Bez muke: Kako se dokumentuje mašinsko učenje model u 2026.
Prestani lagati sebe da će AI sam napisati svoju dokumentaciju
To je marketinška fora koja će te koštati posla kad prva revizija zakuca na vrata. Ako misliš da je ‘automatski generisani README’ dovoljan za model koji puštaš u produkciju 2026. godine, spremi se za haos. Dokumentacija nije ukras; to je sigurnosni pojas. Bez nje, tvoj model je samo crna kutija koja čeka da eksplodira. Ti si taj koji mora znati zašto je temperature parameter postavljen baš na 0.7, a ne neki LLM koji halucinira sopstvenu logiku. Ako ne zapišeš sada, za šest mjeseci ćeš buljiti u kod kao u hijeroglife. Shvati to odmah. Štedi sate kasnije.
Zašto tvoj ‘Auto-Doc’ alat zapravo guta smeće
Svi ti novi alati obećavaju dokumentaciju jednim klikom. Lažu. Oni grebu površinu, hvataju nazive funkcija, ali promašuju ‘zašto’. Dokumentovanje ML modela u 2026. zahtijeva da opišeš krvnu sliku podataka prije nego što su uopšte ušli u CNN mrežu. Moraš osjetiti teksturu sirovih logova. Da li su masni od duplih unosa? Da li zaudaraju na ‘bias’ koji će te koštati sudske tužbe? Ako koristiš alate poput onih na Azure platformi, oni će ti dati grafikone, ali ti moraš unijeti kontekst. Bez tvog ljudskog nadzora, ti grafikoni su samo šarene laži. Loš ulaz, loš izlaz. Jednostavno.
WARNING: Nikada ne ostavljaj API ključeve ili putanje do lokalnih setova podataka u javnoj dokumentaciji. 120v struja te može ubiti, ali curenje baze klijenata kroz metapodatke modela će ti ubiti karijeru brže nego što stigneš reći ‘incident’. Provjeri kako sakriti podatke prije nego što pritisneš ‘publish’.
Model kartice: Tvoj građevinski nacrt, ne spisak želja
U 2026. godini, ‘Model Cards’ su postali standard, ali ih većina developera popunjava kao da pišu sastav u osnovnoj školi. Model kartica mora biti tvoj manifest. Mora sadržavati specifične activation functions koje si koristio i obrazloženje zašto baš one. Ako si izabrao ReLU umjesto Sigmoida, napiši to. Ne zato što je moderno, nego zato što si vidio da Sigmoid ‘umire’ na dubokim slojevima. To je znanje. To je autoritet. Programer Mirza iz moje stare firme je jednom rekao: ‘Kod koji nije dokumentovan ne postoji. Postoji samo problem koji čeka da te probudi u 3 ujutro.’ Bio je u pravu. Nemoj biti taj lik koji ne zna šta je radio u martu kad dođe oktobarska revizija.
Šta svaka ML dokumentacija mora imati u 2026?
Prvo, porijeklo podataka. Drugo, metriku uspjeha koja nije samo ‘accuracy’. Accuracy je za amatere. U stvarnom svijetu, zanima nas F1 score, zanima nas ‘drift’. Kako se tvoj model ponaša kad se svijet promijeni? Ako dokumentuješ K-means clustering, moraš objasniti zašto si izabrao baš taj broj klastera. Da li je to bila ‘elbow’ metoda ili si samo nagađao? Budi iskren. Dokumentacija trpi sve, ali produkcija ne prašta.
Fizika zaborava: Zašto se parametri ‘hlade’
Postoji nešto što zovem ‘fizika zaborava’. Što duže model stoji bez nadzora, dokumentacija o njemu postaje nejasnija. Parametri se ‘hlade’ u tvojoj glavi. Zato dokumentuj dok je ‘gvožđe vruće’. Slather (nabaci) te komentare direktno u kod, ali ih onda izvuci u struktuiranu formu. Koristi verzianje dokumentacije isto kao što koristiš Git za kod. Ako si promijenio arhitekturu iz RNN mreže u nešto modernije, ostavi trag zašto prethodna verzija nije radila. To sprečava tvoje kolege da prave iste greške. Uštedi im vrijeme, uštedi firmi novac.
Anatomija jednog ‘Screw-Up-a’: Slučaj izgubljenog metapodatka
Evo kako to izgleda u praksi kad zasereš. Prošle godine, jedan tim je pustio model za predviđanje cijena nekretnina. Dokumentacija je bila ‘sjajna’ – na papiru. Ali, zaboravili su dokumentovati da su izbacili 5% ‘outliera’ iz trening seta jer su im kvarili grafikone. Šest mjeseci kasnije, model je počeo totalno promašivati cijene luksuznih vila. Niko nije znao zašto. Potrošili su 12 radnih dana, što je oko 15.000 eura u platama, samo da bi otkrili jednu rečenicu koja je falila u dokumentaciji. To je cijena lijenosti. Nemoj biti taj tim. Zapiši svaku filtraciju, svaki ‘drop’ kolone. Svaki. Jedan.
Da li moram dokumentovati svaki eksperiment?
Kratak odgovor: Ne. Dugački odgovor: Dokumentuj samo one koji su te nečemu naučili. Ako je eksperiment bio totalni promašaj zbog lošeg temperature parametra, zapiši to kao upozorenje drugima. ‘Ne diraj ovo, gori.’ To je korisnije od 100 stranica generisanog teksta. Budi hirurški precizan.
Zašto ti treba ‘Human-in-the-loop’ čak i za pisanje README-a
AI može skratiti tekst, može popraviti gramatiku, ali ne može objasniti tvoju intuiciju. Tvoja intuicija je ono što te čini seniorom. Ako dokumentuješ DevOps procese za ML, objasni logiku iza monitoringa. Zašto si postavio alarm na 10% devijacije, a ne na 5%? Zato što znaš da je 5% normalan šum. AI to ne zna. On vidi samo brojeve. Ti vidiš sistem. Zato, uzmi tastaturu i napiši tih par rečenica. Tvoj budući ‘ja’ će ti biti zahvalan kad ne budeš morao raditi vikendom jer je nešto puklo, a niko ne zna kako se popravlja.