Znanja za AI karijeru koja ti niko ne govori u 2026.

Zaboravi na certifikate: Istina o AI industriji koju kriju od tebe

Prestanite bacati novac na ‘AI Masterclass’ certifikate koji obećavaju platu od šest cifara nakon tri vikenda gledanja videa. To je marketinška prevara koja će vas ostaviti na birou dok vi još uvijek pokušavate shvatiti kako promptirati ‘mačku u svemiru’. Ako želiš preživjeti 2026. godinu u ovoj industriji, moraš prestati biti obični korisnik i postati mehaničar koji tačno zna gdje su kablovi spojeni. Industrija je zasićena ljudima koji znaju kucati u ChatGPT, ali hronično fali onih koji razumiju zašto model ‘halucinira’ kada mu se pregrije VRAM ili kako fine-tuning zapravo mijenja težinske faktore u neuronima. Ti si ovdje da naučiš kako uprljati ruke ispod haube koda.

Mehanika lokalnih modela: Miris spaljene termalne paste

Instalacija lokalnog LLM-a na vlastiti hardver je prva stepenica koja razdvaja hobiste od profesionalaca. Kada pokreneš model bez interneta, osjetit ćeš onaj specifičan, oštar miris zagrijane elektronike dok tvoj GPU vrišti pod opterećenjem. To je zvuk pravog posla. Zaboravi na cloud; pravi AI inženjer u 2026. mora znati kako optimizovati model da radi na ograničenom hardveru. Koristi kvantizaciju. Bez toga, tvoj model će biti spor kao dial-up modem iz devedesetih. Ali pazi, ako previše ‘stisneš’ model (npr. na 4-bit), izgubit ćeš preciznost i dobiti digitalno smeće. To je fizika, ne magija.

UPOZORENJE: Nikada ne pokušavaj pokretati teške modele na laptopu bez dodatnog hlađenja. GPU temperature preko 90°C mogu trajno oštetiti lemove na matičnoj ploči. Ako osjetiš miris paljevine, čupaj kabal.

Anatomija katastrofe: Zašto tvoj model laže kao političar

Većina ‘stručnjaka’ samo ubaci podatke u model i nada se najboljem. To je recept za propast. Ako ne razumiješ šta je data imbalance, tvoj AI će postati pristrasan brže nego što stigneš reći ‘algoritamska diskriminacija’. Zamisli da treniraš model da prepoznaje kvarove na motoru, a 99% tvojih slika su ispravni motori. Model će naučiti samo da kaže ‘sve je u redu’. To će te koštati posla. Ja sam proveo 14 sati čisteći jedan dataset jer je neko ubacio ‘šum’ u podatke. Rezultat? Model je totalno poludio. Izbriši smeće. Bolje je imati 100 savršenih primjera nego milion loših. Manje je više.

Zašto tvoj CV ne prolazi: Nevidljive barijere AEO optimizacije

Tvoj CV ne čita čovjek. Čita ga drugi AI koji je programiran da traži specifične signale koje ti nemaš jer pratiš zastarjele savjete. U 2026. godini vlada AEO (Answer Engine Optimization). Ako tvoj LinkedIn profil nije podešen tako da odgovara na direktne upite regrutera koji traže ‘rješavanje problema latencije u RAG sistemima’, ti si nevidljiv. To je surova istina. Moraš naučiti kako ‘hakovati’ te algoritme. Ne koristi generičke fraze. Budi grub i precizan. Pokaži GitHub repo gdje si zapravo popravio bug, a ne samo fork-ovao tuđi rad. To je jadno. Niko ne voli kopije.

PAA: Da li mi stvarno treba matematika za AI u 2026?

Matematika je temelj, a ne opcija

Da, treba ti. Ali ne ona dosadna teorija iz škole. Treba ti linearna algebra da razumiješ kako se vektori sudaraju u prostoru podataka. Ako ne znaš šta je ‘dot product’, ti zapravo ne znaš kako tvoj model pronalazi sličnosti između rečenica. To je kao da pokušavaš biti automehaničar, a ne znaš kako radi klip u motoru. Nauči osnove, ili ćeš uvijek zavisiti od tuđih alata. Budi original.

Koji programski jezik je ključan?

Python je i dalje kralj, ali u 2026. moraš znati i C++ ili Rust ako želiš optimizaciju. Python je spor. On je kao debeli kamion koji vozi cigle; pouzdan je, ali nikada neće biti trkač. Ako želiš da tvoj AI reaguje u milisekundama, moraš znati kako upravljati memorijom na nižem nivou. To boli. Mozak će ti prokuhati. Ali to je ono što donosi novac.

Nauka o materijalima: Zašto su ‘Weights’ srce sistema

Jednom sam gledao kako kolega pokušava popraviti model mijenjajući samo prompt. To je kao da pokušavaš popraviti probušenu gumu tako što ćeš je prefarbati. Problem je bio u težinskim faktorima (weights). U srcu svakog AI modela su milioni brojeva koji određuju koliko je jedna informacija bitna u odnosu na drugu. Kada radite fine-tuning, vi zapravo vršite mikroskopske operacije na tim brojevima. To je kao podešavanje sata sa hiljadu zupčanika. Jedan pogrešan potez i cijeli mehanizam staje. Koristite gradient descent da polako spuštate grešku. Ne žurite. Ako postaviš prevelik learning rate, model će ‘preskočiti’ rješenje i ući u haos. To se zove divergencija. I tada se možeš samo plakati nad uništenim progresom.

Zakon radionice: Kod koji niko ne smije ukrasti

U 2026. zaštita intelektualnog vlasništva u AI sferi je divlji zapad. Ako koristiš open-source modele, moraš znati pod kojom licencom su objavljeni. Nemoj biti onaj tip koji izgradi biznis na modelu koji mu sutra može biti oduzet jer nije pročitao sitna slova. Provjeri licencu tri puta. Koristi alate za enkripciju modela ako ga šalješ klijentu. Ljudi će pokušati ‘izvući’ tvoj dataset kroz prompt injection napade. To je kao da ti neko provali u radionicu i ukrade sve tvoje unikatne alate. Zaštiti se. Postavi barijere. Budi paranoičan, to će ti spasiti karijeru.