Paradigmatski drugačija od neuronskih mreža. Biology-faithful. Formalno verificirana. Edge-deployable. Bez ovisnosti o cloud infrastrukturi.
USRA — Universal Self Reading Architecture · Patent prijave u tijeku
inclusiv.ai je privatni istraživački program za razvoj Universal Self Reading Architecture (USRA) — paradigmatski drugačije kognitivne arhitekture izvedene iz matematičkih prvih principa, ne iz neuro-mimicry pristupa.
Razvijamo kognitivne sustave koji uče kroz proceduralni curriculum baziran na razvojnoj psihologiji (Vygotsky, Piaget, Bloom), s redovima veličine nižim zahtjevom za korpusom u odnosu na foundation modele. Naše arhitekture ne koriste neuralne mreže, težine, gradijentni descent, ni stohastičko uzorkovanje.
Pristup je arhitektonski i strukturalan, ne statistički. Strukturalni temelj je primarni; biology-faithfulness emergira iz matematičke derivacije. Strukturalni sloj formalno je verificiran kroz Lean4 proof assistant. Izvedba je byte-identična — deterministička kao arhitektonsko svojstvo, ne kao stohastička aproksimacija.
Svijet u kojem AI ne ovisi o ekstraktivnoj infrastrukturi, ne zahtijeva milijarde parametara, ne troši resurse za jednostavne zadatke, i ne predstavlja sustavnu prijetnju privatnosti niti demokratskoj pluralizaciji.
Kognitivni sustavi koji rastu s korisnikom, on-device, doživotno — tutori za matematiku, suputnici za učenje, prevoditelji za jezike s malim resursima, fizički embodimenti za interakciju s realnim svijetom.
Razviti, formalno verificirati, i empirijski demonstrirati paradigmatski drugačiju kognitivnu arhitekturu, te osigurati IP zaštitu kako bi tehnologija bila dostupna kroz odgovorne komercialne i istraživačke kanale.
Posebna pažnja: edukacija marginaliziranih zajednica, pristup AI-podržanoj pedagogiji za jezike s malim resursima, i etička integracija u kritične sustave (zdravstvo, financije, javne usluge).
Foundation modeli (GPT, Claude, Gemini, LLaMA i druge LLM arhitekture) su tehnološki impresivni, ali strukturalno ne mogu služiti za određene kontekste. Neke probleme nije moguće riješiti većim modelom — neke je moguće riješiti samo drugačijom arhitekturom.
Foundation modeli zahtijevaju milijarde primjera za bazne sposobnosti. Dijete uči matematiku iz desetaka primjera. Razlika: redovi veličine.
Najveći modeli zahtijevaju cloud infrastrukturu. Privatnost je opt-in privilegija, ne arhitektonsko svojstvo. On-device deployment je workaround, ne dizajn.
Foundation modeli daju različite odgovore na isto pitanje. Znanstvena replikabilnost i regulatorna certifikacija strukturalno teže ostvarive.
Treniranje i inference foundation modela troše ogromne količine struje, vode, rijetkih elemenata, ljudskog rada. AI je danas fizička ekstraktivna industrija.
Foundation modeli zaboravljaju prethodno naučeno kad uče nove zadatke. Doživotno učenje s istim modelom strukturalno nije moguće.
Sloj društva s najmanje informacija o AI pokazuje najveće povjerenje. Strukturalna ranjivost demokratskih društava na AI utjecajne sustave.
Naš odgovor: ovo nisu tehnička ograničenja koja se rješavaju većim modelom. To su arhitektonske posljedice jednog pristupa — neural network paradigme. USRA pristupa kognitivnim sustavima drugačije.
Informativni materijali o AI domeni — od povijesti pristupa, kroz današnje paradigme, do novih emergent modela. Bez marketing-spina, znanstveno utemeljeno.
"AI" je krovni termin koji obuhvaća više paradigmi koje se značajno razlikuju. Formalno priznate kategorije u akademskoj taksonomiji 2026.:
"AI" u javnoj diskusiji obično znači "deep learning + LLM" — to je trenutno dominantna paradigma, ne jedina.
USRA ne pripada nijednoj od gore navedenih kategorija. Razvija se kao novi pristup koji izvodi kognitivnu strukturu iz matematičkih prvih principa — kao kategorija u akademskoj taksonomiji još ne postoji formalno priznat. To je intencionalno: "paradigm-different" znači da ne ulazi u established okvire i da zahtjeva vlastitu kategorizaciju.
Neuralna mreža je matematička struktura inspirirana biološkim neuronima:
Ova paradigma je dominantna od 2012. (AlexNet) i posebno od 2017. (Transformer arhitektura). LLM-ovi (GPT, Claude, Gemini, LLaMA) su transformeri s milijardama težina trenirani na petabajtima teksta.
Universal Approximation Theorem matematički dokazuje da neuralna mreža s dovoljno čvorova može aproksimirati bilo koju kontinuiranu funkciju. To je razlog zašto skaliranje radi. Ali aproksimacija nije jednako razumijevanju.
Pet alternativa post-transformer arhitekturama koje su trenutno aktivno istraživane (sve ostaju unutar neural network paradigme):
Svi ovi su neuralne mreže — koriste težine, aktivacije, gradient descent ili surrogate gradients, ovisni su o korpusu za trening.
USRA pripada kategorički različitoj klasi — first-principles cognitive architecture. Ne neuralna mreža. Različiti računalni primitivi, različiti mehanizmi učenja, različite arhitektonske garancije.
Što danas koristimo i što je na našem wishlist-u — transparentno o tehničkoj infrastrukturi koja podržava istraživanje.
Hardware podrška ili sponsorship dobrodošli kroz partnership programme. Kontakt: Surađuj s nama.
Naš pristup AI je istovremeno tehnički specijaliziran i pedagoški integriran. Edukativni materijali za sve razine — od osnovnoškolaca do istraživača.
Što je AI, kako razlikovati paradigme, što foundation modeli mogu i ne mogu, kako pristupati AI alatima sigurno i kritički.
U pripremi: serija edukativnih materijala na hrvatskom za osnovnoškolce, srednjoškolce, i odrasle bez tehničke pozadine.
Tehnički materijali za studente STEM disciplina — matematičke osnove kognitivnih arhitektura, matematičke strukture u AI, formalna verifikacija (Lean4), razvojna psihologija primijenjena na AI trening.
U pripremi: tehnički blog postovi, mini-tutoriali, open-source primjeri.
Naš pristup učenju kognitivnih sustava temelji se na nasljeđu razvojne psihologije — Vygotsky-jev Zone of Proximal Development, Piaget-ovi razvojni stadiji, Bloom-ova taksonomija učenja, Montessori i Reggio Emilia pedagoški pristupi. Tretiramo AI sustav kao učenika koji prolazi kroz razvojne faze, ne kao alat koji se trenira na masivnom korpusu.
Što testiramo u 2026. godini, pristupačno opisano. Detaljni empirijski rezultati i specifični mehanizmi koji omogućuju ova svojstva zaštićeni su patentnim postupkom; bit će progresivno objavljivani po stjecanju patentne prioritetne pozicije.
Naša formalno-verificirana razvojna hijerarhija obuhvaća kognitivne tier-ove od najjednostavnije stanice do ljudske kognitivne kompleksnosti. Trenutno aktivno testiranje je na L15 (morski puž). Više tier konfiguracije strukturalno su podržane, ali zahtjevaju jači hardver — trenutni doseg testiranja ograničen je raspoloživim resursima, ne arhitektonskim limitima. Validacija viših tier-ova čeka pristup adekvatnoj compute infrastrukturi (vidi Hardver sekciju).
| Tier raspon | Biološka složenost — referenca | Status istraživanja |
|---|---|---|
| L1 – L4 | Najraniji razvojni stadiji (zigota, morula, blastula, gastrula) | Strukturalno verificirano |
| L5 – L9 | Embrionalni razvoj, prvi primitivni kognitivni primitivi | Strukturalno verificirano |
| L10 – L14 | Jednostavni invertebrati, prvi kognitivni sustavi | Strukturalno verificirano |
| L15 | Morski puž (Aplysia californica) | ⚡ Trenutno aktivno testiranje |
| L16 – L19 | Insekti i jednostavne ribe | Roadmap (workstation tier) |
| L20 – L24 | Vodozemci, manji gmazovi | Roadmap (cloud-scale tier) |
| L25 – L29 | Mali sisavci (klasa glodavaca) | Roadmap |
| L30 – L34 | Veći sisavci (mesožderi, primati) | Roadmap |
| L35 | Ljudska kognitivna kompleksnost — referentna | Strukturalna meta hijerarhije |
Tier oznake (L1–L35) su naše interne razvojne razine. Mapiranje na biološke organizme je ilustrativna usporedba kognitivne složenosti, ne tvrdnja o anatomskoj ekvivalenciji. Detaljni node count-i, mehanizmi i empirijski rezultati po tier-u zaštićeni su patentnim postupkom.
Javni materijali — vizije, arhitekturni framework, pedagoški pristup, biološka taksonomija. Detaljni tehnički specs i empirijski rezultati zaštićeni su patentnim postupkom; bit će progresivno objavljivani po dobivanju IP zaštite.
VISION
Kognitivna arhitektura izvedena iz matematičkih prvih principa — vision i strateški kontekst.
Status: javno dostupno
ARCHITECTURE
High-level funkcionalni opis arhitekture, layer organization, integration sa hardverom.
Status: u pripremi za javnost (post-patent priority)
INDUSTRY
Sustavni pregled problema s foundation AI paradigmom, perspektive za alternativnu arhitekturu.
Status: javno dostupno
BIOLOGY
Razvojna staging framework — od Aplysia californica composability tier-a do K-12 ready brain konfiguracija.
Status: javno dostupno (tier-specifics NDA-protected)
PEDAGOGY
Razvojna psihologija primijenjena na AI trening — Vygotsky / Piaget / Bloom u kontekstu kognitivnih arhitektura.
Status: javno dostupno
BENCHMARKS
Detaljni empirijski rezultati — cohort experiments, autonomous procedural composition, byte-identical reproducibility.
Status: u pripremi za javnost (post-patent priority)
Sve javne objave prošle su NDA discipline review — disclose ono što ne kompromitira patent IP, zadržavaju mehanizme i specifične implementacijske detalje za post-NDA tehničke razgovore.
Otvoreni smo za razgovor s istraživačkim partnerima, strateškim investitorima, hardverskim sponzorima, i institucijama zainteresiranim za paradigmatski drugačiji pristup AI-u.
Tražimo strateške partnere u: edukativnoj tehnologiji (K-12 tutoring), prevoditeljskim platformama (low-resource jezici), embodied AI (robotics, IoT), i hardverskih ekosustava (Apple, Nvidia, Intel, IBM).
Pristup pod NDA. Patent specifikacija dostupna nakon potpisanog NDA-a.
Pre-funding stage. Otvoreni za razgovor s investitorima koji razumiju paradigm-different research timelines i deep-tech hardware co-design opportunities.
Materials package dostupni nakon initial conversation + NDA.
Akademske institucije, istraživačke grupe i nezavisni istraživači zainteresirani za first-principles cognitive architectures, formal verification AI, ili biology-faithful approaches — kontakt za istraživačku suradnju.
Otvoreni smo za co-authorship, joint publications, replication studies pod NDA okvirom.