Περίληψη του άρθρου:

Η OpenAI παρουσίασε το Swarm Framework, μια τεχνολογία ανοικτού κώδικα που έχει σχεδιαστεί για την ανάπτυξη συστημάτων τεχνητής νοημοσύνης πολλαπλών πρακτόρων ικανών για αυτόνομη συνεργασία. Αυτή η έκδοση υποδηλώνει μελλοντικές αλληλεπιδράσεις AI, όπου συστήματα όπως το ChatGPT θα μπορούν να εκτελούν εργασίες σε διάφορες πλατφόρμες ανεξάρτητα. Η εξέλιξη προς την ΤΝ του συστήματος 2 δίνει έμφαση στην αυτόνομη εκτέλεση εργασιών, μετατοπίζοντας τα παραδοσιακά μοντέλα σε πιο εξειδικευμένες εφαρμογές. Παρά την πιθανή ανατροπή σε πολυάριθμους τομείς, οι προκλήσεις και οι περιορισμοί παραμένουν στην επίτευξη ισχυρών δυνατοτήτων ΤΝ.

Κύρια σημεία του άρθρου:

•  Το Swarm Framework διευκολύνει τη δημιουργία ΤΝ που μπορούν να ολοκληρώνουν αυτόνομα εργασίες και στόχους.
•  Προσφέρει μια ματιά σε μια μελλοντική έκδοση του ChatGPT, ικανή να αναζητά πολλαπλές πηγές και να εκτελεί εργασίες σε διάφορες πλατφόρμες.
•  Οι ερευνητές επικεντρώνονται στην ανάπτυξη συνεργατικών πρακτόρων ΤΝ που συνεργάζονται με την πάροδο του χρόνου, σε αντίθεση με τα σημερινά chatbots που παρέχουν άμεσες απαντήσεις.
•  Η τρέχουσα τεχνητή νοημοσύνη χρησιμοποιεί κυρίως μεγάλα γλωσσικά μοντέλα (LLM), τα οποία εξυπηρετούν γενικούς σκοπούς αλλά στερούνται εξειδίκευσης.
•  Η επόμενη πρόοδος, που ονομάζεται ΤΝ συστήματος 2, επικεντρώνεται στη συλλογιστική και την επίλυση προβλημάτων έναντι της ταχύτητας.
•  Παραδείγματα περιλαμβάνουν εξειδικευμένα εργαλεία όπως το Lyrebird για ιατρικές περιγραφές και οι μηχανικοί πράκτορες της Factory.ai που αυτοματοποιούν την ανάπτυξη λογισμικού.
•  Το Swarm Framework στοχεύει στην απλοποίηση της δημιουργίας λύσεων τεχνητής νοημοσύνης με πράκτορες, που αναμένεται να κατακλύσουν την αγορά τα επόμενα δύο χρόνια.
•  Οι αναφορές του κλάδου υποδηλώνουν μια στροφή από το λογισμικό ως υπηρεσία (SaaS) στο αποτέλεσμα ως υπηρεσία (OaaS), όπου η τεχνητή νοημοσύνη ολοκληρώνει εργασίες έναντι πληρωμής κατά την ολοκλήρωση και όχι συνδρομής.
•  Υπάρχουν περιορισμοί στις δυνατότητες της ισχυρής τεχνητής νοημοσύνης- ορισμένα πολύπλοκα έργα μπορεί να έχουν χρονικούς περιορισμούς, ανεξάρτητα από τις βελτιώσεις της νοημοσύνης.

Αναλυτικά το άρθρο:

Η OpenAI έχει κυκλοφορήσει μια νέα τεχνολογία AI που ονομάζεται Swarm Framework. Αυτό το project ανοιχτού κώδικα σηματοδοτεί ένα νέο ορόσημο στη συνεχιζόμενη χρυσοφόρα έξαρση της τεχνητής νοημοσύνης.

Το πλαίσιο προσφέρει στους προγραμματιστές ένα ολοκληρωμένο σύνολο εργαλείων για τη δημιουργία συστημάτων τεχνητής νοημοσύνης πολλαπλών πρακτόρων που μπορούν να ολοκληρώσουν εργασίες και στόχους ενώ συνεργάζονται αυτόνομα.

Το λανσάρισμα είναι μια εκπληκτικά χαμηλών τόνων έκδοση που θα μπορούσε να έχει μεγάλες επιπτώσεις στον τρόπο με τον οποίο αλληλεπιδρούμε με την ΤΝ στο μέλλον. Το OpenAI ξεκαθαρίζει ότι πρόκειται απλώς για ένα ερευνητικό και εκπαιδευτικό πείραμα - ωστόσο το ίδιο έλεγαν και για το ChatGPT το 2022.

Το OpenAI Swarm μας δίνει μια γεύση από μια μελλοντική έκδοση του ChatGPT, όπου θα μπορείτε να κάνετε μια ερώτηση στην Τεχνητή Νοημοσύνη και αυτή θα μπορεί να ψάξει σε πολλαπλές πηγές, επιστρέφοντας με μια ολοκληρωμένη απάντηση. Θα μπορούσε επίσης να εκτελεί εργασίες σε διάφορους ιστότοπους ή στον πραγματικό κόσμο για λογαριασμό σας.

Υπάρχει μια βουβή επανάσταση στα παρασκήνια των επιχειρήσεων τεχνητής νοημοσύνης και θα εκπλήξει πολλούς ανθρώπους όταν φτάσει. Πρόσφατα πήραμε μια γεύση από αυτήν, αλλά ο πλήρης αντίκτυπος δεν έχει ακόμη έρθει. Και όχι, δεν πρόκειται για τη μυστικιστική λάμψη της AGI στην οποία φαίνεται να εστιάζουν όλοι, αλλά για μια διαφορετική πορεία.

Βαθιά στα έγκατα της AI Inc., οι ερευνητές αγωνίζονται να δημιουργήσουν συνεργατικούς πράκτορες AI - δηλαδή συστήματα που συνεργάζονται για να φέρουν εις πέρας εργασίες σε βάθος χρόνου, αντί να προσφέρουν άμεσες απαντήσεις όπως τα σημερινά chatbots. Ποιο είναι λοιπόν το μεγάλο ζήτημα;

Λοιπόν, για να καταλάβουμε γιατί αυτό έχει σημασία, βοηθά να κατανοήσουμε τους περιορισμούς της σημερινής τεχνητής νοημοσύνης που οι περισσότεροι από εμάς γνωρίζουμε και αγαπάμε (ή μισούμε). Η περισσότερη χρήση της ΤΝ επί του παρόντος περιστρέφεται γύρω από τη χρήση μεγάλων γλωσσικών μοντέλων (LLM) τα οποία εκπαιδεύονται για να παρέχουν γενικές υπηρεσίες στους χρήστες.

Οτιδήποτε, από τη μετάφραση κειμένων έως τη συγγραφή εκθέσεων και τη βοήθεια με τις ασκήσεις μαθηματικών. Αυτά τα μοντέλα προσφέρουν μια λύση «jack of all trades, master of none» και είναι ιδανικά για καθημερινή χρήση από το κοινό.

Το επόμενο βήμα από ένα απλό LLM είναι τα «τελειοποιημένα» μοντέλα που επικεντρώνονται σε έναν συγκεκριμένο τομέα, π.χ. ένα ιατρικό ρομπότ ή ένα εργαλείο για την παροχή στρατηγικών οικονομικών συμβουλών.

Αυτά τα εξειδικευμένα προϊόντα δημιουργούνται συνήθως εσωτερικά από μεγάλες εταιρείες, αν και υπάρχει ένας αυξανόμενος αριθμός εξειδικευμένων εργαλείων ΤΝ που φτάνουν στη γενική αγορά με τη μορφή συνδρομητικών υπηρεσιών.
Ένα καλό παράδειγμα είναι το Lyrebird, το οποίο είναι ειδικά εκπαιδευμένο για να ακούει τη διαβούλευση ενός γιατρού με έναν ασθενή - με άδεια - και στη συνέχεια να την μεταγράφει σε κατάλληλα δομημένο κείμενο για τις κλινικές σημειώσεις του ασθενούς.

Η τελευταία γενιά τεχνητής νοημοσύνης, που συνήθως αναφέρεται ως τεχνολογία συστήματος 2, ενσωματώνει μια σειρά από νέες και ισχυρές λειτουργίες. Οι περισσότεροι άνθρωποι θα έχουν ακούσει για το νέο μοντέλο o1 της OpenAI, που προηγουμένως είχε την κωδική ονομασία Strawberry, το οποίο έχει σχεδιαστεί για να αφιερώνει περισσότερο χρόνο στο να «σκέφτεται» ένα πρόβλημα, πριν δώσει μια λύση.

Αυτή η ικανότητα συλλογισμού θεωρείται κρίσιμο μέρος των μοντέλων τεχνητής νοημοσύνης του συστήματος 2. Οι προγραμματιστές βλέπουν τώρα τους μεγαλύτερους χρόνους συλλογισμού ως τεράστιο όφελος για την ποιότητα της παραγωγής AI, σε πλήρη αντίθεση με ένα χρόνο πριν, όταν το fast-is-best ήταν το ζητούμενο.

Η μακροχρόνια συλλογιστική και η επίλυση προβλημάτων είναι μόνο ένα μέρος της νέας εξίσωσης της τεχνητής νοημοσύνης. Παράλληλα με αυτά τα νέα χαρακτηριστικά, είμαστε έτοιμοι να γίνουμε μάρτυρες μιας έκρηξης στην agentic AI. Αυτοί οι πράκτορες λογισμικού θα είναι σε θέση να εκτελούν αυτόνομα εργασίες και να επιτυγχάνουν μόνοι τους τους στόχους που θέτει ο χρήστης. Δεν χρειάζεται καμία προτροπή. Αν αυτό ακούγεται σαν επιστημονική φαντασία, τότε να ξέρετε ότι οι πράκτορες χρησιμοποιούνται ήδη σε συγκεκριμένους τομείς εργασιών.

Ένα παράδειγμα είναι η Factory.ai, η οποία προσφέρει πράκτορες μηχανικής λογισμικού, τα λεγόμενα Droids, για την αυτοματοποίηση της διαδικασίας και της ανάπτυξης επιχειρηματικών εφαρμογών. Η εταιρεία εκτιμά ότι το σύστημά της μπορεί να εξοικονομήσει περίπου 18.000 δολάρια ετησίως ανά απασχολούμενο μηχανικό λογισμικού.

''Το κλειδί για την αποδοχή των πρακτόρων θα προέλθει από την αυξημένη ισχύ των backend LLMs. Τα νεότερα μοντέλα παρέχουν το είδος της αυτονομίας που απαιτείται για να απογειωθούν πραγματικά οι πράκτορες. Αυτό πρόκειται να τροφοδοτήσει μια επανάσταση στις εφαρμογές λογισμικού.''


Το νέο Swarm Framework έχει ως στόχο να κάνει αυτό το είδος εργαλείων πιο εύκολο στη δημιουργία και την ανάπτυξη, οπότε μπορούμε να περιμένουμε να δούμε μια πλημμύρα από αυτές τις λύσεις πρακτόρων να έρχονται στην αγορά μέσα στα επόμενα δύο χρόνια περίπου.
Το κλειδί για την αποδοχή των πρακτόρων θα προέλθει από την αυξημένη ισχύ των backend LLMs. Τα νεότερα μοντέλα παρέχουν το είδος της αυτονομίας που απαιτείται για να απογειωθούν πραγματικά οι πράκτορες. Αυτό θα τροφοδοτήσει μια επανάσταση στις εφαρμογές λογισμικού.

Η Sequoia Capital, στην πρόσφατη έκθεσή της για τον τομέα των LLM, μίλησε για μια μετατόπιση από τις εταιρείες που νοικιάζουν λογισμικό cloud ως υπηρεσία (SaaS) - για παράδειγμα, χρησιμοποιώντας το Adobe Creative Cloud ή το Microsoft Office - σε ένα νέο παράδειγμα που άλλοι αποκαλούν Outcome as a Service (OaaS). Αντί η τεχνητή νοημοσύνη να απαντά σε ερωτήσεις, θα πηγαίνει και θα κάνει δουλειές για εμάς, πληρώνοντας μόνο όταν η εργασία έχει ολοκληρωθεί.

Για παράδειγμα, το νέο πρακτορικό σύστημα AI της Sierra είναι ένα ρομπότ υποστήριξης πελατών που πληρώνεται για κάθε επιτυχημένη αλληλεπίδραση με τον πελάτη και όχι με μηνιαίο ενοίκιο. Επικοινωνεί μέσω φωνής, στη γλώσσα του χρήστη, και μπορεί να έχει πρόσβαση σε όλες τις πληροφορίες που χρειάζεται για να αντιμετωπίζει καθημερινά ερωτήματα. Όπου δεν μπορεί, μεταβιβάζει απρόσκοπτα το ερώτημα σε έναν ανθρώπινο διαχειριστή υποστήριξης.


Ο Dario Amodei, διευθύνων σύμβουλος και συνιδρυτής του ανταγωνιστή της OpenAI Anthropic, το συνοψίζει καλύτερα όταν μιλάει για το είδος της ισχυρής τεχνητής νοημοσύνης που πρόκειται να εισέλθει στη ζωή μας.

«Διαθέτει όλες τις «διεπαφές» που διαθέτει ένας άνθρωπος που εργάζεται εικονικά, όπως κείμενο, ήχο, βίντεο, έλεγχο του ποντικιού και του πληκτρολογίου και πρόσβαση στο διαδίκτυο. Μπορεί να συμμετέχει σε οποιεσδήποτε ενέργειες, επικοινωνίες ή απομακρυσμένες λειτουργίες... δεν απαντά απλώς παθητικά σε ερωτήσεις- αντίθετα, μπορεί να του δοθούν εργασίες που χρειάζονται ώρες, ημέρες ή εβδομάδες για να ολοκληρωθούν, και στη συνέχεια να φύγει και να κάνει αυτές τις εργασίες αυτόνομα».

"Η ταχύτητα με την οποία μπορεί να ολοκληρωθεί ένα σημαντικό έργο - για παράδειγμα η ανάπτυξη μιας θεραπείας για τον καρκίνο - μπορεί να έχει ένα μη αναγώγιμο ελάχιστο που δεν μπορεί να μειωθεί περαιτέρω, ακόμη και αν η νοημοσύνη συνεχίζει να αυξάνεται."

Dario Amodei, Διευθύνων Σύμβουλος της Anthropic

Αυτές δεν είναι νέες ιδέες. Ο διάσημος επιστήμονας Τεχνητής Νοημοσύνης Ilya Sutskever, συνιδρυτής του OpenAI, μιλούσε για αυτού του είδους τη λειτουργικότητα το 2018, όταν η Τεχνητή Νοημοσύνη μόλις είχε βγει από τις sci-fi.

Μίλησε για «μια κοινωνία πρακτόρων» που θα ενσωματωθούν στην καθημερινή μας ζωή χρησιμοποιώντας ένα αυξανόμενο σύνολο επικοινωνιακών δεξιοτήτων. Έχουμε ήδη δει τα πρώτα σημάδια αυτού του οράματος με την άφιξη της προηγμένης φωνητικής λειτουργίας του OpenAI , η οποία είναι πανομοιότυπη με τη συνομιλία με έναν άνθρωπο σχεδόν από κάθε άποψη.

Ωστόσο, ο Amodei το προχωράει ένα στάδιο παραπέρα και προτείνει ότι σύντομα θα μπορούσαμε να γίνουμε μάρτυρες εκατομμυρίων πρακτόρων που θα συνεργάζονται μαζί σε αυτό που αποκαλεί «χώρα ιδιοφυιών σε ένα κέντρο δεδομένων».

Πρόκειται για μια απίθανα μεγαλεπήβολη ιδέα, αλλά σε συνδυασμό με την αστραπιαία ταχύτητα της τρέχουσας ανάπτυξης της τεχνητής νοημοσύνης και τις ασταμάτητες κυκλοφορίες προϊόντων και ερευνών, είναι προφανές για ποιο μέλλον στοχεύουν οι επιστήμονες. Το μόνο πράγμα που δεν γνωρίζουμε είναι το ακριβές χρονοδιάγραμμα, αλλά όλα τα σημάδια δείχνουν ότι θα γίνει μάλλον νωρίτερα παρά αργότερα.


Η τελευταία λέξη πρέπει να ανήκει στον Amodei, ο οποίος για να είμαστε δίκαιοι, προσπαθεί να μετριάσει τη διαφημιστική εκστρατεία και να κρατήσει τα πόδια μας λίγο περισσότερο στο έδαφος. Ενώ μιλάει για τις τεράστιες δυνητικές ανατροπές σε όλα, από την υγεία μέχρι την οικονομία και τη διακυβέρνηση, καθιστά σαφές ότι υπάρχουν ακόμη σημαντικά εμπόδια στο είδος της προόδου που είναι δυνατή από την «ισχυρή τεχνητή νοημοσύνη» (δεν του αρέσει ο όρος AGI).

«Η ταχύτητα με την οποία μπορεί να ολοκληρωθεί ένα σημαντικό έργο -για παράδειγμα η ανάπτυξη μιας θεραπείας για τον καρκίνο- μπορεί να έχει ένα μη αναγώγιμο ελάχιστο που δεν μπορεί να μειωθεί περαιτέρω, ακόμη και αν η νοημοσύνη συνεχίζει να αυξάνεται... ορισμένα πράγματα είναι εγγενώς απρόβλεπτα ή χαοτικά και ακόμη και η πιο ισχυρή ΤΝ δεν μπορεί να τα προβλέψει ή να τα ξεδιαλύνει ουσιαστικά καλύτερα από έναν άνθρωπο... υπάρχουν ορισμένοι φυσικοί νόμοι που φαίνεται να είναι αδιάσπαστοι. Δεν είναι δυνατόν να ταξιδέψουμε γρηγορότερα από το φως. Η πουτίγκα δεν ξετυλίγεται.»

Η Anthropic έχει φτιάξει το όνομά της από την παροχή «ασφαλών» προϊόντων τεχνητής νοημοσύνης, τα οποία έχουν ως πρωταρχικό στόχο να προσφέρουν τα οφέλη της τεχνητής νοημοσύνης, προσπαθώντας παράλληλα να ελαχιστοποιήσουν τους κινδύνους. Είναι καλό να γνωρίζουμε ότι τουλάχιστον κάποιοι από τους ανθρώπους που παραδίδουν αυτή την εκπληκτική επανάσταση - ίσως τη μεγαλύτερη που έχει γίνει ποτέ - αφιερώνουν χρόνο για να εξετάσουν τις πραγματικές συνέπειες αυτού που κατασκευάζουν.
​​​​​​​
Πηγή: OpenAI reveals Swarm — a breakthrough new method for getting AI to do things on your behalf