI kreativnost je u potpunosti zavisna od instrukija koje joj daju ljudi. Bez ljudskog promptinga, bez ljudskog smera i bez ljudske procene rezultata – AI je samo motor koji vrti u prazno.
Ova distinkcija je ključna. Ali da li je i dovoljna?
Jer pravo pitanje koje ova studija otvara nije „može li AI biti kreativan?“ – odgovor na to pitanje je sada „da, u određenoj meri“. Pravo pitanje je daleko teže i daleko relevantnije: ako AI može da napiše roman koji je emotivno ubedljiv, da komponuje simfoniju koja diže kosu na rukama, da formuliše naučnu teoriju koja je konzistentna i originalna – šta ostaje kao autentično ljudska svrha u svetu koji ne zahteva naše kreativne kapacitete da funkcioniše?
Ovo nije pitanje za naučnu fantastiku. Ono je pitanje za sada, za 2026., za generaciju koja ulazi na tržište rada i koja se pita zašto ulaže godine u kreativni razvoj koji algoritam replicira za sekunde.
Šta AI zapravo radi kada „stvara“: Razumevanje mehanizma pre filozofije
Pre bilo kakve filozofske rasprave, moramo biti precizni o tome šta AI sistemi zapravo rade kada generišu umetnost, muziku ili naučne hipoteze – jer preciznost sprečava i preuveličavanje i podcenjivanje.
Savremeni generativni AI sistemi – large language modeli (veliki jezički modeli) poput GPT-5, Claude 4.6 Sonnet, Gemini 3.1, ili multimodalni sistemi poput Midjourney, DALL-E 3, Suno za muziku – funkcionišu na principu statističkog učenja iz ogromnih korpusa ljudskog kreativnog rada. Sistem koji generiše tekst nije „naučio pisati“ na način na koji čovek uči pisati; on je naučio koje sekvence jezičkih tokena statistički prate koje druge sekvence, u toliko specifičnom i višedimenzionalnom prostoru da rezultat izgleda kao razumevanje i kreativnost.
Ovo je bitna distinkcija za filozofsku raspravu koja dolazi: AI sistem ne razume Šekspira. On je „probavio“ Šekspira – zajedno sa hiljadama knjiga o Šekspiru, kritičkih eseja o Šekspiru, imitacija Šekspira, parodija Šekspira – i naučio koje jezičke obrasce asocijativno koristimo kada govorimo o njegovim temama, stilu i strukturama.
Kada AI generiše novu pesmu „u stilu Šekspira“, on ne odlazi u sopstveni doživljaj gubitka da bi pronašao reči koje mu opisuju žalost – on pronalazi statistički prostor koji odgovara inputu i generiše output koji je kohezivan sa tim prostorom. Nema doživljaja iza tog outputa. Nema bola koji je pretočen u sonet.
Ali – i ovo je mesto gde argument postaje neudoban – čitalac koji prima taj sonet i koga on emotivno pogodi nije iskusio ništa manje stvarnog. Ako AI-generisana muzika izaziva suze, te suze su stvarne. Ako AI-generisani roman menja perspektivu čitaoca, ta promena je stvarna. Efekt postoji bez doživljaja koji ga je generisao.
Ovo je tačka u kojoj filozofija i neuroznanost moraju da preuzmu reč od inženjera.
Mimeza i mit o originalnosti: Nismo bili toliko originalni koliko smo mislili
Jedan od najinteresantnijih i najdirektno provokativnijih argumenata koji se pojavljuje u filozofiji AI i kreativnosti dolazi iz, paradoksalno, veoma stare filozofske tradicije: Aristotelove teorije mimeze.
Mimeza – imitacija, oponašanje – bila je za Aristotela centralna odlika umetnosti. Umetnost nije stvaranje ex nihilo (iz ničega); ona je organizovana imitacija stvarnosti koja produkuje estetsko zadovoljstvo i spoznaju. Čovek je, prema Aristotelu, „animal imitans“ – biće koje uči i usvaja kroz imitaciju. Kreativnost nije suprotna imitaciji; ona je njen viši oblik.
Savremena kognitivna nauka i neuroznanost potvrđuju ovo na fundamentalnom nivou: svaka ljudska kreativna ideja je rekombinacija postojećih mentalnih sadržaja. Nema, u strogom smislu, apsolutno novog. Picasso koji je rekao „Dobri umetnici kopiraju, veliki umetnici kradu“ nije izrazio cinizam – izrazio je epistemološku istinu o tome kako funkcioniše kreativni um. Beethoven je gradio na Haydnu i Mozartu. Joyce je gradio na Ibsenu, Danteu i Homerovom epu. Curie je gradila na Becquerelovu.
Kada, dakle, kritikujemo AI kreativnost kao „samo imitaciju“ i „samo statistička rekombinacija“ – primenjujemo standard koji ni najveći ljudski kreatori ne zadovoljavaju u apsolutnom smislu.
Ono što se razlikuje nije prisustvo ili odsustvo imitacije. Razlikuje se nešto drugo: kontekst, namera i doživljaj koji stoji iza rekombinacije.
Beethoven nije komponovao iz baze podataka muzičkih obrazaca. On je komponovao iz gluvila koje mu je onemogućavalo da čuje sopstvenu muziku. Iz usamljenosti koja ga je razarala. Iz opsesivne potrebe da komunikacija koja mu je bila nemoguća u svakodnevnom životu postane moguća kroz zvuk. Njegova Deveta simfonija nije statistički optimalna rekombinacija obrazaca 18. veka – ona je krik koji je pronašao formu.
AI ne može imati gluvilo. Ne može imati usamljenost. Nema opsesivnu potrebu da komunicira nešto što ne može izgovoriti drugačije.
Ali kada Beethovenova Deveta, ili njen AI-imitator koji je niko nije čuo, sviraju u sali – koja od dve izaziva isti fiziološki odgovor kod publike koja ne zna šta sluša?
Eksperiment sa slepim testom: Šta nam govore rezultati koji su neprijatni
Između 2023. i 2025. sprovedeno je više studija koje su koristile „blind test“ (slepi test) metodologiju – ispitanicima su pokazivana umetnička dela, muzičke kompozicije i književni odlomci, a oni nisu znali da li su nastali ljudskom rukom ili AI sistemom.
Rezultati su konzistentno neprijatni za onu stranu debate koja želi jednostavan odgovor.
U muzici, studija sprovedena na Goldsmiths Univerzitetu u Londonu pokazala je da prosečan slušalac nije mogao da razlikuje AI-generisanu klasičnu muziku od skladbi manje poznatih ljudskih kompozitora iznad slučajne verovatnoće. Isti slušaoci, kada su im rekli koji odlomci su AI-generisani, ocenjivali su iste odlomke kao manje emotivne i manje vredne – retroaktivno menjajući percepciju na osnovu informacije o poreklu.
U vizuelnoj umetnosti, serija blind testova od 2022. do 2024. pokazala je da AI-generisane slike – posebno one nastale Midjourney V6 i DALL-E 3 – regularno osvajaju visoke estetske ocene od strane publike koja ne zna poreklo dela. Na nekim takmičenjima, AI dela su ocenjivana više od prosečnih ljudskih dela od strane žirija koji nije znao razliku.
U književnosti, studija objavljena u Scientific Reports 2024. pokazala je da ispitanici nisu mogli da pouzdano razlikuju kratke AI-generisane priče od priča koje su napisali prosečni kreativni pisci.
Šta to znači? Dve stvari, istovremeno:
Estetsko iskustvo dela – lepota, emotivna rezonanca, osećaj smisla koji izaziva – nije inherentno vezano za proces nastanka. Delo može biti lepo i potresno bez obzira na to da li je nastalo iz duboko ličnog iskustva ili iz statističkog modela. Ovo je neudobna istina za one koji tvrde da je „autentičnost“ jedini kriterijum vrednosti.
Ali informacija o poreklu dela dramatično menja kako ga percipiramo. Isto delo, sa informacijom da ga je napravio AI, gubi deo estetske vrednosti u percepciji publike. Ovo govori da naša estetska reakcija nije čisto estetska – ona je socijalna, kontekstualna i vrednosna. Mi ne reagujemo samo na zvuk i boju i reč; mi reagujemo na priču o tome odakle dolaze.
Nauka i AI: Najstrašnija granica od svih
Dok se oko umetnosti može voditi filozofska debata, situacija sa naučnim otkrićima unosi poseban nemir jer je nauka, za razliku od umetnosti, verifikovana spoljnim kriterijumima – ili funkcioniše ili ne funkcioniše, ili predviđa ili ne predviđa.
AlphaFold 2 od DeepMind-a je 2021. rešio problem predikcije strukture proteina koji je biologija čuvala kao jedan od centralnih nerešenih problema pedeset godina. Ono što stotine istraživača nije moglo da reši u pola veka, sistem je rešio u mesecima, i objavio bazu podataka sa strukturama više od 200 miliona proteina. Ovo nije imitacija naučnog rada; ovo je naučno otkriće.
GNoME (Graph Networks for Materials Exploration), takođe DeepMind, je 2023. predvideo strukturu 2,2 miliona novih stabilnih kristalnih materijala – od kojih je eksperimentalno potvrđeno više od 700.000 koji su do tada bili nepoznati. Ovo je ekvivalent rada stotina hiljada naučnika tokom više decenija.
AlphaGeometry je u januaru 2024. rešio 25 od 30 problema sa olimpijade iz matematike na nivou koji je uporediv sa zlatnim medaljistima – bez ikakvog pristupa specifičnom olimpijskom treningu.
Ovo nisu AI sistemi koji „imitiraju“ nauku. Ovo su AI sistemi koji produkuju naučno validne rezultate koji prevazilaze ono što su timovi ljudskih stručnjaka mogli da urade u istom vremenskom periodu.
I tu je tačka koja je za mnoge naučnike uznemirujuća: ako AI može da otkriva strukturu proteina, predviđa nove materijale i rešava matematičke teoreme – šta tačno ostaje kao ireplekamentna (nezamenjiva) uloga naučnika?
Filozofkinja Helen Longino, koja se decenijama bavi filozofijom nauke, tvrdi da naučna vrednost nije samo u produkovanju tačnih predikcija – ona je u procesu razumevanja koji je deo naučne zajednice, koji je vredan sam po sebi kao oblik kolektivnog smisla koji čovek gradi o svetu. AlphaFold može da predvidi strukturu proteina a da ne „razume“ šta protein radi u organizmu, zašto to čini i kako to znanje menja naš pogled na život. Razumevanje je dodata vrednost koju AlphaFold ne produkuje – ono nastaje kada naučnici interpretiraju, integrišu i narativizuju ono što je AlphaFold pronašao.
Ovo je ubedljiv argument. Ali vredi ga pritisnuti: da li je „razumevanje“ dovoljno kao svrha, kada razumevanje koje ne produkuje nova otkrića brže od AI sistema postaje luksuz koji je teško opravdati ekonomski?
Homo ludens vs. Homo faber: Filosofija koja dolazi puno pre AI-a
Da bismo ozbiljno razgovarali o „autentičnoj ljudskoj svrsi“, moramo se okrenuti filozofiji koja je ovo pitanje postavljala dugo pre generativnog AI – jer pitanje o svrsi nije novo. Ono je pratilo svaki talas automatizacije.
Johan Huizinga je 1938. u knjizi „Homo ludens“ argumentovao da čovek nije samo „Homo sapiens“ (mudro biće) ili „Homo faber“ (biće koje pravi, biće alata) – on je pre svega „Homo ludens“: biće koje se igra. Igra – slobodna aktivnost koja se odvija unutar dobrovoljno prihvaćenih pravila i koja je vredna sama po sebi, bez utilitarnog cilja – je fundamentalna karakteristika ljudskosti.
Ovo je relevantno za AI debatu: kada AI preuzme produkciju koje bi se inače zvalo „kreativnim radom“, ono što ostaje nije praznina – ostaje potencijal za autentičnu igru. Pisanje koje se ne radi da bi se nešto objavilo, muzika koja se ne radi da bi se prodala, naučno istraživanje koje ne cilja na rezultat nego na radost otkrivanja.
Hannah Arendt je u „Vita Activa“ (1958) distinkcijom između rada (labor), izrade (work) i delanja (action) ponudila okvir koji je posebno ubedljiv u kontekstu AI. Rad – biološko ponavljanje koje čuva život – i izrada – produkcija trajnih objekata koji su svrha sebi – su oni segmenti koji su podložni automatizaciji. Delanje – spontana, nepredvidiva inicijativa koja nastaje u prostoru između slobodnih individua – je, po Arendt, ono što je suštinski ljudsko i ono što nije automatizovano.
Delanje u Arendtinom smislu nije produkcija. To je inicijativa unutar zajednice, pokretanje nečega novog, preuzimanje odgovornosti za posledice koje ne možemo predvideti. Umetnik koji napiše roman o sopstvenoj majci koja umire – to nije samo produkcija romanesknog outputa; to je delanje, čin koji odgovara na specifičnu situaciju specifičnog čoveka i koji nosi specifičnu odgovornost. AI ne može imati majku. AI ne može imati odgovornost prema njoj. AI ne može imati grižu savesti ili oslobađanje koje dolazi sa pisanjem.
Problem „savršene imitacije“: Da li je savršena imitacija genijalnosti uopšte moguća?
Naslovna formulacija – „ako AI može savršeno imitirati genijalnost“ – zaslužuje direktan napad na sopstvene pretpostavke.
Studija Univerziteta Monreal iz januara 2026. pokazuje da AI dostiže prosečan nivo kreativnosti, ali konzistentno zaostaje za top 10% najkreativnijih ljudi. Ova asimetrija nije slučajna.
Najoriginalniji umetnički i naučni doprinosi u istoriji imaju karakteristiku koja se zove „radical novelty“ (radikalna novost) – oni ne samo rekombinuju postojeće; oni menjaju same parametre u kojima je prethodna rekombinacija bila moguća. Kada je Einstein formulisao specijalnu teoriju relativnosti, on nije bio unutar fizikalnog prostora problemske koji su prethodni fizičari mapirali – on je promenio topologiju tog prostora. Kada je Kafka napisao „Preobražaj“, on nije bio unutar narativnih konvencija koje su prethodnici uspostavili – on je promenio šta narativna konvencija može biti.
AI sistemi su, po arhitekturi, sistemi koji operišu unutar prostora koji su naučili iz podataka. Oni su izuzetno sposobni za visoko-dimenzionalnu interpolaciju unutar naučenog prostora – što znači da mogu generisati nešto što je statički udaljeno od svega što su videli, a da ipak ostane unutar naučenog prostora. Ali ekstrapolacija van naučenog prostora – promena samih parametara igre – nije nešto što trenutni arhitekturi AI sistema prirodno omogućavaju.
Istraživanje iz PubMed-a, objavljeno 2025., to direktno potvrđuje: generativni AI pokazuje visoku produktivnost i fluentnost (rečitost) u generisanju ideja, ali konzistentno pokazuje „fixation bias“ (pristrasnost ka fiksiranim obrascima) – tendenciju da se drži konvencionalnih kategorija i da ima ograničenu sposobnost da autonomno prepozna i privileguje zaista originalne ideje nasuprot konvencionalnim.
Ovo nije tehničko ograničenje koje će biti prevaziđeno sledećom verzijom modela. To je arhitekturalna karakteristika sistema koji uče iz distribucije postojećeg. Ono što je van distribucije je – po definiciji – ono što sistem ne može predvideti.
I baš to je prostor u kome živi radikalna kreativnost. Van distribucije. Van statistike. Van onoga što je ikad postojalo.
Kolektivno osiromašenje kreativnosti: Paradoks AI koji se ne vidi odmah
Postoji nalaz koji je posebno zabrinjavajuć i koji bi trebao biti centralniji u debati o AI i kreativnosti nego što jeste.
Studija citirana u analizi Dynadot-a iz 2025. pronašla je sledeće: korišćenje AI kreativnih alata povećalo je individualnu kreativnost manje iskusnih pisaca za 26,6% i povećalo novost ideja za 10,7% – ali istovremeno je smanjilo kolektivnu raznovrsnost kreativnih outputa, jer je sve učinilo sličnijim.
Ovo je paradoks koji zaslužuje pažnju: AI poboljšava individualnu produktivnost i individualnu originalnost – ali konvergira celokupnu kreativnu produkciju ka statističkim prosečnim vrednostima. Čim svako koristi isti sistem koji je naučen na istom korpusu, isti stil, isti tematski prostor i isti estetski koordinatni sistem počinju da dominiraju ukupnom produkcijom.
Kada svi pišu uz pomoć GPT-a, sve priče počinju da zvuče kao priče koje GPT piše. Kada svi komponuju uz pomoć Suna, sva muzika počinje da zvuči kao muzika koja je statistički centralna u distribuciji na kojoj je Suno treniran. Individualna dela mogu biti bolja; ukupni kreativni ekosistem postaje homogeniji.
Biodiverzitet ima biološki analog: monokultura daje veće prinose u kratkom roku, ali je ekološki ranjivija i dugoročno manje otporna od raznovrsnog ekosistema. Ako AI generiše kreativnu monokulturu – pa i jednu koja je u proseku bolja od prethodnih proseka – da li je to kulturni progres?
Ovo pitanje nije retorično. Kultura funkcioniše kroz raznovrsnost perspektiva, glasova i estetskih sistema koji su u međusobnom dijalogu i napetosti. Kada je ceo kulturni ekosistem optimizovan prema istim parametrima – i kada te parametre postavlja komercijalni AI sistem koji reflektuje distribuciju istorijskog korpusa – gubimo nešto što je teško nadoknaditi.
Autentičnost kao tržišna vrednost: Ironija koja se razvija pred našim očima
Postoji ekonomska dimenzija ove priče koja je ironična i koja otkriva nešto važno o naravi autentičnosti.
Upravo u periodu kada AI može generisati gotovo savršenu imitaciju ljudskog kreativnog rada – autentičnost postaje skuplja nego ikad.
Koncerti su prodati, pre i više nego pre AI ere. Ručno izrađeni predmeti se prodaju po cenama koje su višestruko više od identičnih fabričkih verzija. Knjige koje imaju jasnu autobiografsku autentičnost dobijaju veće tiraže. Kunstwerk – nemački termin koji znači umetničko delo, ali sa implikacijom da iza dela stoji umetnik čiji život i iskustvo dele sudbinu sa delom – sve je skuplje.
Paradoks: upravo zato što AI može replicirati formu, sadržaj i estetiku – ono što je nereplikovano, doživljaj i prisustvo čoveka koji stoji iza dela, postaje reskost koja se vrednuje eksplicitno.
David Bowie, da je bio živ u 2026. i da je komponovao novi album, ne bi imao manji uspeh nego pre – imao bi veći, jer bi autentičnost njegovih odabira, njegovih rizika i njegove biografije bila kontrastirana sa beskonačnom količinom AI generisanog zvuka koji ga okružuje.
Ali ova konstatacija ima nelagodnu implikaciju: autentičnost kao tržišna vrednost dostupna je samo onima koji su već prepoznati i čija biografija je poznata. Za anonimnog umetnika koji tek počinje – AI je konkurent sa kojim je teško takmičiti se.
Muzika i AI: Filozofija „musicking-a“ kao odbrana
Muzika je posebno zanimljiv primer u ovoj debati jer je muzika jedinstven fenomen: ona postoji u delu, ali i u izvođenju i u slušanju. Filozofija muzike razvila je termin „musicking“ koji je uveo Christopher Small – muzičenje kao sveobuhvatan akt koji uključuje kompoziciju, izvođenje, slušanje i celokupni socijalni ritual oko muzike.
Filozofska studija objavljena u Journal of Aesthetics and Art Criticism septembra 2025. direktno adresira pitanje AI i muzike kroz neohumanistički okvir:
„ChatGPT-ova melanholična uloga je da je osuđen na imitaciju i da nikada ne može imati autentično ljudsko iskustvo, bez obzira koliko devalvirano i beznačajno to iskustvo izgledalo.“
Ova formulacija je oštra i precizna. Muzika – u smislu „musicking-a“ koji Small opisuje – nije samo zvuk. Ona je utelovljeno iskustvo koje uključuje fizičko prisustvo, socijalnu interakciju i zajednički ritual. Kada bend svira na bini i kada publika i svirači dele prostor, vazduh, ritam i emociju – to je nešto što AI sistem fundamentalno ne može biti deo.
AI može generisati zvuk koji je isti ili bolji od prosečnog bendovskog zvuka. Ali ne može biti na bini. Ne može podeliti trenutak sa publikom. Ne može doživeti da publika peva nazad. Muzičenje – kao sveobuhvatan akt – ostaje ireplekamentno ljudsko.
Naučna teorija i razumevanje: Postoji li vrednost spoznaje izvan rezultata?
Vraćamo se na nauku, jer je ona možda najtežji slučaj za filozofsku odbranu ljudske svrhe.
Ako AI može da otkriva strukturu proteina, predviđa materijale i dokazuje teoreme – šta je specifično vrednost u tome da čovek razume te iste stvari, sporo i sa greškom?
Postoji argument koji je antropocentrično poglasan, ali koji je filozofski ozbiljan: razumevanje ima vrednost samo ako postoji entitet koji razume. Ako nema nikoga ko razume svemirske zakonitosti, što znači da li te zakonitosti postoje? U epistemološkom i fenomenološkom smislu, spoznaja nije rezultat – spoznaja je čin, i kao čin ima vrednost samo kada je živi subjekat koji ga obavlja.
Fizičar koji razume kvantnu mehaniku nije samo vektor koji prenosi informaciju o kvantnoj mehanici iz jednog stanja sveta u drugi – on je svesno biće koje iskustvo razumevanja čini delom svog doživljenog života. To iskustvo – „aha!“ momenat, fascinacija, čuđenje – nije epifenomen naučnog procesa. Ono je, po nekim filozofima, osnovna vrednost naučnog preduzeća.
Thomas Nagel, u famoznom eseju „What is it like to be a bat?“ (Kako je biti slepi miš?, 1974.), postavljao je pitanje subjektivnog iskustva kao ireplecamentne dimenzije svesti. „There is something it is like“ – postoji nešto kako je biti određeno biće, i to „nešto“ nije reducibilno na funkcionalni opis. AI koji „otkriva“ strukturu proteina ne iskustvuje ništa. Nema ničeg kako je biti taj sistem dok pronalazi rešenje. Sav „aha“ momenat koji se pojavljuje u procesu naučnog otkrića – koji motiviše istraživače, koji ih drži budnim noću, koji čini nauku uopšte vrednom – odsutan je u AI sistemu.
Da li je to važno za vrednost rezultata? Možda ne. Ali da li je važno za vrednost nauke kao ljudske prakse? Neosporno da jeste.
Egzistencijalna dimenzija: Šta se dešava kada svrha nestane
Filozofska pitanja o svrsi nisu akademska – ona imaju kliničke posledice. Psiholog Viktor Frankl, koji je preživeo Auschwitz i koji je stvorio logoterapiju (terapeurtski pristup baziran na potrazi za smislom), tvrdio je da je čovek biće koje primarno traga za smislom – ne za zadovoljstvom, ne za moći, nego za smislom.
Umetnost, nauka, zanat – kreativni rad u svim oblicima – bio je jedan od primarnih izvora smisla za ljude kroz istoriju. Kada pitar napravi ćup koji je funkcionalan i lep, on ne dobija samo ćup. Dobija osećaj da je nešto stvorio, da njegova ruka i pamet ostavlja trag u materijalnom svetu. Kada fizičar dokaže teoremu, on ne dobija samo teoremu. Dobija osećaj da je produbio razumevanje svemira – koliko god skromno.
Ako AI sistemi preuzmu te uloge – ako budu bolji pitari, bolji fizičari, bolji pisci od prosečnih ljudskih – šta se dešava sa smislom koji je bio vezan za te uloge?
Ovo nije misaoni eksperiment. Prethodne tehnološke revolucije stvroile su slična pitanja i dobile ih odgovorila – nekada bolno, nekada elegantno. Industrijalizacija je eliminisala zanat koji je bio izvor identiteta za milione radnika. Odgovor nije bio da svi ostanu zanatlije – bio je kulturni preokret u kome je zanat ponovo procvetao kao deliberatna praksa, kao hobistička aktivnost, kao marker autentičnosti i kvaliteta koji masovna produkcija ne može replicirati.
Možda je to i odgovor na AI: deliberatna, svesna kreativna praksa koja nije nužno komparativna sa AI outputom, nego koja crpi smisao iz procesa, iz prisustva, iz doživljaja – a ne iz rezultata koji mora biti bolji od algoritmičke alternative.
Šta empirija kaže o budućnosti kreativnih zanimanja
Malo faktografije, kao suprotteža filozofskim spekulacijama.
Generativni AI može automatizovati između 26% i 46% zadataka u umetnosti, dizajnu, zabavi, medijima i sportu. Ovo je značajno, ali nije synonymous (sinonim) sa elimincacijom tih profesija – to je restrukturiranje onih koji su unutar te profesije.
Istorija tehnologije i zanimanja nudi analogije: fotografija je eliminisala portretno slikarstvo kao masovnu komercijalnu praksu ali nije eliminisala slikarstvo – transformisala ga je. Film je eliminisao kazalište kao primarni javni medij, ali nije eliminisao kazalište – transformisao ga je. Desktop publishing (računarsko izdavaštvo) je eliminisao ručno slaganje slova, ali nije eliminisao grafičke dizajnere – transformisao je šta grafički dizajner radi.
Konzistentni nalaz u svim tim transformacijama: rutinski, standardizovani aspekti kreativnog rada bivaju automatizovani; konceptualni, strateški, relacijski i senzitivno kontekstualni aspekti ostaju ljudski.
U 2025–2026, to se manifestuje u konkretnim promenama u kreativnim industrijama: základné (osnovno) pisanje reklamnih tekstova, osnovna obrada fotografija, standardizovani grafički dizajn – te uloge se smanjuju. Istovremeno, creative direction (umetnički direktor), brand strategy, narrative architecture (arhitektura narativa) – te uloge rastu i postaju vrednije. AI može generisati opcije; samo čovek može odlučiti koje opcije reflektuju identitet brenda, rezoniraju sa specifičnom kulturom klijenta i nose autentičan glas.
Autentična svrha u svetu AI-a: Sinteza koja ne nudi lak odgovor
Na kraju ove rasprave, pitanje s kojim smo počeli – šta ostaje kao autentična ljudska svrha – ne prima definitivan odgovor. Jer definitivan odgovor bio bi ili optimistički pla kat koji ignorišse realne egzistencijalne izazove, ili pesimistički manifest koji ignoriše istorijsku otpornost ljudske potrage za smislom.
Ono što se može reći sa određenim stepenom uverenja:
AI ne može imati svrhu. Svrha je teleološki koncept – ona pretpostavlja entitet koji hoće nešto, koji vreduje nešto, koji može biti ispunjen ili razočaran. AI sistem koji generiše roman nema nikakvu svrhu u pisanju tog romana. On nema ništa što bi izgubio da roman ostane nenačezan. Ova distinkcija nije trivijalna.
Autentičnost nije atribut dela, nego odnosa. Kada tvorite nešto – umetnički, naučno, zanatski – autentičnost tog čina leži u odnosu između vas i procesa, između vas i rezultata i između vas i publike koja prima rezultat. AI može generisati rezultat. Ono ne može ući u taj trostruki odnos na način koji ima egzistencijalnu težinu.
Svrha se može naći u doživljaju, ne samo u produkciji. Ako AI preuzme produkciju, preostaje doživljaj – istraživanje, učenje, eksperimentisanje, prisustvo, zajednički ritual oko umetnosti i nauke. Koncerti, radionice, zajednički projekti, mentorstvo – forme u kojima je vrednost u procesu i zajedništvu, a ne u rezultatu koji mora biti bolji od AI alternative.
Kreativna raznovrsnost je ekološki imperativ koji je vredan aktivne zaštite. Kao što biodiverzitet nije luksuz nego preduslov ekosistemske otpornosti, tako je i kulturna i intelektualna raznovrsnost preduslov civilizacijske otpornosti. Aktivna zaštita i podrška kreativnih glasova koji rade mimo AI estadarda – koji su eksperimentalni, marginalni, neočekivani – nije sentimentalnost. To je sistemska neophodnost.
Pitanje svrhe nije tehničko, ono je civilizacijsko
Pitanje s kojim smo počeli – šta ostaje kao autentična ljudska svrha kada AI može imitirati genijalnost – nije tehnološko pitanje. Ono je civilizacijsko.
Odgovor ne može doći od inženjera koji dizajniraju modele, niti od korporacija koje ih prodaju, niti od istraživača koji mere kreativnost na standardizovanim testovima. On mora doći od zajednice koja se, svesno i deliberatno, upita: čemu smo ovde? Šta vrednujemo pored efikasnosti? Šta je vrednost iskustva koje ne produkuje optimalni rezultat?
Aristotel je tvrdio da je čovek „ζῷον πολιτικόν“ – politička životinja, biće koje se realizuje u zajednici i kroz zajednicu. Nauka, umetnost i zanat bili su – kroz istoriju – forme te realizacije: načini na koje individua ulazi u dijalog sa zajednicom, sa tradicijom i sa budućnošću.
AI ne može biti deo te zajednice. Ono može biti njen alat. I razlika između „biti alat“ i „biti deo“ jeste precizno ona razlika koja određuje gde je svrha.
Možda je, na kraju, pravo pitanje ne „šta ostaje kao ljudska svrha kada AI imitira genijalnost?“ – nego „šta ćemo sa slobodom koju nam AI daje, oslobađajući nas od nekih oblika rada, da bismo bili što autentičnije prisutni u onim oblicima stvaranja koji su nesvodljivi na imitaciju?“
Na to pitanje svaki čovek mora odgovoriti sam. I upravo ta nemogućnost da AI odgovori umesto vas – to je možda najjasnije mesto gde autentična ljudska svrha počiva.
