Magától dolgozik az új kínai mesterséges intelligencia, alig van szüksége az emberre

Speciális, egyelőre csupán kísérleti fázisban lévő architektúrát mutatott be a mesterséges intelligenciát fejlesztő kínai DeepSeek. A rendszer képes lenne arra, hogy egyszerre több asszisztens munkáját koordinálja, valamint felossza az összetett munkafolyamatok elvégzését, mindezt úgy, hogy az eddiginél kevesebb emberi felügyeletre legyen szükség a működéséhez.

A „szuperügynökként” emlegetett rendszer az AI automatizálásában lévő korlátot igyekszik orvosolni. Nevezetesen: míg az egyes AI-ügynökök egyre hatékonyabbak, több ügynök egyidejű kezelése továbbra is jelentős mértékű emberi felügyeletet igényel. Több ágens összehangolása azért is nehézkes, mivel az embernek kell kiosztania a feladatokat, figyelnie a munka haladását, és feloldania az egyes ágensek kimenetei közötti ellentmondásokat – írja az Interesting Engineering.

A kódolóasszisztensek következő generációja ahelyett, hogy egyes utasításokat hajtana végre, hosszabb munkafolyamatokat fog kezelni. Mindez azt jelenti, hogy magától fog reagálni az új információkra (részeredményekre), és több műveletet tudnak majd koordinálni úgy, hogy nem kell beavatkozni a munkájukba.

Hónapokra lehet attól Kína, hogy utolérje az Egyesült Államokat

Hamarosan új mesterségesintelligencia-modellt mutathat be a kínai DeepSeek, ami azt is meg fogja mutatni, mennyire van lemaradva az ország a Nyugattól.

A DeepSeek becslése szerint egy ember egyszerre három-öt aktív AI-ágens-folyamatot képes felügyelni. Ez gyakorlati korlátot szab annak, hogy a szervezetek mennyi feladatot delegálhatnak az AI számára – még akkor is, ha az egyes ágensek képesek önállóan elvégezni a rájuk bízott munkát.

A kínai cég javaslata szerint a javasolt szuperügynök egy központi koordinációs rendszeren keresztül kezelné ezt a korlátot. Részekre bontaná a nagyobb feladatokat, elosztaná azokat több, párhuzamosan dolgozó ügynök között, és nyomon követné azok előrehaladását anélkül, hogy egy személynek külön kellene kezelnie az egyes munkameneteket.

A rendszert úgy terveznék, hogy proaktívan reagáljon az eseményekre, ahelyett, hogy kifejezett utasításokra várna. Egy ágens például észlelhet egy csoportos csevegésben jelentett szoftverhibát, megkísérelheti reprodukálni a problémát, és kidolgozhat egy javítást. Ha talál életképes megoldást, javaslatot tehet a kód módosítására, amelyet aztán emberi felülvizsgálatnak vethetnek alá. Ha viszont nem jár sikerrel, nem küldene felesleges értesítéseket.

A DeepSeek mostani javaslata az iparági elmozdulást is jelzi – jegyezte meg a lap. A cégek jelenleg olyan rendszerek létrehozásában versenyeznek, amelyek az egyes kódolási kérések helyett képesek teljes szoftverfejlesztési munkafolyamatokat kezelni.

Az Anthropic szerint „ijesztő következményei” lesznek annak, hogy kínai cégek módszeresen lopják az AI-t

Ipari méretű másolás és több mint 24 ezer hamis fiók – ezzel vádol a Claude mögött álló Anthropic cég három nagy kínai AI-fejlesztőt, akik így próbáltak meg hozzáférni a Claude képességeihez, és átültetni azokat a saját modelljeikbe. A következmények ijesztők lehetnek.

Az Anthropic Claude Code-ja és az OpenAI Codexe már kiterjesztették a mesterséges intelligencián alapuló kódolási asszisztensek képességeit, lehetővé téve számukra, hogy teljes kódbázisokon dolgozzanak, feladatokat hajtsanak végre, és összetettebb fejlesztési folyamatokban nyújtsanak segítséget.

A DeepSeek által javasolt architektúra más megközelítést alkalmaz: arra összpontosít, hogyan hangolhatják össze munkájukat az egyes ágensek, és hogyan reagálhatnak a változó körülményekre.

A vállalat szerint a tesztek során az új módszer valamivel kevesebb mint 16 perc alatt végzett el egy feladatot, míg a hagyományos megközelítés több mint 29 percet vett igénybe. Az eredmény arra utal, hogy a párhuzamos végrehajtás és az automatizált koordináció csökkenthet bizonyos munkafolyamatok elvégzéséhez szükséges időt.

Azt azonban nem tudni, az eredmény milyen minőségű lett, és azt sem, mennyire általánosítható az. Ennek hiányában egyelőre nem lehet messzemenő következtetéseket levonni arról, mennyire hatékony a DeepSeek kísérleti architektúrája.

Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.

(Nyitókép forrása: AFP / MKU / Science Photo Library / Mehau Kulyk)