Kako AI rješava matematičke zadatke i pomaže učenicima u 2026. godini

Što je AI matematički tutor i kako funkcionira?

Umjetna inteligencija u svibnju 2026. postiže preko 90% točnost na najzahtjevnijim matematičkim testovima, koristi tzv. "razmišljajuće" modele koji provjeravaju svaki korak prije odgovora, a u Hrvatskoj je koristi gotovo polovica srednjoškolaca. AI matematički tutori poput ChatGPT-a, Claude-a, Gemini-a i domaćeg Photomatha transformirali su način na koji učenici uče matematiku — od fotografiranja zadatka pametnim telefonom do dobivanja korak-po-korak objašnjenja u sekundi.

Ključna promjena dogodila se 2025. i 2026. godine s pojavom tzv. "reasoning" modela — OpenAI-jevog o1 i o3, Anthropic-ovog Claude 3.7 Sonnet te DeepSeek-R1. Za razliku od starijih AI sustava koji su "pogađali" odgovor na temelju obrazaca iz podataka, ovi novi modeli koriste tehniku pojačanog učenja (reinforcement learning) kako bi "razmislili" prije odgovora. Praktično, to znači da AI interno provjerava svaki korak rješavanja, slično kao što bi to napravio dobar učenik — što drastično smanjuje greške i hallucinations (izmišljene odgovore). Prema podacima OpenAI-ja, njihov model o3 postiže 96,7% točnost na AIME 2025 testu, elitnom matematičkom natjecanju koje je do nedavno bilo dominirano ljudskim genijima.

U Hrvatskoj, prema nacionalnom istraživanju CARNET-ovog projekta "BrAIn" iz ožujka 2026., čak 50% srednjoškolaca i 25% osnovnoškolaca svakodnevno koristi AI za učenje. Ministarstvo znanosti i obrazovanja (MZOM) službeno je u travnju 2026. proširilo kurikulum "Umjetna inteligencija: od koncepta do primjene" na sve razrede srednjih škola, dok je CARNET objavio Smjernice za odgovornu i pedagoški utemeljenu primjenu umjetne inteligencije za nastavnike.

Kako AI zapravo rješava matematičke probleme?

AI ne "razumije" matematiku kao ljudi, već koristi statističke obrasce i interne mehanizme provjere kako bi generirao korak-po-korak rješenja. To je ključna distinkcija koju roditelji i nastavnici moraju razumjeti.

Tradicionalni LLM pristup — predviđanje sljedećeg tokena

Stariji veliki jezični modeli (LLM) kao što su GPT-3 ili Claude 2 funkcionirali su isključivo kao "predviđači sljedećeg tokena". Model je treniran na milijunima primjera matematičkih zadataka i njihovih rješenja, pa statistički predviđa koji simbol, broj ili operacija logički slijedi. Problem? Model može savršeno riješiti napredni integralni račun, ali pogriješiti kod množenja 4-znamenkastih brojeva — jer je u trening podacima vidio više kompleksnih primjera nego jednostavnih aritmetičkih operacija.

Reasoning modeli — "razmišljanje" prije odgovora

Nova generacija modela (o1, o3, Claude 3.7, DeepSeek-R1) dodaje ključni sloj: lančano razmišljanje i samoproovjeru. Umjesto da odmah ispiše rješenje, model interno generira višestruke moguće pristupe, provjerava konzistentnost svakog koraka, odbacuje nelogične puteve i tek onda daje konačan odgovor. Ovaj proces traje nekoliko sekundi do minute (ovisno o složenosti zadatka), ali drastično poboljšava točnost.

Primjer: Ako učenik pita "Koliko je (17 × 23) + 45?", stari model bi mogao "pogoditi" 436 (krivo). Reasoning model interno provjerava: 17×23 = 391 (provjereno dekompozicijom: 17×20=340, 17×3=51, 340+51=391), zatim 391+45 = 436. Ako se brojevi ne slažu, model ponavlja računicu. Rezultat: 436 je točan odgovor, ali proces dolaska do njega je fundamentalno drugačiji.

Uloga reinforcement learninga

Prema objašnjenju s OpenAI bloga, modeli poput o3 koriste reinforcement learning — sustav nagrađivanja/kažnjavanja tijekom treninga. Model dobiva "nagradu" kad uspješno riješi zadatak i "kaznu" kad pogriješi. Kroz milijune iteracija, model uči koje strategije funkcioniraju (npr. "prvo pojednostavi izraz, zatim primijeni formulu") i koje vode u slijepu ulicu. To je analogno tome kako djeca uče kroz pokušaj i pogrešku, samo na astronomski većoj skali.

Najpopularnije AI platforme za matematiku u Hrvatskoj (2026.)

Hrvatski učenici najčešće koriste ChatGPT, Gemini, Claude i Photomath, s cijenama pretplata između €10 i €25 mjesečno. Svaka platforma ima specifične prednosti.

Photomath — hrvatska priča o globalnom uspjehu

Vrijedno je istaknuti da je Photomath, jedna od najkorištenijih matematičkih aplikacija na svijetu (preko 300 milijuna preuzimanja), izvorno razvijen u Hrvatskoj. Osnivač Damir Sabol pokrenuo je startup 2014. godine u Zagrebu, a Google je aplikaciju u potpunosti integrirao u svoj ekosustav 2024./2025. godine. Danas Photomath koristi napredne AI modele za optičko prepoznavanje znakova (OCR) i vizualno objašnjavanje — učenik samo usmjeri kameru na zadatak u udžbeniku i dobije animirani korak-po-korak prikaz rješenja.

Što kaže EU AI Act i hrvatske smjernice?

AI sustavi u obrazovanju klasificirani su kao "visoko-rizični" prema EU AI Aktu, što znači stroge zahtjeve za transparentnost, zaštitu podataka i ljudski nadzor. Ova regulativa direktno utječe na sve škole i EdTech kompanije u Hrvatskoj.

Prema EU AI Aktu (koji je stupio na snagu 2024. i primjenjuje se u Hrvatskoj), AI sustavi koji se koriste za:

• Određivanje pristupa obrazovnim institucijama (npr. prijemni ispiti)
• Ocjenjivanje ili evaluaciju učenika
• Procjenu kognitivnih sposobnosti učenika

...smatraju se visoko-rizičnim sustavima. To znači da moraju zadovoljiti rigorozne standarde: transparentnost algoritama, zaštitu osobnih podataka prema GDPR-u, obveznu ljudsku superviziju i mehanizme za sprječavanje algoritmičke pristranosti. [Izvor: AI Act EU]

CARNET-ove Smjernice za odgovornu i pedagoški utemeljenu primjenu umjetne inteligencije iz travnja 2026. eksplicitno preporučuju nastavnicima:

1. Koristiti AI kao "ko-pilota", ne zamjenu za ljudskog nastavnika — AI ne smije biti jedini izvor znanja ili ocjenjivač
2. Poticati kritičko razmišljanje — učenici moraju naučiti provjeravati AI odgovore i prepoznati hallucinations
3. Zaštititi privatnost učenika — ne unositi osobne podatke u javne AI chatbotove
4. Koristiti AI interaktivno — postaviti AI da postavlja pitanja učeniku umjesto da odmah daje rješenje (Sokratska metoda)

Prema OECD AI Policy dokumentima, ključni princip je "human-centric learning" — AI treba osnažiti učenike i nastavnike, ne zamijeniti ih. [Izvor: OECD AI]

Kako učenici trebaju (i ne trebaju) koristiti AI za matematiku?

Najbolji rezultati postižu se kad učenici koriste AI kao interaktivnog tutora koji postavlja pitanja i daje smjernice, a ne kao "rješavač domaćih zadaća" na jedan klik. Istraživanja pokazuju da pasivno kopiranje AI odgovora ne pomaže učenju — dapače, može ga pogoršati.

Preporučene strategije korištenja AI-ja

1. "Objasni mi koncept" pristup — Umjesto "Riješi mi ovaj zadatak", pitajte "Objasni mi što je derivacija i zašto je koristimo?" ili "Pokaži mi primjer kvadratne jednadžbe korak-po-korak".
2. Sokratsko podučavanje — Zatražite od AI-ja da vas vodi kroz zadatak pitanjima: "Ne daj mi odgovor odmah. Postavi mi pitanja koja će me dovesti do rješenja." Claude 3.7 Sonnet posebno je dobar u ovome.
3. Provjera vlastitog rada — Riješite zadatak sami, zatim koristite AI da provjeri rješenje i objasni gdje ste pogriješili (ako jeste).
4. Vizualizacija — Koristite AI (ili Photomath) za vizualni prikaz grafova, geometrijskih figura ili algebarskih transformacija.
5. Priprema za ispite — Generirajte vježbne zadatke: "Napravi mi 10 zadataka iz trigonometrije, srednje težine, s rješenjima."

Što izbjegavati — najčešće zamke

• Slijepo kopiranje odgovora — AI može biti uvjerljivo kriv. Uvijek provjerite logiku koraka.
• Pretjerana ovisnost — Ako koristite AI za svaki zadatak, nećete razviti vlastite vještine rješavanja problema.
• Ignoriranje grešaka — Kad AI pogriješi (a hoće), to je prilika za učenje. Pitajte se: "Zašto je ovo krivo? Kako bih ja to riješio/la?"
• Dijeljenje privatnih podataka — Nemojte unositi osobne podatke (ime, škola, ocjene) u javne AI chatbotove.

Primjer iz prakse: Kako pitati AI za maksimalnu korist?

Loš prompt: "Riješi: 2x² + 5x - 3 = 0"
Dobar prompt: "Imam kvadratnu jednadžbu 2x² + 5x - 3 = 0. Pokaži mi korak-po-korak kako je riješiti koristeći kvadratnu formulu, i objasni svaki korak. Također, nacrtaj mi graf te funkcije."

Razlika? Drugi prompt tjera učenika da aktivno prati proces, razumije svaki korak i vizualizira koncept — što je dokazano učinkovitije za dugoročno pamćenje.

Mitovi i zablude o AI-ju u matematičkom obrazovanju

Postoje tri velika mitova o AI-ju i matematici koje treba razotkriti: da AI "razumije" matematiku, da će učenike učiniti lošijima u matematici, i da više podataka uvijek znači bolji AI.

Mit #1: "AI razumije matematiku kao ljudi"

Stvarnost: AI ne razumije apstraktne matematičke koncepte — on prepoznaje statističke obrasce u ogromnim količinama podataka. Čak i najnapredniji reasoning modeli su, u osnovi, sofisticirani sustavi za predviđanje uzoraka s ugrađenim mehanizmima samoproovjere. Razlika je suptilna ali važna: AI može savršeno primijeniti pitagorin poučak, ali nema intuitivno razumijevanje što "pravokutni trokut" zapravo jest. To objašnjava zašto AI može riješiti olimpijsku matematiku, ali pogriješiti na zadatku poput "Imam 3 jabuke i kupim još 2. Koliko imam banana?" (AI ponekad odgovori "5" jer ne razumije apsurdnost pitanja).

Mit #2: "AI će učenike učiniti lošijima u matematici"

Stvarnost: Istraživanja pokazuju suprotno — kad se AI koristi interaktivno (kao tutor, ne rješavač), učenici postižu bolje rezultate i veće razumijevanje koncepta. Prema Anthropic blogu, studenti koji koriste AI za Sokratsko podučavanje (gdje AI postavlja pitanja umjesto da daje odgovore) pokazuju 23% bolje rezultate na testovima razumijevanja u odnosu na kontrolnu grupu. Dodatno, AI drastično smanjuje "matematičku anksioznost" — učenici se osjećaju sigurnije postavljati "glupa pitanja" AI-ju nego nastavniku pred razredom. [Izvor: Anthropic Blog]

Mit #3: "Više trening podataka = bolji AI"

Kontraintuitivna stvarnost: Najvažniji napredak u AI matematici 2025./2026. nije došao od većih trening skupova podataka, već od davanja AI-ju više "vremena za razmišljanje" (inference time). OpenAI i DeepSeek otkrili su da model koji ima 10 sekundi da interno provjeri rješenje prije odgovora postiže drastično bolju točnost od modela koji odmah odgovara — čak i ako je drugi model treniran na 10× više podataka. To je paradigmatska promjena: umjesto beskonačnog skaliranja podataka, fokus se pomiče na kvalitetu "razmišljanja". [Izvor: OpenAI Blog]

Budućnost AI-ja u matematičkom obrazovanju — što očekivati do kraja 2026?

Do kraja 2026. očekuje se daljnja integracija AI-ja u hrvatske škole kroz CARNET platforme, personalizirane AI tutore prilagođene svakom učeniku, i proširenje reasoning modela na multimodalne zadatke (geometrija, grafovi, 3D vizualizacije).

Nekoliko trendova koji se naziru:

• Personalizirani AI tutori — Sustavi koji pamte koje koncepte učenik ne razumije i automatski prilagođavaju težinu i stil objašnjenja
• Multimodalni AI — Kombinacija teksta, govora, slika i interaktivnih grafova (npr. učenik crta trokut rukom, AI analizira i daje feedback)
• Integracija s LMS-ovima — Google Classroom, Microsoft Teams i Loomen (hrvatski sustav) integriraju AI asistente direktno u platformu
• AI detektori u školama — Sustavi koji prepoznaju je li zadaća napisana od AI-ja (što otvara etička pitanja)
• Kolaborativno učenje — AI kao moderator grupnih zadataka, gdje vodi diskusiju i osigurava da svi učenici sudjeluju

Prema Google AI blogu, sljedeća generacija Gemini modela (najavljenih za drugu polovicu 2026.) imat će ugrađene "teaching mode" funkcionalnosti — gdje AI automatski prepoznaje je li korisnik učenik i prilagođava ton, složenost i metodologiju odgovora. [Izvor: Google AI Blog]

Praktični savjeti za roditelje i nastavnike

Roditelji i nastavnici trebaju aktivno sudjelovati u načinu na koji djeca koriste AI, postavljati jasna pravila i poticati transparentnost. AI nije neprijatelj učenja — ali nije ni čarobni štapić.

Za roditelje:

• Razgovarajte s djetetom o tome kako koristi AI — pitajte ga da vam objasni kako AI rješava zadatke
• Postavite pravilo: "Prvo pokušaj sam/a, zatim koristi AI za provjeru"
• Koristite besplatne verzije prije nego platite pretplatu (ChatGPT, Gemini i Photomath imaju dobre besplatne opcije)
• Budite svjesni da AI može griješiti — naučite dijete prepoznati hallucinations
• Ograničite vrijeme — AI ne bi trebao biti jedini izvor učenja

Za nastavnike:

• Integrirajte AI u nastavu transparentno — pokažite učenicima gdje AI pomaže i gdje griješi
• Koristite AI za generiranje vježbnih zadataka, ne za ocjenjivanje učenika
• Organizirajte "AI literacy" radionice — naučite učenike kako pisati dobre promptove
• Potaknite učenike da "podučavaju" AI — najbolji test razumijevanja je objasniti koncept drugome (čak i stroju)
• Pratite CARNET smjernice i sudjelujte u stručnim usavršavanjima o AI-ju