Ovaj tekst analizira spajking neuronske mreže (SNN) kao revolucionarnu tehnologiju za obradu senzorskih podataka, predstavljajući fundamentalnu promenu u odnosu na tradicionalne pristupe veštačkoj inteligenciji. Konvencionalne AI mreže, koje koriste "brute force" metodologiju, neefikasne su za obradu senzorskih podataka jer zahtevaju konstantan protok informacija, ogromnu računarsku snagu i pristup cloudu. Posledice toga su visoka potrošnja energije, veliki troškovi i ugrožena privatnost korisnika.

Parametar kod velikih jezičkih modela (LLM) je jedna od ključnih komponenti koja kontroliše rad i ponašanje modela. Veliki jezički modeli su napredne neuronske mreže sa milijardama parametara – numeričkih vrednosti (težina i pristrasnosti) naučenih tokom procesa obuke na ogromnim količinama tekstualnih podataka. Ti parametri omogućavaju modelu da prepozna složene obrasce u jeziku i da generiše koherentan, smislen tekst.

Kada koristite AI alate poput ChatGPT-a, Gemini-ja ili Claude-a, verovatno ste primetili da ponekad dobijate veoma precizne i fokusirane odgovore, dok su drugi put rezultati kreativniji i neočekivaniji. Iza ove razlike često stoji jedan ključni parametar: temperatura.

Integracija humanoidnih robota u proizvodni sektor predstavlja ključni odgovor na rastući globalni nedostatak radne snage, koji preti da ugrozi ekonomski rast i napore za revitalizaciju industrije. Projekcije tržišta predviđaju eksponencijalni rast, sa procenama koje dostižu i do 66 milijardi dolara do 2032. godine, što je podstaknuto hitnom potrebom da se popuni očekivani manjak od skoro 100 miliona radnika na globalnom nivou do 2030. godine. Iako su fabrike prirodno okruženje za ovu tehnologiju zbog postojeće automatizacije, široko usvajanje je trenutno usporeno zbog dva ključna faktora: visoke cene od oko 50.000 dolara po jedinici i inherentne averzije prema riziku u proizvodnom okruženju gde greške mogu dovesti do ozbiljne štete. Prelomna tačka se očekuje kada cena rob...

U prethodnoj vesti smo pisali o modelu minimax-m2:cloud.

MiniMax M2 je visokoefikasan veliki jezički model (LLM) specifično dizajniran za kodiranje i agentske radne tokove. Prema benčmarcima koje je sproveo Artificial Analysis, model pokazuje izuzetno konkurentnu opštu inteligenciju u oblastima matematike, nauke, praćenja instrukcija, kodiranja i upotrebe agentskih alata, pri čemu ga njegov kompozitni rezultat rangira kao prvi open-source model na globalnom nivou.

Do sada je kreiranje AI aplikacija bio proces rezervisan za one sa dubokim tehničkim znanjem, zahtevajući poznavanje različitih API-ja i SDK-ova. Google sada fundamentalno menja ovu paradigmu sa novim pristupom unutar Google AI Studija – "vibe kodiranjem". Umesto tehničke implementacije, fokus se prebacuje na čistu kreativnu nameru. U nastavku analiziramo četiri ključna stuba ove tehnologije koja je čine istinskim pomakom napred.

DeepSeek je predstavio revolucionarni rad i model pod nazivom DeepSeek OCR, koji uvodi novu metodu za kompresiju teksta predstavljanjem istog u formi slike. Ova tehnologija, nazvana "optička kompresija kroz vizuelne tokene", postiže impresivnu stopu kompresije od 10x, uz zadržavanje 97% tačnosti pri dekodiranju. Ključna inovacija leži u rešavanju jednog od najvećih ograničenja savremenih jezičkih modela (LLM): uskog grla kontekstnog prozora, gde se računarski troškovi eksponencijalno (kvadratno) povećavaju sa svakim dodatnim tokenom.

IBM je objavio četiri nova open-source AI modela, nazvana Granite 4.0 Nano, koji predstavljaju strateški pomak sa fokusa na ogromne modele ka manjim, visoko efikasnim alternativama. Ovi modeli, sa rasponom od 350 miliona do 1.5 milijardi parametara, dizajnirani su za lokalno izvršavanje na potrošačkom hardveru poput laptopova i edge uređaja, čak i unutar veb pregledača, čime se eliminiše zavisnost od cloud infrastrukture. Objavljeni pod permisivnom Apache 2.0 licencom, modeli su dostupni za komercijalnu upotrebu i sertifikovani su prema ISO 42001 standardu za odgovoran razvoj veštačke inteligencije. Uprkos svojoj veličini, Granite Nano modeli pokazuju izuzetne performanse na benčmarcima, nadmašujući veće konkurente u svojoj klasi u zadacima kao što su praćenje instrukcij...

Zašto bi veštačka inteligencija mogla biti 'ultimativni' tehnološki balon? Od virusnog uspeha ChatGPT-a krajem 2022. godine, koji je naterao svaku kompaniju u blizini Silicijumske doline (i mnoge van nje) da se okrene veštačkoj inteligenciji, osećaj da se balon naduvava postao je sveprisutan. Naslovi o tome pojavili su se već u maju 2023. godine, a do danas je to postalo opšteprihvaćeno mišljenje. Finansijski analitičari, nezavisne istraživačke firme, tehnološki skeptici, pa čak i sami direktori AI kompanija se slažu: suočavamo se sa nekom vrstom AI balona.

Uobičajena je pretpostavka da su moćni AI alati za generisanje koda skupi i rezervisani samo za one sa dubokim džepom. Mnogi programeri još uvek nisu zakoračili u svet AI asistiranog kodiranja, verujući da je ulazna barijera previsoka.

Danas 30.10.2025. na Sajmu knjiga su tri tribine posvećene veštačkoj inteligenciji:

Na Sajmu knjiga u Boegradu, 30.11.2025. na inspirativnoj i interaktivnoj tribini pod naslovom „Veštačka inteligencija ovde i sada: mogu li mašine da tuguju“ govorile su prof. dr Divna Vuksanović i Milica Rakonjac.

1. Uvod: Razumevanje agentnog AI i njegovog strateškog potencijala

MiniMax M2 je veliki jezički model (LLM) visoke efikasnosti. Izgrađen je prvenstveno za kodiranje i agentske tokove posla (agentic workflows). Model je ažuriran pre 23 sata i koristi prozor konteksta od 200K (200K context window).

Ovaj dokument analizira fundamentalnu neusaglašenost između trenutne arhitekture interneta, koja je dizajnirana isključivo za ljude, i nadolazeće ere "agentskog pretraživanja" (agentic browsing), gde AI agenti izvršavaju zadatke u ime korisnika. Eksperimenti pokazuju da je veb u svom sadašnjem obliku krhak i nespreman za ovu promenu, što dovodi do dve ključne pretnje: kritičnih bezbednosnih ranjivosti i sistemskih neuspeha u upotrebljivosti. AI agenti se mogu manipulisati skrivenim instrukcijama da bi izvršili neovlašćene radnje, kao što je slanje imejlova ili brisanje podataka, jer im nedostaje ljudski kontekst i sposobnost rasuđivanja. Istovremeno, agenti se muče sa navigacijom kroz složene poslovne (B2B) aplikacije koje se oslanjaju na vizuelne naznake razumljive ljudim...

Diskusija o tome da li će veštačka inteligencija preuzeti naše poslove postala je svakodnevica. Međutim, prema stručnjacima poput Džoela Hrona, tehničkog direktora kompanije Thomson Reuters, prevazišli smo taj početni strah. Sada na videlo izlazi jedna mnogo fundamentalnija greška Silicijumske doline: industrija je gradila autonomiju, a trebalo je da gradi odgovornost. Hron, koji nadgleda razvoj proizvoda i AI u oblastima kao što su pravo, porezi, revizija, trgovina, usklađenost sa propisima i upravljanje rizicima, ukazuje na ključni problem.

Skrolujte kroz bilo koju društvenu mrežu i neizbežno ćete naići na njih: zapanjujuće detaljne pejzaže, fantastične portrete i apstraktne scene koje je stvorila veštačka inteligencija. Ove slike, generisane u sekundama na osnovu jednostavnih tekstualnih komandi, postale su sveprisutne. Prirodno, postavlja se pitanje koje muči mnoge: ako mašina može da stvori tehnički savršenu sliku u trenu, da li to znači kraj za ljudske umetnike?

Zamislite svet u kojem vaše najdosadnije zadatke – zakazivanje sastanaka, analizu podataka ili upravljanje upitima korisnika – neprimetno obavlja inteligentni asistent koji neumorno radi u pozadini. Ovo više nije naučna fantastika; to je realnost koju donose AI agenti. Kreiranje ličnog AI asistenta danas je dostupnije nego ikad, ne samo za iskusne programere, već i za znatiželjne početnike. Putovanje u svet AI agenata podjednako je vezano za kreativnost i rešavanje problema koliko i za tehnologiju.