Meta je ušla u novu fazu trke u oblasti veštačke inteligencije. Mark Zakerberg je predstavio model koji, kako tvrdi, ima sposobnost da pamti prethodne greške i sam ih ispravlja — što bi mogao da bude ozbiljan pomak u načinu na koji AI sistemi uče i funkcionišu u realnom vremenu.

Za razliku od klasičnih modela koji se oslanjaju isključivo na treniranje na velikim skupovima podataka i onda “zalede” svoje znanje, novi pristup uvodi kontinuirano učenje. To praktično znači da sistem ne mora ponovo da prolazi kroz celokupan trening da bi ispravio neku grešku — dovoljno je da je prepozna i zapamti.
Šta to znači u praksi
Zakerberg je ovu funkcionalnost nazvao “topovskim đuletom” — metafora koja sugeriše da Meta ovim potezom želi da preskoči konkurenciju u trci koju vodi sa OpenAI, Google-om i Anthropic-om. Umesto da se takmiči samo u broju parametara i veličini modela, Meta očigledno cilja na kvalitet interakcije i pouzdanost.
Samopopravljanje grešaka nije nova ideja u akademskim krugovima, ali je do sada retko prelazilo iz laboratorija u produkcione sisteme. Ako Meta uspe da to izvede u praksi, korisnici bi mogli da dobiju asistente koji ne ponavljaju iste greške iz sesije u sesiju — što je jedan od najvećih bolnih tačaka današnjih čet-botova.
Zašto je ovo važno za tržište
Kompanije koje razvijaju AI agente trenutno se suočavaju sa problemom halucinacija i nedoslednog ponašanja. Model koji uči iz sopstvenih promašaja mogao bi značajno da smanji troškove održavanja i potrebu za stalnim ručnim doterivanjem. To je posebno zanimljivo za enterprise sektor, gde je pouzdanost često važnija od same inteligencije modela.
Detalji o arhitekturi i tačnim performansama za sada nisu potpuno razjašnjeni, a ostaje da se vidi kako će se ovaj pristup pokazati u realnim uslovima. Ono što je sigurno — trka u AI se više ne vodi samo oko toga čiji je model pametniji, već i oko toga koji ume da prizna i ispravi sopstvenu grešku.
Izvor: B92