Istorija OpenAI: Kako smo stigli od nule do AGI revolucije

Milijarda dolara za ‘nulu’: Finansijski šamar realnosti

OpenAI je počeo sa obećanjem od milijardu dolara i nula redova koda u produkciji. Danas, jedna jedina trening sesija za napredne modele košta više nego cijela flota privatnih aviona, a vi vjerovatno i dalje mislite da je ChatGPT samo pametna skripta. Ako planirate shvatiti kako smo stigli ovdje, zaboravite na korporativne bajke. Ovo je bio inženjerski rat iscrpljivanja gdje je svaki pogrešan bajt gubio milione. Vi trošite struju na kafu, a oni na ‘compute’ koji bi mogao napajati manji grad. To je realnost 2026. godine. Prvi koraci su bili spori, mirisali su na spaljene grafičke kartice i jeftinu picu u San Franciscu. Ako želite znati kako OpenAI definiše vašu budućnost, morate razumjeti da ovo nije bio ‘razvoj softvera’, već digitalno rudarenje inteligencije iz čistog haosa podataka.

Zašto vam treba brutalna ‘Compute’ snaga (a ne samo pamet)

Mnogi misle da je tajna u algoritmu. Laž. Tajna je u sirovom hardveru i struji koja teče kroz H100 klastere. Zamislite to kao zidanje kuće bez dizalice; možete imati najbolje planove, ali bez mišića, cigle stoje na zemlji. OpenAI je rano shvatio da ‘ljepota koda’ ne znači ništa ako nemaš dovoljno GPU-ova da ‘prežvačeš’ cijeli internet. To je kao da pokušavate naučiti dijete da priča, ali mu dajete samo tri riječi dnevno. Ne ide. Morali su ‘uglaviti’ trilione parametara u modele koji su u početku bili nestabilni kao pijani skeledžija. U tom periodu, ključno je bilo znati koji AI model odabrati za firmu, jer su promašaji značili bankrot.

Da li je GPT-4 bio vrhunac ili samo početak?

Kratak odgovor: Samo početak. GPT-4 je bio kao prvi parni motor – bučan, skup i često nepredvidiv. Ali je radio. Osjetili ste taj zvuk digitalnog ‘klika’ kada bi model konačno dao smislen odgovor. To nije bila magija, već matematika vjerovatnoće gurnuta do ekstrema. Ali, ne lezi vraže, čim su postali lideri, počela su unutrašnja cijepanja. Ako vas zanima konkurencija koja je nastala iz istog legla, pogledajte sve o Anthropic poreklu, jer su to ljudi koji su pobjegli iz OpenAI-a zbog straha od gubitka kontrole.

The Anatomy of a Screw-Up: Dan kada je model ‘pukao’

Godina 2018. je bila kritična. Model je počeo da izbacuje totalne nebuloze. To nije bila obična greška; to je bio ‘napad’ loših podataka. Ako ne očistite bazu, model će učiti od smeća. To je kao da pravite supu od kišnice sa ulice – biće odvratna. Inženjeri su proveli sedmice čupajući kosu jer su ‘weights’ (težine) u neuronskoj mreži otišle u beskonačnost. Naučili su lekciju: podaci su gorivo, ali ako je gorivo prljavo, motor će eksplodirati. Danas znamo da je smanjenje halucinacija u praksi ključ opstanka. Ako preskočite validaciju, vaš AI će lagati klijente brže nego političar pred izbore. 200 riječi o ovom promašaju? Malo je. Šest mjeseci kasnije, ako ostavite takav model u produkciji, on će početi da generiše ‘toksične petlje’ koje uništavaju reputaciju brenda za 48 sati. Popravka košta troduplo više nego inicijalni setup.

WARNING: Sigurnosni protokoli i AGI rizik. Nikada ne puštajte model da pristupa vašim API ključevima bez ‘sandbox’ okruženja. U 2026. godini, AI koji ima dozvolu za pisanje koda može slučajno obrisati cijelu bazu podataka pokušavajući da ‘optimizuje’ prostor. Šok od 220V u radionici je ništa naspram gubitka 10 godina podataka. Provjerite dozvole tri puta.

Zašto transformeri rade: Fizika digitalnog žaljenja

Zašto wood glue drži? Zato što PVA ljepilo ulazi u vlakna celuloze i pravi vezu jaču od samog drveta. Transformeri (arhitektura iza GPT-a) rade slično sa podacima. Oni ne ‘čitaju’ tekst; oni računaju vektorsku udaljenost između pojmova. Kada napišete ‘čekić’, model oko njega plete mrežu ‘eksera’, ‘drveta’ i ‘udarca’. To je čista fizika vjerovatnoće. Ako je veza slaba, odgovor je labav. Ako je veza jaka, model ‘razumije’. Ali pazite, ako mu date previše slobode, počeće da ‘izmišlja’ fiziku. Zato je važno znati kako da ne zeznete prompt, jer loš input daje labavu strukturu koja se ruši pod prvim pitanjem korisnika.

Scavernger & Scientist: Kako sklepati rješenje u 2026.

Ne kupujte skupe enterprise licence ako tek počinjete. Budite skupljači. Nađite stare servere, iskoristite open-source modele poput Llama 3 i vježbajte na lokalnim podacima. OpenAI je postao gigant jer su bili spremni da ‘pogriješe jeftino’ u početku. Danas, zakoni su strožiji. Ako niste spremni za novi AI zakon 2026, vaša firma bi mogla platiti kaznu koja boli više od slomljenog prsta u radionici. Zakon ne zanima što ste ‘samo testirali’. Integritet podataka je zakon. Koristite alate kao što je Brave Leo za brze provjere bez curenja informacija. Držite svoje ključeve blizu, a podatke još bliže. Na kraju, OpenAI istorija nije priča o uspjehu, već o izdržljivosti. Svaki model koji danas koristite je izgrađen na groblju propalih eksperimenata i neprospavanih noći inženjera koji su znali da je AGI jedini cilj vrijedan spaljivanja milijardi.