GPT-5.5 je najbrži konj u trci, što je otprilike jednako korisno kao saznanje da si najpametniji u...

Pedeset milijardi dolara, pet godina razvoja, deset tisuća grafičkih procesora koji troše struju kao mala zemlja, i evo ga — model koji na benchmark testovima pokazuje da je bolji od prošlogodišnjeg modela koji je bio bolji od pretprošlogodišnjeg modela, u beskonačnoj petlji samoreferencijalne nadmudrivanja. Kao da gradimo sve više nebodere da bismo dokazali da možemo graditi sve više nebodere, dok u prizemlju vrata ne propuštaju i liftovi padaju.

Apsurd nije u tome što model halucinira. Halucinacije su strukturna značajka, ne greška. Kad stroj ne zna odgovor, on ga izmisli — baš kao što bi to napravio čovjek na ispitu iz statistike u osam ujutro. Razlika je u tome što čovjek zna da laže, a stroj ne zna ni da postoji. Problem je u tome što smo benchmark sustav pretvorili u religiju. Testovi mjere koliko dobro model rješava testove. To je tautologija. To je kao da mjeriš inteligenciju ribe po tome koliko dobro penje na drvo.

Dvadeset posto skuplji API. Zašto? Zato što mogu. Zato što su jedini dileri u kvartu koji imaju ovu drogu, a korisnici su već navučeni. Cijena nema veze s troškovima. Cijena ima veze s time koliko si spreman platiti da ne zaostaneš. To je taj mehanizam koji tjera ljude da kupe iPhone svake godine, iako im stari radi savršeno. Razlika je u tome što iPhone barem ne izmisli da ti je žena preminula kad je živa i zdrava.

I tu dolazimo do ključne točke koju svi preskaču kao da je rupa na cesti. Benchmarkovi su postali sami sebi svrha. Kompanije treniraju modele da pobijede na benchmarkovima, baš kao što su studenti nekad učili samo da polože ispit, a ne da znaju. Razlika je u tome što student možeš pitati nešto izvan kurikuluma i dobiti odgovor. Ove modele pitaš nešto izvan njihovog trening seta i dobiješ uvjerljivo zvučeći nonsens s gramatički savršenom strukturom i potpuno promašenom suštinom.

Netko će reći: pa i ljudi haluciniraju. Istina. Ljudi izmišljaju sjećanja, reinterpretiraju prošlost, grade narative koji nemaju veze sa stvarnošću. Razlika je u tome što ljudi, kad ih suočiš s činjenicama, mogu reći: jebote, u pravu si, zajebao sam se. Model će reći: na temelju dostupnih informacija, moj odgovor je točan, a tvoja percepcija stvarnosti je pogrešna. To nije inteligencija. To je narcisoidnost na steroidima.

I znajte što je najgore od svega? Ovi benchmark rezultati ne znače ništa za stvarni svijet. U kontroliranom okruženju, s pažljivo odabranim testovima, model blista. Stavi ga u divlje okruženje stvarnog poslovanja, gdje su podaci prljavi, kontekst nepotpun, a pitanja neformulirana, i on počinje proizvoditi odgovore koji su istovremeno impresivni i potpuno beskorisni. Kao da imaš asistenta koji napiše briljantan izvještaj, ali u njemu tvrdi da je tvoja kompanija osnovana 1887. i da joj je osnivač bio Nikola Tesla.

A ipak, svi trče za njim. Svaka kompanija koja drži do sebe mora imati AI strategiju, što u praksi znači: uzeti OpenAI API, platiti dvadeset posto više, integrirati ga u proizvod, i nadati se da korisnici neće primijetiti kad model počne izmišljati podatke. To nije tehnološka revolucija. To je trendovsko kreteniranje sa skupom igračkom.

Najbolji dio? Oni koji prodaju ovu maglu su potpuno svjesni njenih ograničenja. Unutar kompanija, inženjeri se šale o halucinacijama. Na konferencijama, priznaju da modeli ne razumiju kontekst. Ali u marketing materijalima, to su revolucionarni alati koji će promijeniti svijet. Dvostruki standard koji bi sramotio i prodavača rabljenih automobila.

A mi plaćamo. Plaćamo više za manje. Plaćamo benchmark rezultate koji ne znače ništa. Plaćamo obećanja koja se nikad ne ispune. Plaćamo zato što se bojimo da će netko drugi platiti prije nas i dobiti prednost. To je Ponzijeva shema na razini cijele industrije, samo što umjesto novca kruži nada.

I dok svi gledaju u benchmark tablice i uspoređuju brojke, nitko ne postavlja pitanje koje bi trebalo postaviti: ako je ovaj model toliko pametan, zašto mu treba pet godina i pedeset milijardi dolara da nauči ono što svaki pripravnik nauči u prvih tjedan dana — da ne izmišlja stvari kad ne zna odgovor?

Ali ne. Bolje je podići cijenu i objaviti nove benchmark rezultate. Bolje je hraniti iluziju da smo na rubu kvantnog skoka u inteligenciji. Bolje je prodavati maglu dok god je kupuju.

Jer u tech industriji, istina je uvijek gora od onoga što se prodaje. A benchmarkovi su tu da te uvjere da je prodavana magla zapravo oblak.

Izvor: the-decoder.com