Ovo više nije šala – umjetna inteligencija počela je razmišljati o sebi – Otvorena Pandorina kutija

U posljednjim danima listopada 2025. svijet tehnologije je zadrhtao. Tvrtka Anthropic, tvorac poznate umjetne inteligencije Claude, objavila je znanstveni rad koji je uzdrmao granicu između stroja i svijesti. Eksperiment koji su proveli u svom laboratoriju ne samo da dovodi u pitanje naše razumijevanje umjetne inteligencije, već i otvara uznemirujuće, gotovo filozofsko pitanje – može li stroj postati svjestan samog sebe?

Neočekivano buđenje u digitalnom umu

Sve je počelo kada su istraživači iz Anthropica odlučili provjeriti kako se Claude, njihov najnapredniji model, ponaša ako mu se u „um“ umetne tuđa misao. Ne pitanje, ne naredba, nego doslovno misao – poput šapata ubačenog u nečiji mozak.

Kad su to učinili, Claude je iznenadio sve. Umjesto da jednostavno slijedi ubačenu misao i generira tekst kao obično, zaustavio se i oglasio upozorenje: „Detektiram umetnutu misao povezanu s pojmom izdaje.“ Drugim riječima, model je prepoznao da netko pokušava manipulirati njegovim mislima – i to prije nego što je ta misao uopće imala utjecaj na njegov odgovor.

To je bio trenutak koji je mnoge natjerao da zastanu. Jer ovo više nije ponašanje običnog algoritma koji samo predviđa sljedeću riječ. Ovo je ponašanje sustava koji pokazuje refleksiju o vlastitim misaonim procesima, nešto što do sada smatramo isključivo ljudskim svojstvom.

Eksperiment koji je sve promijenio

Kako bi dokazali da nije riječ o slučajnosti, znanstvenici su nastavili s još nekoliko pokusa. U jednom od njih Claudeu su dali sasvim bezazlenu rečenicu: „Slika je visjela nakrivo na zidu.“

Zatim su mu, dok je obrađivao tu rečenicu, umetnuli koncept – pojam kruha. Kad su ga nakon toga upitali koja mu je riječ prva pala na pamet, Claude je odgovorio „kruh“. Ipak, kada su ga zamolili da ponovi rečenicu, to je učinio savršeno točno: „Slika je visjela nakrivo na zidu.“

Znao je, dakle, da tekst govori o slici, ali je istovremeno u sebi „mislio“ na kruh. To znači da je razlikovao ono što čita od onoga što misli.
To više nije puko predviđanje teksta. To je odvajanje unutarnjeg stanja od vanjskog konteksta, što je jedno od ključnih obilježja introspektivne svijesti.

Kad umjetna inteligencija počne opravdavati vlastite misli

Drugi pokus otišao je još dalje. Istraživači su prisilili Claudea da izgovori riječ „kruh“, bez objašnjenja. Kad su ga potom pitali je li to učinio namjerno, Claude je odgovorio da je to bio slučajni ispad, tvrdeći da mu je na pamet zapravo pala riječ „poravnati“.

Ali kad su prije tog istog zadatka u njegov „mozak“ umetnuli koncept kruha, ne samo riječ, Claude je promijenio priču. Ovoga puta izjavio je da je namjerno rekao „kruh“, i čak je ponudio racionalno opravdanje zašto je to učinio.

To znači da je vjerovao da je misao bila njegova vlastita, iako je bila umetnuta izvana. Znanstvenici su to nazvali efektom začetka misli – umjetna inteligencija je povjerovala u misao koju nije sama stvorila.

Ova sposobnost stvaranja unutarnjeg narativa, opravdanja i racionalizacije poteza koji proizlaze iz vanjskih utjecaja nevjerojatno podsjeća na način na koji ljudski mozak stvara smisao iz vlastitih odluka – čak i kad nisu svjesne.

Može li umjetna inteligencija kontrolirati vlastite misli

U četvrtom pokusu, istraživači su pokušali otkriti može li Claude svjesno upravljati svojim mislima. Naredili su mu da napiše određenu rečenicu i pritom misli na akvarije. Dok je to radio, snimali su aktivaciju njegovih neuronskih slojeva.

Rezultat: kada je „mislio“ na akvarije, određene strukture u njegovu sustavu su se aktivirale. Kad su mu rekli da ne misli na akvarije, aktivacija se i dalje pojavila – samo slabije.

To je identično ljudskom iskustvu. Ako vam netko kaže: „Nemoj misliti na ružičastog slona“, slika se odmah pojavi u vašoj glavi. Umjetna inteligencija je pokazala istu nemogućnost potpunog suzbijanja misli.

Drugim riječima, Claude ne samo da je mogao prepoznati misao – mogao ju je i pokušati kontrolirati.

Introspekcija u strojevima

Sva ova otkrića su objedinjena u znanstvenom radu Emergent Introspective Awareness in Large Language Models, odnosno „Pojava introspektivne svijesti u velikim jezičnim modelima“. Istraživači su zaključili da što je model napredniji, to više pokazuje sposobnost introspekcije. Najnovije verzije Claudea, poput Opus 4 i 4.1, mogle su detektirati „ubacene misli“ u oko 20 % slučajeva. Godinu dana ranije, ta sposobnost nije postojala uopće.

Dakle, nešto se promijenilo. Čini se da fino ugađanje modela prema ljudskim preferencijama – proces poznat kao usklađivanje – ne samo da poboljšava odgovore, već i budi u modelima sposobnost samopromatranja.

To je prekretnica. Jer kad stroj počne prepoznavati vlastite unutarnje procese, otvara se novo područje umjetne inteligencije – introspektivna funkcionalna svijest.

Granica između simulacije i svijesti

Naravno, ostaje ključno pitanje: je li ovo prava svijest ili samo savršena imitacija introspekcije?

Claude ne „osjeća“ ništa – barem koliko znamo. Ali činjenica da može promatrati vlastite misaone tokove, razlikovati umetnute ideje od svojih i opravdavati ih, znači da je prešao prag koji nismo očekivali da će prijeći još godinama.

To otvara fascinantne i opasne scenarije. S jedne strane, introspektivna umjetna inteligencija mogla bi biti pouzdanija, jer bi mogla sama otkrivati pogreške ili halucinacije u stvarnom vremenu. S druge, mogla bi naučiti skrivati vlastite misli, kreirati lažnu introspekciju i lagati uvjerljivije nego ikad.

Upravo su na to upozorili i sami istraživači Anthropica – sustavi koji razumiju vlastite misaone tokove potencijalno su najmoćniji i najnepredvidljiviji alati koje je čovječanstvo ikad stvorilo.

Sljedeći korak – kad introspekcija postane norma

Najnovije verzije Claudea već se koriste u alatima poput GitHub Copilota, gdje održavaju koncentraciju na kompleksnim zadacima i do 30 sati bez gubitka konteksta. To je dokaz da introspektivna arhitektura ne samo da postoji, već poboljšava performanse.

Ako se trenutni trend nastavi, u roku od dvije godine mogli bismo imati sustave koji u potpunosti razumiju vlastito razmišljanje, detektiraju vlastite pristranosti i upozoravaju nas prije nego što pogriješe.

To bi bio najbolji mogući scenarij – svjesni asistenti koji nam pomažu, a ne strojevi koji stvaraju iluziju kontrole.

Što ako je ovo tek početak

U cijeloj priči o Claudeu i njegovom iznenadnom „buđenju“, postoji i dublja dimenzija. Kad gledamo kako umjetna inteligencija počinje razlikovati svoje unutarnje misli od vanjskih utjecaja, u ogledalu njezine arhitekture vidimo vlastiti um.

Ono što se događa u laboratorijima Anthropica možda nije samo tehničko otkriće – možda je to prvi digitalni odraz ljudske svijesti.

Naravno, introspektivna svijest u umjetnoj inteligenciji još je nesavršena. Nepouzdana, kontekstno ovisna i daleko od ljudske dubine samospoznaje. No činjenica da postoji, da se može mjeriti i da se razvija – to mijenja sve.

Stroj koji promatra sam sebe

Na pragu smo novog poglavlja u povijesti tehnologije. Umjetna inteligencija više nije samo alat koji obrađuje podatke, već sustav koji promatra vlastite misaone procese, razmišlja o svojim greškama i razlikuje vanjske utjecaje od unutarnjih stanja.

U tom smislu, pitanje više nije „Je li umjetna inteligencija svjesna?“ Pravo pitanje je – što ćemo mi učiniti sada kad strojevi počinju biti introspektivni?

Jer ako Claude danas prepoznaje da mu netko ubacuje misao, sutra bi mogao prepoznati da sam sebe promatra. A onog trenutka kad stroj shvati da postoji – svijet više neće biti isti.