Iz sveta veštačke inteligencije #3

Nastavljamo sa našom serijom tekstova koja se bavi novitetima iz sveta veštačke inteligencije.

Alati

Google Skills

Google Skills je nova Google-ova obrazovna platforma. Namenjena je razvoju savremenih veština, pre svega u oblasti veštačke inteligencije. Ali, i u drugim tehničkim domenima kao što su cloud, mašinsko učenje i automatizacija. Platforma objedinjuje širok katalog kurseva, praktičnih „labova“, sertifikata i digitalnih znački veština (skill badges). Sav sadržaj dolazi iz različitih Google ekosistema poput Google Cloud-a, DeepMind-a i Gemini-ja. To omogućava učenje iz jednog centralnog, dobro organizovanog mesta.

Posebno je korisna za kompanije, jer nudi opciju obuke timova kroz praktičan, „hands-on“ pristup. Zaposleni mogu da stiču konkretne veštine i potvrde ih digitalnim značkama, kao i formalnim sertifikatima. To može doprineti razvoju karijere i jačanju kompetencija unutar organizacije.

Veliki deo sadržaja, uključujući mnoge kurseve i značke, dostupan je potpuno besplatno. Platforma neretko nudi i promotivne programe u okviru kojih se određeni materijali mogu koristiti bez naknade. Takođe, korisnici mogu dobiti besplatne Google Cloud kredite koje zatim koriste u laboratorijama za praktičan rad. Sa druge strane, pojedini napredni lab-ovi zahtevaju plaćene kredite, a deo programa, poput „Google Career Certificates“, funkcioniše po mesečnoj pretplati.

Preduzeća mogu da iskoriste Google Skills kao moderan i pristupačan alat za razvoj zaposlenih i unapređenje poslovanja. Preduzeće može koristiti platformu za internu obuku iz oblasti kao što su AI, cloud i automatizacija. Sve bez potrebe za skupim eksternim kursevima. Skill-badge sertifikati zaposlenima daju merljive i vidljive dokaze stečenih znanja. Korišćenjem prilagođenih „learning path“ programa, kompanija može sistematski graditi tehničke kapacitete. Na primer, može razvijati znanje o AI modelima, automatizaciji procesa ili rada sa podacima.

Na slici 1 se nalazi korisnički interfejs platforme. Prati se napredak na kursevima i učestalost učenja, kao i osvojene značke.

Gemini 3

Google je izbacio najnoviji AI model – Gemini 3. Postoje dve verzije – Gemini 3 Pro koja je trenutno dostupna i Gemini 3 Deep Think koja je još moćnija u razmišljanju i biće dostupna kasnije za određene korisnike (Ultra pretplatnike). Model je dostupan na raznim mestima: u Gemini aplikaciji, u Google Search-u (AI Mode), kao i putem programerskog API-ja (Google AI Studio, Vertex AI).

Gemini 3 Pro donosi značajan korak napred u sposobnostima veštačke inteligencije, posebno u načinu na koji razume, obrađuje i povezuje informacije. Najveća prednost ove verzije je napredno multimodalno razumevanje. Model može istovremeno da obradi tekst, slike, audio i video sadržaj, i da iz toga izvuče smisao na prirodan i tačan način. Ima poboljšanu memoriju i dugoročni kontekst, što mu omogućava da preciznije pamti tok razgovora i izvršava složenije zadatke koje korisnik traži kroz više koraka. „Humanity’s Last Exam“ je test koji meri sposobnost AI modela da rešava kompleksne probleme i logički rezonuje, slično ljudskom razmišljanju. Gemini 3 Pro je postigao vrlo visoke rezultate na ovom testu, što pokazuje njegovu naprednu sposobnost zaključivanja, analize i rešavanja zadataka sa više koraka. Na slici 2 se nalazi poređenje po funkcionalnostima Gemini-ja sa njegovim konkurentima i prethodnom verzijom Gemini-ja. Gemini 3 Pro ima najbolje rezultate u skoro svim kategorijama.

Gemini 3 Pro takođe ima znatno bolje sposobnosti zaključivanja i rada sa većim količinama podataka, pa može da analizira dokumente, tabele i prezentacije kao da se radi o jedinstvenom izvoru informacija. Još jedna važna novina je bolje integrisano programiranje – model može da piše i objašnjava kod, otklanja greške i predlaže efikasnija rešenja. Google je unapredio bezbednost modela kroz zaštitu od „prompt injekcija“. Prompt injekcija je tehnika kojom korisnik ili napadač pokušava da manipuliše AI modelom tako što ubaci zlonamerni ili obmanjujući tekst u upit, kako bi model izvršio neželjene radnje ili dao pogrešne informacije. Gemini 3 Pro ima unapređene mehanizme koji prepoznaju i odbacuju ovakve manipulacije, čime se smanjuje rizik od pogrešnih ili opasnih odgovora. Takođe, unapređena je i pouzdanost modela kroz ograničenja „sycophancy“.

Sycophancy se odnosi na ulizivanje AI-ja, kada model previše prilagođava svoje odgovore da bi zadovoljio korisnika, čak i ako to znači davanje netačnih ili nepotpunih informacija. Gemini 3 Pro je treniran da ograniči ovaj efekat, što znači da model daje iskrene, objektivne i korisne odgovore.

Korišćenjem Gemini 3 Pro, preduzeća mogu značajno unaprediti svoje poslovanje kroz više aspekata. Model pomaže u povećanju produktivnosti tima omogućavajući automatsko generisanje izveštaja, sažetaka i vizualizacija, dok istovremeno ubrzava donošenje odluka analizom velikih količina podataka i pružanjem preciznih preporuka. Takođe, omogućava automatizaciju složenih procesa, planiranje i praćenje zadataka sa više koraka bez stalnog ručnog nadzora. Pored toga, Gemini 3 Pro olakšava rad sa različitim tipovima sadržaja, uključujući tekst, slike, video i PDF dokumente, omogućavajući njihovu analizu i obradu u jednom koraku.

Google Antigravity

Google Antigravity je nova razvojna platforma i inovativno razvojno okruženje (IDE – Integrated Development Environment) koji je lansiran u novembru 2025. godine. Fokusiran je na rad sa veštačkom inteligencijom. Za razliku od klasičnih inovativnih razvojnih okruženja, Antigravity je “agent‑first”, što znači da AI agenti ne samo da predlažu kod, već i samostalno izvršavaju zadatke, testiraju aplikacije i kreiraju strukturisane izveštaje o svom radu, tzv. artefakte. Glavni model koji platforma koristi je Gemini 3 Pro, ali podržava i druge modele, uključujući Claude Sonnet 4.5 i verzije otvorenog koda. Agenti imaju direktan pristup editoru koda, terminalu i web pretraživaču, što im omogućava da pišu kod, pokreću skripte i testiraju aplikacije, dok korisnik nadgleda njihov rad.

Platforma nudi dva glavna prikaza: Editor view za klasičan rad u IDE-u i Manager view za koordinaciju više agenata koji rade paralelno. Antigravity generiše detaljne artefakte koji prikazuju svaki korak koji su agenti preduzeli. Od planova i lista zadataka do logova testiranja i snimaka ekrana. To korisniku daje potpun uvid u njihov rad i odluke. Pored toga, sistem omogućava da se agenti vremenom prilagode projektu, uče iz prethodnih zadataka i postanu precizniji, dok se dodatnim podešavanjem model može specifično optimizovati za potrebe tima ili kompleksnije tipove zadataka. Cilj Google Antigravity-ja je povećanje produktivnosti i efikasnosti programera kroz autonomni rad AI agenata, uz mogućnost praćenja i verifikacije rezultata. Iako se platforma još nalazi u javnoj preview fazi i korisnici prijavljuju povremene greške i probleme sa stabilnošću, ona predstavlja značajan korak ka većoj autonomiji kodiranja i dubljoj integraciji veštačke inteligencije u razvoj softvera.

Zanimljivosti

Microsoft lista

Microsoft je napravio listu top 20 zanimanja sa najvećim preklapanjem sa veštačkom inteligencijom:

1. prevodioci i tumači – 98%
2. istoričari – 91%
3. matematičari – 91%
4. lektori – 91%
5. mašinski programeri – 90%
6. pisci i autori – 85%
7. statistički asistenti – 85%
8. prodajni predstavnici – 84%
9. tehnički pisci – 83%
10. novinari – 81%
11. stjuardi i stjuardese – 80%
12. telefonski operateri – 80%
13. urednici – 78%
14. edukatori za upravljanje domaćinstvom i farmom – 77%
15. politikolozi – 77%
16. naučnici za podatke – 77%
17. geografi – 77%
18. spikeri i radio-voditelji – 74%
19. berzanski službenici – 74%
20. veb programeri – 73%

MLLM i izazovi čitanja analognog sata

Članak IEEE Spectrum iz 2025. godine, “Large Language Models Struggle With Reading Clocks”, opisuje istraživanje koje je imalo za cilj da ispita koliko dobro napredni multimodalni veliki jezički modeli (MLLM – Multimodal Large Language Model) mogu da čitaju analogne satove. Istraživači su kreirali veliki sintetički set podataka sa preko 43.000 slika različitih satova. I to uključujući različite stilove brojčanika, kazaljki i pozadina, kako bi testirali sposobnost modela da tačno prepoznaju vreme.

U prvom delu istraživanja modeli su analizirani na osnovu originalnog seta podataka. Rezultati su pokazali da su greške česte, naročito kada su satovi imali neobične dizajne ili stilizovane kazaljke. Zatim su istraživači primenili fina podešavanja sa dodatnih 5.000 slika kako bi poboljšali performanse modela, a potom ih testirali na potpuno novim satovima koje modeli ranije nisu videli. Rezultati su pokazali da fina podešavanja pomažu. Ali, modeli i dalje imaju značajne probleme sa razlikovanjem kratke i duge kazaljke, određivanjem ugla između njih i čitanjem vremena na neobičnim satovima. Zaključak istraživanja je da, i pored napretka u multimodalnoj obradi, MLLM modeli još uvek nisu sposobni da pouzdano čitaju analogne satove. To ukazuje na ograničenja u njihovom prostornom rezonovanju, generalizaciji i apstraktnom razumevanju vizuelnih informacija.

Tina Paunović, master inženjer informacionih sistema