AI hype u 60-godišnjim krugovima

Negdje između proljeća 2024. i ovoga trenutka kad ovo čitaš, svijet je odlučio da je ovaj put stvarno drukčije. Novinski naslovi svaki tjedan proglašavaju novo čudo, dionice firmi koje u nazivu spomenu »AI« skoče deset posto preko noći, a po konferencijama ljudi u skupim sakoima govore o »transformaciji čovječanstva« s istim sjajem u očima kakav imaju propovjednici kad govore o kraju svijeta — što je, ako malo razmisliš, prilično slična vrsta predviđanja.

I vjerojatno je dio toga istinit. Vjerojatno. Ali negdje u toj buci, ako budeš imao dovoljno mira da zastaneš, čut ćeš tanak, gotovo dosadan glas koji šapće nešto što ne treba puno dokazivati, jer to već dokazuje dvanaest knjiga iza nas: mi smo već bili ovdje.

Ne metaforički. Bukvalno. Godine 1955. skupina ljudi oko Dartmoutha napisala je prijedlog za grant u kojem stoji, otprilike, da će se problem umjetne inteligencije riješiti tijekom jednog ljeta ako se okupi dovoljno pametnih glava — ljeta 1956., kad se i održao sam skup (Knjiga 1, poglavlje 23 — provjeri ako ne vjeruješ, papir postoji). Nekoliko godina kasnije, programeri LISP-a bili su uvjereni da su pronašli jezik u kojem će mašine same misliti (Knjiga 1, poglavlje 21). Osamdesetih su ekspertni sustavi trebali zamijeniti liječnike, pravnike i inženjere — dobili su umjesto toga desetljeće tišine koje povijest zove AI zima (Knjiga 3, poglavlje 25). Svaki put isti luk: netko probije zid, svijet povjeruje da je zid bio zadnji, novac poteče, obećanja prestignu ono što mašina stvarno može — a onda dođe zima, i svi šute dok se ne pojavi sljedeći proboj i cijela se predstava ne odigra ponovno, s novim glumcima koji ne znaju da su glumili istu ulogu.

Umjesto toga, hladno ćemo staviti dva popisa jedan pored drugog. Prvi: što je ovaj put isto kao 1956., kao 1965., kao 1985. — i zašto bi te to trebalo pomalo zabrinjavati. Drugi: što je ovaj put stvarno, mjerljivo, dokazivo drukčije — i zašto dio tog uzbuđenja nije glup.

Dobro, vrati se sa mnom malo unatrag. Ne desetljeće, ne dva — cijelih šezdeset godina. Dartmouth, ljeto '56. Znaš tu priču, čitao si je u prvoj knjizi ove serije — pa ipak, vrijedi je ovdje prizvati, jer to je prvi kadar filma koji ćemo sada odgledati po treći, četvrti, peti put.

Nakon Dartmoutha dolazi LISP — programski jezik skovan baš za tu prigodu, jer *nešto* se u tim strojevima moralo napisati da bi navodno počeli misliti — i s njim dolazi optimizam. Dolaze rečenice tipa „unutar jedne generacije bit će riješen problem stvaranja umjetne inteligencije” — ozbiljno je to rekao ozbiljan čovjek na ozbiljnoj konferenciji. Novac je tekao, mediji su pisali, svi su bili sigurni da je strojno razmišljanje pitanje sitne dorade. Onda se pokazalo da doradu treba raditi još — pa još — pa još malo. Novac je presušio. Nastupila je prva AI zima. Nitko nije htio ni izgovoriti riječi „umjetna inteligencija” u prijedlogu za financiranje, jer bi ti ga vratili nepročitanog.

Pa dobro, mislili su ljudi osamdesetih, možda ambicija nije bila problem — možda je problem bio što smo ciljali na cijelu inteligenciju umjesto na uski, korisni komad nje. Rodili su se ekspertni sustavi: strojevi koji ne pokušavaju misliti o svemu, nego znaju točno jednu stvar (dijagnosticirati kvar na lokomotivi, savjetovati o kemijskim spojevima) i to znaju bolje od čovjeka — u biti gomila zapisanih „ako-onda” pravila koja je neki stručnjak izdiktirao, samo u računalnom obliku. Treću knjigu ove serije dobro se sjećaš — investicije, konferencije, tvrtke koje su prodavale Lisp-mašine kao da su Ferrariji. I opet: obećanje je nadmašilo sposobnost, tržište se ugušilo u vlastitom entuzijazmu, i stigla je druga zima. Hladnija, jer je ovaj put razočaranje bilo skuplje.

Preskoči sad tridesetak godina tišine — ne potpune tišine, nego one vrste tišine u kojoj nekoliko upornih ljudi u podrumima i na sveučilištima nastavlja lemiti neuronske mreže dok im svi ostali govore da je to mrtav kraj. I onda, 2012., dubinsko učenje probija se kroz ImageNet kao nož kroz maslac — ImageNet je ogromna baza od preko milijun slika, ručno označenih što je na njima, koja se koristila kao poligon za testiranje: tko najbolje prepozna mačku, cvijet ili kamion, taj je pobjednik — i cijela priča kreće iznova: proboj, euforija, ulaganja, obećanja da će za pet godina svaki auto voziti sam sebe. Neka od tih obećanja su se ostvarila. Većina nije. Autonomna vožnja je i danas, uz sve pare koje je progutala, uglavnom demo-vožnja.

Postoji stara šala u zajednici umjetne inteligencije — toliko stara da joj se ne zna ni pravi autor ni godina postanka — koja glasi: umjetna opća inteligencija (dakle ne program koji samo prepoznaje mačke na slici, nego stroj koji bi mogao misliti i učiti bilo što, baš kao čovjek) udaljena je deset godina. I bila je udaljena deset godina zadnjih šezdeset godina. Nasmiješ se, ali onda pogledaš datume i shvatiš da to nije šala. To je najpouzdanije predviđanje u cijeloj povijesti računalstva: uvijek deset godina, nikad devet, nikad jedanaest. Kao da postoji neki kozmički zakon po kojem ljudski entuzijazam za umjetnu inteligenciju uvijek gleda jednu deceniju u budućnost, bez obzira gdje se sadašnjost trenutno nalazi.

Ono što slijedi u ovom poglavlju nije pokušaj da te uvjerim jesmo li sada, konačno, stigli na kraj te ceste — ili tek na još jedan zavoj prije novog pada. Ono što slijedi je poštena usporedba: što je od ovog kruga identično svima prijašnjima, i što je, ako ništa drugo, vrijedno pošteno provjeriti kao stvarno drukčije.

Dobro, sjedni. Sad dolazi dio koji nikome ne godi — ni skepticima koji bi voljeli reći »eto, vidite«, ni entuzijastima koji bi voljeli da ovaj odjeljak preskočiš. Jer ako povučeš krivulju unatrag do Dartmoutha 1956., do optimizma oko LISP-a i do ekspertnih sustava koji su trebali zamijeniti liječnike — nećeš prepoznati tehnologiju. Ali prepoznat ćeš ritam. A ritam je, ispada, upornija stvar od bilo koje arhitekture.

Prva rima je najbolnija jer je najbukvalnija: obećanja i dalje premašuju isporuku, i to za identičan iznos vremena. Herbert Simon je 1965. napisao da će strojevi za dvadeset godina biti kadri raditi svaki posao koji čovjek radi. Nije rekao „jednog dana”, nije rekao „možda” — stavio je broj. Dvadeset godina je prošlo, pa još jednom dvadeset, i strojevi to još ne rade. Danas čitaš iste rečenice, samo s drugim brojem — „AGI za pet godina”, „za tri”, netko će reći i „sljedeće godine”, ovisno koliko je runda financiranja blizu zatvaranja. (AGI, ako se pitaš, znači „opća umjetna inteligencija” — stroj koji ne rješava samo jedan zadatak, poput prepoznavanja mačaka na slici, nego sve što čovjek mentalno može, i to bolje. Do sada ga nitko nije napravio, ali to nikoga ne sprječava da mu svake godine odredi datum rođenja.) Nije da je predviđanje nužno pogrešno. Problem je što je isto predviđanje, s istim samopouzdanjem, izgovoreno šest puta u šezdeset godina — i svaki put je zvučalo kao da je ovaj put ozbiljno mišljeno.

Druga rima miriši na novac, kao i uvijek. Vrednovanja koja nemaju nikakve veze s profitom nisu izum 2024. — vidjeli smo ih kod dot-com balona, gdje su firme bez prihoda vrijedile milijarde jer su imale ».com« u imenu, i vidjeli smo ih kod kripto mjehura, gdje je token bez ikakve upotrebne vrijednosti dobio tržišnu kapitalizaciju veću od nacionalnih ekonomija. Rečenica koja se ponavlja u svakom od ovih ciklusa, riječ po riječ, glasi: »ovaj put je drukčije«. Ne zato što ljudi lažu — zato što svaka generacija stvarno vjeruje da je pronašla iznimku od pravila koje je slomilo generaciju prije nje. AI startupi danas skupljaju kapital po vrednovanjima koja pretpostavljaju da će za deset godina postojati prihod koji danas ne postoji nigdje u planu, ni u proračunu, ni u snu financijskog direktora. To ne znači da je mjehur — znači samo da mjehur i pravi rast, iz ove blizine, izgledaju identično. Razlika se vidi tek kad puknu.

Treća rima je zabavnija, jer je bezopasnija — dok traje. Svaki veliki hype ciklus proizvede vlastito zanimanje koje postoji samo zato što hype postoji. Osamdesetih je to bio »AI expert«, čovjek koji je znao dovoljno o Prologu — programskom jeziku napravljenom baš za rad s logičkim pravilima, korištenom u onim ekspertnim sustavima koji su trebali zamijeniti stručnjake u struci — da naplati konzultantsku satnicu, a firma bi ga zaposlila jer se to očekivalo, ne jer je znala što bi s njim radila. Danas je to »prompt engineer« — zanimanje koje je 2023. imalo natječaje s plaćom od dvjesto tisuća dolara godišnje za sposobnost pisanja rečenice modelu na pravi način, a 2025. je tiho izumrlo jer su modeli postali dovoljno dobri da razumiju i loše napisane upute. Kad hype-zanimanje nestane brže nego što je stigao izaći priručnik za njega, to ti kaže sve što treba znati o tome koliko je bilo stvarno, a koliko je bilo simptom vrućice.

Četvrta rima je najstarija od svih i, po mom mišljenju, najopasnija — jer ne živi u novcu ni u zanimanjima, nego u tvojoj glavi, u trenutku kad čitaš odgovor modela i pomisliš: ovo razumije. Godina je 1966., program se zove ELIZA, i to je nekoliko stotina redaka koda koji tvoju rečenicu jednostavno preoblikuje u pitanje i vrati ti je natrag — kažeš »mrzim majku«, ELIZA odgovori »zašto mrziš majku«, i to je sav trik. Nema razumijevanja, nema modela svijeta, nema ničega — a ljudi su joj se, ozbiljno, povjeravali kao terapeutu. Weizenbaum, čovjek koji je ELIZA-u napisao, zgrozio se koliko su ljudi spremni projicirati um u stroj koji ga nema. Šezdeset godina kasnije zovemo to isto »ELIZA efekt«, samo je stroj sad toliko bolji u imitaciji da je efekt jači, a ne slabiji. Kad model danas kaže »razumijem kako se osjećaš«, ne razumije ništa — samo je statistički najvjerojatniji sljedeći niz riječi, isto kao ELIZA, samo s više parametara i manje transparentnosti o triku. Antropomorfizacija, dakle pripisivanje ljudskih osobina stroju koji nema ni traga svijesti, nije nuspojava novih modela. Ona je najstariji refleks u cijeloj priči, stariji od svakog algoritma koji danas koristimo.

Peta rima je tehnička, i zato je najlakše sakriti je iza demoa. Svaki ciklus je proizveo nešto što na pozornici izgleda besprijekorno, a u proizvodnji se raspadne čim ga pusti stvaran, nepredvidiv korisnik. Sjeti se glasovnih asistenata iz sredine 2010-ih — na konferenciji su naručivali pizzu i palili svjetla poput čarobnjaka, a kod kuće ti nisu mogli točno postaviti alarm ako si mucnuo. To se zove demoware: proizvod optimiziran za jedan uvježbani, skriptirani prolaz, a ne za stvaran svijet pun buke, naglasaka i ljudi koji ne govore po priručniku. Današnji AI agenti, koji na pozornici besprijekorno rezerviraju letove i pišu cijele aplikacije, imaju istu manu koju su imali asistenti — samo je granica gdje se raspadaju pomaknuta dalje. Pitanje nije je li demo impresivan. Pitanje je koliko puta mora poći po zlu prije nego ga prestaneš zvati proizvodom i počneš zvati trikom.

A onda postoji checklist — neslužben, ali pouzdan kao termometar — po kojem prepoznaješ da zima dolazi prije nego što uopće počne snijeg. Novac koji je jučer tekao bez pitanja sutra počinje tražiti dokaz povrata ulaganja. Konferencijski govornici počnu koristiti izraz „realistična očekivanja”, što je uvijek eufemizam za „obećanja su bila prevelika”. Novinski naslovi tiho mijenjaju ton, s „revolucije” na „ograničenja”. A zanimanje koje je jučer imalo natječaje s vrtoglavim plaćama sutra nestane s oglasnih ploča, bez objašnjenja. Svaki od tih signala sam za sebe ne znači ništa. Svi zajedno, u istom mjesecu — to je snijeg.

Dakle, rezimirajmo eskalaciju do ovog trenutka: pretjerana obećanja, novac koji se ne pita za profit, zanimanja koja postoje samo dok traje vrućica, mozak koji upornu statistiku doživljava kao razumijevanje, demoi koji se raspadaju čim siđu s pozornice, i signali koji se ponavljaju iz ciklusa u ciklus s uznemirujućom točnošću. Da je ovo sve što postoji, ovo poglavlje bilo bi kratko i predvidljivo — »vidjeli smo ovo, past će snijeg, idemo dalje«. Ali nije sve. Postoji i druga strana ovog obrata, jednako ozbiljna, i zaslužuje isto toliko pažnje koliko smo upravo dali rimama koje plaše.

Dobro. Dosad je ovo poglavlje zvučalo kao da netko drži naočale za noćno gledanje i s visoka gleda cijelu industriju kako pleše isti ples po šesti put. I fer, zaslužilo je taj ton. Ali kronika koja samo optužuje nije kronika, nego presuda, a mi smo ovdje da ispričamo priču do kraja, ne da stanemo na dijelu koji nama najviše paše. Pa krenimo redom, i ovaj put branimo drugu stranu — s istom ozbiljnošću kojom smo prije crtali paralele s Dartmouthom.

Prvi argument, i najjači: LLM-ovi (Large Language Model, veliki jezični model — program treniran na ogromnim količinama teksta da predviđa koja riječ dolazi sljedeća) rade korisne stvari za stotine milijuna ljudi, sada, ovog trenutka dok ti čitaš ovu rečenicu. Ne obećanje na konferenciji, ne prototip u laboratoriju s tri postdoktoranda i grantom koji istječe u lipnju — proizvod. ChatGPT je prešao sto milijuna korisnika brže nego bilo koja aplikacija u povijesti softvera (Knjiga 7, poglavlje o tom lansiranju, sjećaš se broja). Ekspertni sustavi iz osamdesetih (Knjiga 3) nikad nisu imali sto milijuna korisnika. Imali su desetke firmi, konzultante u odijelima, i jedan XCON koji je slagao računalne konfiguracije za DEC. To je bilo stvarno korisno — ali za jednu tvrtku, u jednoj niši, uz veliki inženjerski trud oko svakog pravila. Ovo je nešto iz kategorije koju povijest tehnologije rijetko viđa: alat koji tvoja baka koristi da napiše čestitku i tvoj kolega da napiše regex, isti dan, isti model.

Što nas vodi do druge razlike, i ona je strukturna, ne samo brojčana. Ekspertni sustavi su bili usko specijalizirani po dizajnu — MYCIN je znao dijagnosticirati infekcije krvi i ništa drugo, jer je znanje bilo ručno ukucano, pravilo po pravilo, od strane ljudi koji su intervjuirali liječnike mjesecima. Promijeniš domenu, bacaš sustav i počinješ iznova. LLM je opće namjene na način na koji ništa prije njega nije bilo: isti model piše kod, prevodi pjesmu, objašnjava porezni zakon i predlaže zamjenu za jaje u receptu, bez da je ikome trebalo ručno upisati pravila za jaja. Nije da je savršen u svemu — bogme nije — ali je *isti stroj* koji pokušava sve, a ne tisuću uskih strojeva koji svaki radi jednu stvar dobro. To je razlika između švicarskog nožića i cijele radionice alata, i ta razlika nije marketinška, ona je arhitekturalna.

Treće: ekonomija. Sjeti se zašto je AI zima iz Knjige 3 stvarno stigla — nije stigla zato što je tehnologija prestala biti zanimljiva, stigla je zato što je novac presušio. DARPA je prestala plaćati, japanski Peto-generacijski projekt nije isporučio ono što je obećao, i investitori su otišli kući. Grantovi su bili gorivo, a gorivo je nestalo. Danas — a ovo je nezgodno za ljude koji vole čist narativ propasti — teku stvarni prihodi, ne samo ulaganja. OpenAI, Anthropic, Microsoft naplaćuju za API pozive koje ljudi stvarno koriste, milijune puta dnevno, i taj novac ulazi u tvrtku, ne izlazi iz nje samo na investitorske sastanke. To ne znači da su vrednovanja zdrava — o tome je bila prošla sekcija, i ostaje sumnjivo. Ali razlika između industrije koja živi od obećanja i industrije koja živi (djelomično) od stvarne prodaje je razlika koja je nekad odvajala AI zimu od AI proljeća, i vrijedi je uzeti ozbiljno umjesto otpisati kao još jednu buku.

A zid nije udaren, i za to postoji jedan pošten razlog koji smo pratili kroz cijelu seriju kao detektivsku priču s tri traga koji se konačno spoje: napokon su se poklopila sva tri sastojka koja su prijašnjim generacijama nedostajala. Podaci — internet, desetljećima akumuliranog teksta, slika, koda. Računalna snaga — GPU-ovi, grafičke kartice koje je, ironično, gaming industrija platila da se razviju prije nego što je AI zajednica shvatila da je baš to čekala (AlexNet trenutak iz 2012., kad je program pod tim imenom prvi put pokazao da GPU-ovi mogu prepoznavati slike bolje od svega dotad viđenog, i kad se sve to prvi put posložilo). I algoritmi — transformer arhitektura koja se, za razliku od prijašnjih pristupa, stvarno dobro nosi s dugim nizovima podataka. Ranije generacije su imale po jedan ili dva od ta tri sastojka. Frank Rosenblatt je 1958. imao ideju za perceptron, ali nije imao ni podatke ni računala da je testira u punom opsegu. Ekspertni sustavi su imali računala i strukturu, ali nisu imali dovoljno podataka jer je znanje trebalo ručno upisivati. Ovo je prva generacija koja ima sve troje istovremeno, i to — priznajmo iskreno — jest razlog za mirovanje sumnje, makar samo malo.

Dakle. Ovi argumenti nisu iz priopćenja za medije nijedne tvrtke iz San Francisca — dolaze iz brojki, grafova i strukturnih razlika koje se mogu provjeriti, ne samo osjetiti. I zato ova kronika, koja je do sad zvučala kao umoran veteran koji je ovo već vidio, mora priznati: veteran je ponekad u pravu što je oprezan, a ponekad upravo ta opreznost znači da propusti trenutak kad se stvar stvarno promijenila. Sljedeći korak je pogledati što to znači za oba tabora — one koji viču „vuk!” i one koji viču „ovo je konačno drukčije!” — jer i jedni i drugi imaju svoju vlastitu zamku koja čeka na dnu njihove logike.

Sad je vrijeme za onu drugu vrstu presude — ne tko je u pravu, nego tko je u opasnosti da bude u pravu iz pogrešnih razloga. Jer i skeptici i entuzijasti u ovoj priči nose svoj vlastiti teret povijesti, i taj teret nije lagan.

Skeptik ulazi u prostoriju s dosjeom debljim od telefonskog imenika: Dartmouth 1956., euforija oko jezika LISP, ekspertni sustavi i dvije AI zime — pa je cijela disciplina desetljećima bila prljava riječ na fakultetima i u investicijskim fondovima. Skeptik ima pravo biti sumnjičav — bio je tu, ili je pročitao dovoljno da zna kako ta pjesma ide. Ali postoji cijena za to iskustvo, i ta cijena se zove »cry wolf«. Dječak koji je previše puta vikao da dolazi vuk na kraju ostane bez stada baš onog dana kad vuk stvarno dođe. Skeptik koji je 2017. rekao da je duboko učenje još jedan hype ciklus, i 2019. rekao isto, i 2022. rekao isto — taj skeptik u nekom trenutku prestane biti oprezan analitičar i postane čovjek koji je uvijek u pravu dok nije. A ako ovaj put ipak nešto stvarno drukčije klizi ispod radara njegove umorne pouzdanosti, promašit će to ne zato što je glup, nego zato što je njegov detektor kalibriran na prethodni rat.

Pa gdje to ostavlja tebe, čitatelja koji čita naslove i pokušava odlučiti komu vjerovati? Na trećem mjestu, iskreno — mjestu koje nijedan tabor ne voli jer ne nosi ni katarzu poraza ni euforiju pobjede. Taj stav glasi otprilike ovako: alat može biti stvarno, mjerljivo, ekonomski koristan — i to je dovoljno da promijeni svijet — bez da mora biti prvi korak prema svemogućem umu koji nas zamjenjuje ili spašava, ovisno o tome koga pitaš.

Vrijedi razdvojiti dvije stvari koje se u ovoj raspravi stalno lijepe jedna za drugu kao mokre čarape iz perilice: korisnost i eshatologiju. Korisnost je pitanje „radi li ovo nešto vrijedno danas, za stvarne ljude, po stvarnoj cijeni”. Eshatologija je pitanje „je li ovo početak kraja svijeta kakvog znamo, u dobrom ili lošem smislu”. Parni motor je bio koristan bez da je bio eshatološki (iako su neki tako i tvrdili u svoje vrijeme, pa vidi K8, poglavlje 14, za rimu koja se tamo zatvara). Internet je bio koristan prije nego što je bio „revolucionaran” u onom velikom, civilizacijskom smislu — ta dva su stigla u različitim desetljećima, ne istog dana.

Zato je moguće, čak vjerojatno, da će povijest ovaj period upamtiti i kao djelomično opravdano oduševljenje i kao djelomično zasluženu ironiju — ne kao jedno ili drugo. LLM koji ti danas napiše pismo, sredi kod ili objasni poreznu prijavu ne mora sutra postati sveznajuće superčovječanstvo da bi vrijedio novca koji je u njega uložen. A ako netko sutra objavi da je stigao AGI, pitaj se je li to stvarno isporučeno ili samo, po šezdesetogodišnjoj tradiciji, obećano.

Vrati se, na trenutak, u Knjigu 1, poglavlje 21. Ondje smo, na kraju priče o LISP-u i njegovom prvom velikom proljeću, ostavili jednu rečenicu koja je tada zvučala kao stilska kič-fora, nešto što pripovjedač baci na kraj poglavlja da zatvori krug i ide dalje: industrija se vrti u šezdesetogodišnjim krugovima. Napisali smo to, priznajem, malo i zato da zvuči efektno. Ali nismo to izmislili — samo smo brojali. Dartmouth 1956., LISP euforija koja je iz toga izrasla, pa zima; ekspertni sustavi osamdesetih, pa druga zima; onda duboko učenje — pristup gdje se stroju, umjesto da mu se ručno propisuje svako pravilo, dâ hrpa primjera i pusti da sâm iz njih izvuče obrasce, otprilike kao kad dijete nauči razlikovati mačku od psa gledajući stotinu fotografija, a ne čitajući definiciju — pa evo nas. Kad smo tu rečenicu pisali, gledali smo unatrag. Sad je gledamo unaprijed, iz 2026., i ispada da je bila prognoza, ne ukras.

Pa dobro, recimo da je krug. Zatvorili smo ga, čestitke svima, može se knjiga zaklopiti i ići na pivu. Osim što krug je pogrešna riječ, i to je bitna razlika, ne kozmetička. Krug se vrti na istom mjestu i ne ostavlja trag. Ono što je LISP zapravo ostavio iza sebe — garbage collection (automatsko čišćenje memorije, gdje se program sam pobrine da počisti smeće za sobom umjesto da programer ručno pamti što treba obrisati), REPL (okruženje u kojem upišeš liniju koda i odmah, tu na licu mjesta, vidiš rezultat, red po red, umjesto da čekaš da se cijeli program prevede i pokrene), ideja da programski jezik smije biti razgovor, a ne monolog — to nije nestalo kad je LISP zima došla. To je otišlo u temelje svega što je dolazilo poslije, tiho, nepotpisano, ali trajno. Ekspertni sustavi su, kad su se sledili, ostavili iza sebe pravila, ontologije, cijelu ideju da se znanje može eksplicitno zapisati i provjeriti — ideju koja i danas živi, samo pod drugim imenima. Svaki ciklus umre, ali svaki ciklus nešto rodi prije nego umre. To nije krug. To je spirala. Ide u istom smjeru vrtnje, ali se sa svakim okretom malo pomakne naprijed.

Što će ovaj ciklus ostaviti kad (ili ako) i on jednog dana uđe u svoju zimu? Iskreno — ne znamo. Nitko ne zna, a svatko tko ti kaže da zna, taj nešto prodaje, ili se boji, ili oboje. Možda će to biti transformer arhitektura — tehnički recept po kojem su ovi modeli sagrađeni, ono što im dopušta da gledaju cijelu rečenicu odjednom umjesto riječ po riječ, kao netko koji čita cijelu stranicu u jednom pogledu umjesto da ide slovo po slovo — kao trajni alat, koristan i kad hype splasne, baš kao GC. Možda će to biti navika da se sa strojem razgovara prirodnim jezikom, kao trajna promjena u tome kako ljudi pristupaju računalima, ono što je REPL bio za programere, samo za sve ostale. Možda će biti nešto treće, nešto što još ne vidimo jer smo previše unutra da bismo gledali unatrag. Vrijeme će reći. Ono uvijek kaže, samo sporije nego što bismo htjeli.

A poanta ove kronike, ako je uopće ima jednu, nije da te uvjeri da je ovaj put drukčije, ni da te uvjeri da nije. Oba ta stava, dovedena do kraja, postaju glupost. Slijepi optimizam te ostavi da kupiš vrh mjehura po treći put u karijeri. Umoran cinizam te ostavi da propustiš onu jednu stvar koja se stvarno dogodila dok si mahao rukom i govorio »vidjeli smo to već«. Mudrost, ako se ta riječ smije koristiti a da ne zvuči kao natpis na šalici za kavu, nije ni jedno ni drugo. Mudrost je pamćenje. Znati da smo bili ovdje, više puta, s drugim imenima i drugim akronimima, i unatoč tome ostati sposoban prepoznati kad je nešto ipak drukčije. To je teže od navijanja i teže od zabave u ulozi mudraca koji je sve unaprijed znao. Puno teže.