Svi mi imamo jednu svakodnevnu, gotovo neprimjetnu, tipično ljudsku supermoć: sposobnost da dovršavamo tuđe rečenice. Netko za stolom kaže: „Daj mi, molim te...” i već prije kraja rečenice naša ruka krene prema soli, čaši, tanjuru ili predmetu koji nitko nikada ne zove pravim imenom nego „ono za ono”. Nije potrebno da sugovornik izgovori sve. Mozak je već iz situacije, tona glasa, dosadašnjeg razgovora i vlastitog iskustva složio nekoliko najvjerojatnijih nastavaka. Ponekad pogodi. Ponekad promaši pa umjesto soli doda otvarač za boce, što je također legitiman ishod pokušaja predviđanja (predikcije).

Ta mala svakodnevna scena u sebi sadrži puno dublju i zanimljiviju neuroznanstvenu i tehnološku priču od obiteljske idile za ručkom. Jer ono što ljudi rade dok slušaju govor – predviđaju što će doći sljedeće – u osnovi je i ono što rade veliki računalni jezični modeli, popularno poznati kao LLM-ovi. Samo što čovjek to radi biološkim mozgom, u tijelu, u prostoru, s iskustvom, emocijama, pamćenjem i namjerama, dok model to radi matematički, kroz tokene, vektore, slojeve transformera i raspodjele vjerojatnosti.

Zato je tvrdnja da „mozak i umjetna inteligencija rade isto” prilično pogrešna, ali je tvrdnja da se u obradi jezika susreću na istom informacijskom problemu – mnogo zanimljivija i mnogo točnija. A taj problem glasi: kako iz prethodnog konteksta predvidjeti što najvjerojatnije dolazi sljedeće?

Mozak ne čeka kraj rečenice

Ljudski mozak nije pasivni prijamnik svijeta. On ne sjedi u lubanji kao službenik na šalteru koji čeka da mu osjetila donesu dokumente u tri primjerka, pa ih onda počne obrađivati. Mozak stalno nagađa. Predviđa gdje će pasti lopta, kakav je izraz lica sugovornika, što znači zvuk iz susjedne sobe, hoće li stepenica biti viša ili niža, kamo ide melodija i što će biti sljedeća riječ u rečenici.

U jeziku je ta prediktivnost osobito zgodna za proučavanje jer je jezik slijed riječi koje dolaze jedna nakon druge, a prethodne riječi snažno sužavaju prostor mogućih nastavaka. Nakon rečenice „Za doručak je popio šalicu...” vjerojatnije očekujemo „kave” ili „čaja” nego „betona”, „pravde” ili „završnog računa”. Iako, naravno, dobra književnost i loša birokracija žive upravo od toga da se ponekad dogodi i takvo odstupanje od očekivanog ishoda.

Nova istraživanja sve jasnije pokazuju da mozak tijekom slušanja ne obrađuje samo ono što je upravo čuo, nego stalno priprema očekivanja o onome što bi moglo uslijediti. U radu Kölbla i suradnika, objavljenom u časopisu NeuroImage, istraživači su sudionicima puštali prirodni govor – audioknjigu – i istodobno bilježili moždanu aktivnost metodama EEG-a i MEG-a. Zatim su predvidljivost imenica u slušanom tekstu usporedili s predikcijama velikih jezičnih modela.

Pokazalo se da su predvidljivije riječi izazivale slabiji moždani odgovor, osobito u području poznatog N400 signala (o tome malo kasnije u tekstu), dok se prije očekivanih riječi mogla vidjeti anticipatorna aktivnost u lijevim frontotemporalnim područjima ^[1].

Drugim riječima: mozak pokušava biti racionalan s radom i utrošenom energijom pa ako već zna kamo rečenica ide, onda ne mora toliko raditi. Kao kada automobil počne skretati iz voznog traka pa sustav prepozna odstupanje i lagano vrati volan u ispravan smjer, tako i mozak pojačava obradu tek kada rečenica krene neočekivanim putem.

ChatGPT kao autocomplete na steroidima

Ovdje se prirodno pojavljuje usporedba s mobitelom. Svatko tko piše poruke zna kako radi autocomplete: krenete pisati „Vidimo se...” i uređaj ponudi „sutra”, „kasnije”, „u ponedjeljak” ili, ako vas dobro poznaje, „nikad”. Veliki jezični modeli načelno rade nešto slično, ali na neusporedivo većoj razini složenosti. Zato je izraz „autocomplete na steroidima” zapravo prilično dobra popularna metafora – pod uvjetom da se ne shvati kao potpuno tehničko objašnjenje.

LLM ne misli kao čovjek, ne razumije svijet na način na koji ga razumije biće koje je bilo gladno, mokro, umorno, zaljubljeno, posramljeno, odgovorno za pacijenta ili prisiljeno čekati na šalteru javne uprave. Model nema tijelo, životopis, namjeru ni svijest. Nema čak ni osjećaj prostornosti, tjelesnosti, pa ni nekih jednostavnih pojmova koje ljudi nesvjesno podrazumijevaju – primjerice, što je lijevo a što desno. Ali ima golemu statističku mapu jezika. Tijekom treninga izložen je ogromnim količinama teksta i uči predviđati sljedeći element u nizu.

Preciznije, ne predviđa uvijek sljedeću riječ, nego sljedeći token.

Što su tokeni i zašto model ne vidi riječi kao čovjek

Kada čovjek pročita riječ „neuroznanost”, on je vidi kao jednu riječ. Može je povezati s mozgom, neuronima, laboratorijem, kognicijom, fMRI-jem, EEG-om ili kolegom-neurologom koji nikada ne završava predavanje na vrijeme (onaj na koga mislim prepoznat će se sam, op. a.). Model, međutim, ne obrađuje tekst kao gotove riječi sa značenjem, nego ga najprije razbija na tokene.

Token može biti cijela riječ, dio riječi, interpunkcijski znak, razmak ili čest slijed znakova. U nekim slučajevima kratka riječ postaje jedan token, a dulja ili rjeđa riječ može biti razbijena na više dijelova. Model zato ne radi s riječima kao rječničkim jedinicama, nego s numerički obrađenim fragmentima teksta.

Nakon tokenizacije svaki token dobiva svoju matematičku reprezentaciju – vektor. To znači da se token pretvara u skup brojeva koji modelu omogućuje da ga smjesti u golemi višedimenzionalni prostor odnosa. Pojednostavljeno, riječi i dijelovi riječi koji se često pojavljuju u sličnim kontekstima završavaju u blizini jedni drugih. „Bolnica”, „liječnik”, „pacijent”, „dijagnoza” i „terapija” nisu blizu zato što je model završio medicinu, nego zato što ih je u tekstovima bezbroj puta nalazio zajedno.

Tu nastaje prvi privid razumijevanja. Model ne zna što je bolnica kao zgrada, miris dezinfekcijskog sredstva, hodnik u tri ujutro ili zvuk monitora u intenzivnoj jedinici. Ali zna da se riječ „bolnica” pojavljuje u određenim jezičnim susjedstvima, s određenim glagolima, imenima zanimanja, dijagnozama i tipičnim nastavcima rečenica. A kada takvih odnosa ima dovoljno mnogo, rezultat izvana može izgledati vrlo uvjerljivo.

Transformer: pažnja bez psihologije pažnje

Veliki skok u razvoju jezičnih modela dogodio se s arhitekturom zvanom transformer, opisanom u slavnom radu Attention Is All You Need iz 2017. godine ^[3]. Ključna ideja transformera je mehanizam pažnje – attention. No tu treba odmah zaustaviti antropomorfizaciju, usporedbu s ljudima. To nije pažnja u smislu koncentracije ili zainteresiranosti, dakle ne odgovara ljudskom pojmu pažnje.

U transformeru „pažnja” znači matematičko vaganje odnosa među tokenima. Model za svaki token računa koji su mu drugi tokeni u kontekstu važni za tumačenje i za predviđanje nastavka. U rečenici „Petar je razgovarao sam sa sobom” izraz „sa sobom” može značiti da je Petar malo luckast pa je govorio samome sebi, ali može značiti da je još luđi pa je razgovarao sa životinjom (sob)... ili da je sasvim puk'o k'o kokica i sada sjedi sam u sobi i razgovara s prostorijom u kojoj se nalazi (soba). Kontekst, koliko god bio vjerojatan ili ne, određuje značenje. Transformer ne prolazi kroz rečenicu samo kao vlak kroz stanice, nego stalno uspoređuje odnose među dijelovima teksta.

Zato LLM nije obična tablica s naslovom „poslije ove riječi najčešće ide ona riječ”. LLM uči složene obrasce: gramatičke, semantičke, stilske, tematske i žanrovske. Uči da se znanstveni tekst, ljubavno pismo, sudska presuda, web-forum o kvarovima automobila i recept za kiseljenje kupusa ne nastavljaju istim ritmom. Sve je to još uvijek u načelu statistička predikcija, ali više nije trivijalna statistika.

Kada model generira odgovor, on za svaki sljedeći token računa raspodjelu mogućih nastavaka. Neki su nastavci vjerojatniji, neki manje vjerojatni. Ovisno o postavkama, model neće uvijek izabrati najdoslovniji ili najpredvidljiviji nastavak, nego može birati iz šireg skupa dovoljno mogućih nastavaka. Zato isti upit može proizvesti različite odgovore.

Tu nastaje i glavni problem: ako je nešto jezično vrlo uvjerljivo, model to može izgovoriti kao da je istinito, čak i kada nije. On nema neugodu pred vlastitom pogreškom, jer on vlastitu pogrešku niti nema; on ne griješi, nego samo bolje ili lošije pogađa statističku vjerojatnost nastavka.

Mozak kao prediktivni organ

Kod mozga je stvar istodobno i slična i bitno drukčija. Slična je zato što i mozak neprestano koristi prethodni kontekst za predviđanje sljedećeg ulaza. Drukčija je zato što mozak ne predviđa samo vjerojatnost iduće riječi, nego anticipira cijeli spektar različitih tipova senzoričkih signala: on integrira zvuk, vid, dodir, ravnotežu, tjelesno stanje, emocije, sjećanja, socijalni kontekst i ciljeve. Jezik je samo jedan dio tog velikog prediktivnog pogona.

U neuroznanosti se često govori o prediktivnom kodiranju. Prema toj ideji, mozak ne obrađuje stvarnost samo odozdo prema gore, od osjetila prema višim područjima, nego i odozgo prema dolje: stalno šalje očekivanja nižim razinama obrade. Kada se očekivanje i ulazni signal dobro poklope, sve prolazi ekonomično. Kada se ne poklope, javlja se pogreška predikcije – signal da model svijeta treba ažurirati.

U jeziku to znači da mozak ne čeka da riječ bude potpuno izgovorena pa tek onda pita: „A što bi ovo moglo značiti?” On već iz prethodne rečenice, intonacije, teme i situacije priprema skup mogućih nastavaka. Ako se pojavi očekivana riječ, obrada je lakša. Ako se pojavi neočekivana riječ, sustav se mora dodatno angažirati kako bi obradio to „jezično iznenađenje”.

N400: moždani trzaj kad rečenica skrene s puta

Jedan od najpoznatijih neurofizioloških pokazatelja takvog jezičnog iznenađenja zove se N400. Riječ je o električnom moždanom odgovoru koji se javlja otprilike 400 milisekundi nakon pojave riječi i registrira se elektroencefalografijom (EEG) kao negativni val električne aktivnosti, a posebno je izražen kada se riječ semantički ne uklapa u očekivani kontekst. U eksperimentima se sudionicima prikazuju ili reproduciraju rečenice dok im se preko elektroda na vlasištu bilježi električna aktivnost mozga, pa se uspoređuju odgovori na očekivane i neočekivane riječi.

Klasičan primjer bio bi: „Na kruh je namazao maslac”, rečenica u kojoj sve ide glatko, baš poput mazanja maslaca na kruh. S druge strane, rečenicu: „Na kruh je namazao odvijač” mozak može razumjeti, osobito ako je riječ o nadrealističkoj prozi, lošem vicu ili vrlo čudnom izboru za doručak, ali pritom mora barem načas zastati i dodatno obraditi nesklad. Upravo se tu pojavljuje pojačani N400 signal na EEG-u.

Noviji računalni modeli N400 sve više tumače kao odraz leksičko-semantičke pogreške predviđanja. Mozak iz konteksta očekuje značenje koje bi trebalo doći, a N400 je to jače izražen što stvarna riječ slabije odgovara tom očekivanju ^[5]. To se lijepo uklapa u rezultate Kölblova rada: predvidljivije imenice u prirodnom govoru izazivale su slabiji N400 odgovor, dok su manje predvidljive riječi tražile snažniju obradu.

Važno je da se ovdje ne radi o laboratorijskoj igri s umjetnim rečenicama tipa „Mačka je pojela kvadrat”. Istraživanje u kojem se koriste audioknjige zanimljivo je upravo zato što se približava prirodnijem jeziku. Ljudi ne slušaju izolirano riječ po riječ, nego tečne priče, razgovore, rečenice koje se razvijaju, skreću, vraćaju se, šale se i ponegdje nepotrebno oduže – kao i svaki prirodni razgovor.

Gdje se to događa u mozgu?

Bilo bi zgodno kada bismo mogli reći da u našem mozgu postoji jedan, jasno definiran „centar za predviđanje jezika”. Mozak ipak (uglavnom) ne funkcionira tako sistematično i jasno definirano, osim u udžbeničkim shemama koje su lijepe, pregledne i pojednostavljene, pa samim time i djelomično lažne. Predikcija jezika uključuje vrlo široku i raznovrsnu neuralnu mrežu koja povezuje nekoliko moždanih regija.

U obradi govora sudjeluju slušna područja, temporalni korteks, frontalna područja, semantičke mreže, radno pamćenje, budnost i pažnja, te dijelovi sustava za planiranje govora. Studije prirodnog razumijevanja jezika pokazuju da se različiti aspekti predikcije mogu povezati s različitim područjima. Willems i suradnici razlikovali su entropiju – nesigurnost oko mogućih nastavaka – i surprisal, odnosno iznenađenje kada se konkretna riječ pojavi. Njihova istraživanja upućuju na to da predikcija tijekom slušanja priča uključuje frontalna, temporalna, parijetalna i motoričko-planirajuća područja ^[4].

U anatomskom i funkcionalnom pogledu, takva umrežena raznovrsnost i višestruke lokacije u mozgu imaju smisla, jer razumijevanje jezika nije samo dekodiranje zvuka. Kada slušamo rečenicu, ne pratimo samo foneme i riječi, nego i namjeru govornika, temu, vjerojatni smjer misli i vlastitu spremnost za odgovor. Jezik je društvena radnja i živa interakcija, a ne samo niz znakova za obradu.

Zato je posebno zanimljivo da Kölbl i suradnici u novijim radovima povezuju moždane odgovore s predikcijama jezičnih modela, ali istodobno upozoravaju da sličnost u rezultatima ne znači jednakost mehanizama ^[2]. Drugim riječima, LLM i mozak mogu doći do usporedivog ishoda – procjene očekivanosti riječi – ali posve različitim putevima.

Isto informacijsko pitanje, različita stvarnost

Usporedba između LLM-a i mozga zato je najkorisnija kada se ne odlazi preduboko u filozofiranje i metafiziku. Ne treba uopće pitati funkcionira li ChatGPT „kao mozak”, jer svi znamo da ne funkcionira tako. Korisnije je istražiti na kojem se područjima problema jezične obrade rad mozga i funkcije LLM-a preklapaju, a gdje se razlikuju.

Ukratko rečeno: preklapaju se u predikciji. I jedan i drugi sustav koriste prethodni kontekst kako bi suzili prostor mogućih nastavaka. I jedan i drugi lakše obrađuju očekivano nego neočekivano. I jedan i drugi na neki način nose informaciju o tome koliko je neki nastavak vjerojatan.

Ali razlike su goleme. LLM radi na tekstu i njegovim statističkim obrascima. Mozak radi u tijelu, u svijetu, u odnosu s drugim ljudima. LLM nema stvarno iskustvo značenja. Mozak značenje povezuje s percepcijom, djelovanjem, emocijama, motivacijom i posljedicama. Model može napisati uvjerljiv tekst o boli, ali ga ništa ne boli. Može opisati glad, ali ne otvara hladnjak. Može govoriti o krivnji i osjećaju kajanja, ali ne spava loše zbog onoga što je izgovorio ili napisao u afektu.

Zato je „autocomplete na steroidima” dobra metafora samo dok znamo gdje su joj granice. Ona pomaže razbiti mistifikaciju umjetne inteligencije. Današnji LLM-ovi nisu mala digitalna bića, brojni i marljivi Minioni zatvoreni u serverima. Nisu ni elektronički mozgovi koji se pretvaraju da su tekstualni alati. Oni su golemi prediktivni modeli jezika, sposobni iz prethodnog konteksta proizvesti iznenađujuće uvjerljive nastavke.

No upravo je to „samo” prilično „veliko samo”. Jer ako sustav dovoljno dobro predviđa nastavke jezika, on može pisati eseje, sažimati dokumente, prevoditi, programirati, objašnjavati, imitirati stilove, voditi razgovor, pa i izmisliti totalnu glupost (i to s velikim samopouzdanjem). Dakle, ponašati se kao vrlo obrazovan sugovornik s povremenim napadima lupetanja i konfabulacije. Što nam, budimo iskreni, nije baš potpuno nepoznato ni u ljudskoj populaciji.

Inteligencija ili dobro pogođen nastavak?

Na kraju, pogrešno je i pitanje: „Je li to prava inteligencija?”, pitanje koje se redovito pojavi u raspravama u kojima se više iznose subjektivne, osobne definicije inteligencije nego što se konkretno objašnjava kako sustavi stvarno rade. Razumnije bi bilo upitati se koliko daleko može dogurati sustav koji tako dobro predviđa nastavke.

A na takvo pitanje odgovor zasad glasi: može dogurati mnogo dalje nego što se donedavno očekivalo. Predviđanje sljedećeg tokena, kada se provodi na golemim količinama teksta i kroz složene transformere, može proizvesti ponašanja koja vrlo vjerno izgledaju kao razumijevanje. S druge strane, ljudski mozak pokazuje da je predikcija jedan od temeljnih principa biološke inteligencije, ne samo u jeziku nego i u percepciji, kretanju i društvenom ponašanju.

Tu se mozak i LLM susreću: ne kao dvije iste stvari, nego kao dva vrlo različita odgovora na isti problem. Kako iz prošlog konteksta pogoditi budući nastavak? Mozak to radi kao živo, utjelovljeno, osjetljivo, pristrano i genijalno biološko tkivo. LLM to radi kao matematički model treniran na tekstu, bez svijesti, bez iskustva i bez vlastite odgovornosti.

Sličnost je dovoljno velika da nas ne smije ostaviti ravnodušnima. A razlika je dovoljno velika da nas mora držati prisebnima.

Literatura

[1] Kölbl, N. i sur. The predictive brain: Neural correlates of word expectancy align with large language model prediction probabilities. NeuroImage, 2026.
[2] Kölbl, N. i sur. Prediction, syntax and semantic grounding in the brain and large language models. Scientific Reports, 2026.
[3] Vaswani, A. i sur. Attention Is All You Need. 2017.
[4] Willems, R. M. i sur. Prediction During Natural Language Comprehension. Cerebral Cortex, 2016.
[5] Nour Eddine, S. i sur. A predictive coding model of the N400. Cognition, 2024.

_{Igor „Doc“ Berecki je pedijatar-intenzivist na Odjelu intenzivnog liječenja djece Klinike za pedijatriju KBC Osijek. Pobornik teorijske i praktične primjene medicine i znanosti temeljene na dokazima, opušta se upitno ne-stresnim aktivnostima: od pisanja znanstveno-popularnih tekstova u tiskanom i online-izdanju časopisâ BUG, crtkanja računalnih i old-school grafika i dizajna, zbrinjavanja pasa i mačaka, fejsbučkog blogiranja o životnim neistinama i medicinskim istinama, sve do kuhanja upitno probavljivih craft-piva i sasvim probavljivih jela, te neprobavljivog sviranja bluesa.}