Poslednjih nekoliko godina svedoci smo nezapamćenog talasa razvoja i primene veštačke inteligencije. Generativni AI sistemi i veliki jezički modeli (LLM) značajno su unapredili produktivnost u pisanju tekstova, razvoju softvera, analizi podataka i svakodnevnom poslovanju. Međutim, kako je početno oduševljenje ustupilo mesto praktičnoj primeni, sve više kompanija postavlja jedno suštinsko pitanje – koliko su ovakvi sistemi pouzdani kada donose odluke koje imaju ozbiljne poslovne ili društvene posledice?
Danas, kada razgovaramo sa direktorima kompanija, inženjerima i donosiocima odluka u industriji, energetici, finansijskom sektoru ili državnoj upravi, sve češće čujemo istu dilemu: kako poveriti ključne poslovne procese sistemima koji svoje odgovore zasnivaju prvenstveno na verovatnoći i koji, u određenim situacijama, mogu generisati netačne ili izmišljene informacije – poznate kao AI halucinacije?
Upravo zato postaje sve važnije napraviti jasnu razliku između AI alata namenjenih povećanju svakodnevne produktivnosti i naprednih inteligentnih sistema koji treba da upravljaju složenim, kritičnim i bezbednosno osetljivim procesima.
Jedan od najzanimljivijih pravaca razvoja u toj oblasti jeste koncept Strukturne inteligencije (Structural Intelligence).
Od statističkog zaključivanja ka razumevanju strukture sistema
Veliki broj današnjih generativnih AI sistema zasniva se pre svega na statističkim modelima koji analiziraju ogromne količine podataka i prepoznaju obrasce na osnovu kojih procenjuju najverovatniji odgovor ili naredni korak.
Takav pristup pokazao se izuzetno uspešnim u oblastima poput komunikacije, prevođenja, kreiranja sadržaja ili razvoja softvera.
Međutim, u okruženjima u kojima su bezbednost, pouzdanost i predvidivost od presudnog značaja – kao što su energetski sistemi, industrijska automatizacija, finansijska infrastruktura, namenska industrija ili zdravstveni sistemi – sama statistička verovatnoća često nije dovoljna.
Zbog toga evropska i svetska istraživačka zajednica poslednjih godina intenzivno razvija pristupe koji kombinuju formalne modele, kauzalno zaključivanje i determinističke metode sa ciljem izgradnje AI sistema koji mogu da objasne svoje zaključke i pruže visok stepen pouzdanosti.
U tom kontekstu razvija se i koncept Strukturne inteligencije.
Za razliku od pristupa koji prvenstveno pronalazi obrasce u istorijskim podacima, Strukturna inteligencija nastoji da razume unutrašnju strukturu sistema, uzročno-posledične veze i matematičke odnose koji određuju njegovo ponašanje.
Drugim rečima, dok statistički AI prvenstveno pronalazi korelacije među podacima, Strukturna inteligencija pokušava da modeluje logiku samog sistema.
Kada je određeni problem moguće formalno opisati i matematički modelovati, deterministički pristupi imaju potencijal da značajno smanje ili eliminišu čitavu klasu grešaka karakterističnih za probabilističke modele, uz znatno veću predvidivost rezultata.
Tri ključne prednosti Strukturne inteligencije
1. Visok stepen pouzdanosti i transparentnosti
Jedan od najvećih izazova današnjeg AI-ja jeste takozvani efekat „crne kutije“, kada korisnici ne mogu jasno da objasne kako je sistem došao do određenog zaključka.
Deterministički i formalno modelovani sistemi omogućavaju da proces zaključivanja bude znatno transparentniji, auditabilan i lakše usklađen sa regulatornim zahtevima, posebno u oblastima u kojima su sigurnost i odgovornost od ključnog značaja.
2. Veća efikasnost korišćenja računarskih resursa
Treniranje velikih jezičkih modela zahteva ogromne računarske resurse i značajnu količinu energije.
Pristupi zasnovani na strukturnim modelima, uzročno-posledičnim vezama i formalnoj matematici mogu, u određenim oblastima primene, postići visoku efikasnost uz znatno manje količine podataka i računarske snage.
To predstavlja važan korak ka održivijem razvoju veštačke inteligencije.
3. Suverenitet podataka i digitalna nezavisnost
Jedan od sve važnijih izazova savremenog poslovanja jeste kontrola nad podacima i infrastrukturom.
Rešenja zasnovana na determinističkim arhitekturama mogu se implementirati lokalno, unutar organizacije ili nacionalne infrastrukture, čime se povećava kontrola nad podacima, olakšava usklađenost sa evropskim regulatornim okvirom i jača digitalni suverenitet organizacija.
Da li će Strukturna inteligencija zameniti generativni AI?
Verovatno ne.
Mnogo je realnije očekivati razvoj hibridnih AI sistema, u kojima će različite tehnologije imati različite uloge.
Generativni AI će nastaviti da bude izuzetno koristan za komunikaciju, pretragu znanja, izradu dokumentacije, kreativne procese i podršku korisnicima.
Sa druge strane, sistemi zasnovani na Strukturnoj inteligenciji mogli bi imati važnu ulogu u oblastima koje zahtevaju visok stepen pouzdanosti, predvidivosti i mogućnost formalne provere rezultata.
Drugim rečima, budućnost veštačke inteligencije verovatno neće pripadati jednoj tehnologiji, već njihovoj međusobnoj saradnji.
Uloga Udruženja e-Razvoj u novom digitalnom dobu
Zadatak Udruženja e-Razvoj nikada nije bio da samo prati tehnološke trendove, već da prepozna pravce razvoja koji mogu doneti stvarnu vrednost privredi, javnom sektoru i društvu u celini.
Naš cilj jeste da domaćim kompanijama, institucijama i stručnjacima približimo tehnologije koje imaju potencijal da unaprede konkurentnost, povećaju bezbednost poslovanja i omoguće održiv digitalni razvoj.
Srbija i region Jugoistočne Evrope raspolažu značajnim inženjerskim potencijalom. Verujemo da upravo kroz edukaciju, razmenu znanja, međunarodnu saradnju i povezivanje sa vodećim evropskim Deep Tech inicijativama možemo doprineti razvoju nove generacije inteligentnih sistema.
U narednom periodu, kroz aktivnosti Udruženja e-Razvoj, stručne radionice, ekspertske diskusije i Konferenciju e-Razvoj 2026, posebnu pažnju posvetićemo upravo ovim naprednim pravcima razvoja veštačke inteligencije.
Naš cilj nije promocija jedne tehnologije, već podsticanje stručnog dijaloga o tome kako izgraditi AI sisteme koji će biti ne samo moćni, već i pouzdani, transparentni i odgovorni.
Zaključak
Veštačka inteligencija nastavlja da menja način na koji radimo, učimo i donosimo odluke. Međutim, kako njena primena ulazi u sve složenije i odgovornije oblasti, pitanje pouzdanosti postaje jednako važno kao i pitanje performansi.
Strukturna inteligencija predstavlja jedan od najperspektivnijih pravaca razvoja AI sistema koji nastoje da spoje matematičku dokazivost, transparentnost i praktičnu primenu u složenim poslovnim i industrijskim okruženjima.
Bez obzira na to koji će tehnološki pristupi dugoročno postati dominantni, jedno je sigurno – budućnost veštačke inteligencije neće zavisiti samo od toga koliko sistemi mogu da generišu sadržaj, već i od toga koliko možemo da razumemo, proverimo i verujemo njihovim odlukama.
Zato verujem da je upravo sada pravi trenutak da otvorimo stručnu raspravu o sledećoj fazi razvoja veštačke inteligencije – fazi u kojoj će preciznost, struktura, odgovornost i poverenje postati jednako važni kao i sama inteligencija.
Preporučena literatura i reference
- Pearl, J., & Mackenzie, D. (2018). The Book of Why: The New Science of Cause and Effect. Basic Books.
- European Parliament. (2024). Regulation (EU) 2024/1689 – Artificial Intelligence Act (EU AI Act).
- Aksman, M. I. (2026). The Rigorous Mathematical Theory of Structural Intelligence (SI).
- Russell, S. (2019). Human Compatible: Artificial Intelligence and the Problem of Control. Viking.
- Gunning, D., & Aha, D. (2019). DARPA’s Explainable Artificial Intelligence (XAI) Program. AI Magazine.
- Schwartz, R., Dodge, J., Smith, N. A., & Etzioni, O. (2020). Green AI. Communications of the ACM.
- European Commission. (2020). White Paper on Artificial Intelligence: A European Approach to Excellence and Trust.
- ISO/IEC 42001:2023. Information technology — Artificial intelligence — Management system.
- NIST. (2023). Artificial Intelligence Risk Management Framework (AI RMF 1.0).
- Schölkopf, B., Locatello, F., Bauer, S., et al. (2021). Toward Causal Representation Learning. Proceedings of the IEEE.
Autor
Slobodan Krstić
Predsednik Udruženja e-Razvoj
https://erazvoj.com