A Google közzétett egy interjút a Google DeepMind SVP-vel és Koray Kavukcuoglu mesterséges intelligencia vezető építészvel. Kavukcuoglu megosztotta, hogy a Google egyre inkább mesterséges intelligencia-ügynöknek tekinti a Geminit, nem pedig chatbotnak. Ez azért fontos, mert Sundar Pichai vezérigazgató kijelentette, hogy az ügynöki mesterséges intelligencia a keresés jövője.
Az Ikrek modellről az Agent AI felé vált
Koray Kavukcuoglu megosztotta, hogy a Google DeepMind egyre inkább ügynökként tekint a Geminire, sokkal többre, mint egy chatbotra vagy nyelvi modellre. Ezt a változást a kódolás inspirálta, ez volt az átjáró a szoftverfejlesztéshez, az eszközhasználathoz és az ügynöki munkafolyamatokhoz.
Kavukcuoglu elmondta, hogy a cél valójában nem egy olyan modell létrehozása, amely jobban megválaszolja a kérdéseket. A hangsúly most azon van, hogy olyasmit hozzunk létre, amely képes cselekedni egy ember nevében és mellett.
A kérdező, Logan Kilpatrick megkérdezte Kavukcuoglut, hogy akar-e beszélni a Google DeepMind „építészeti innovációjáról”, Kavukcuoglu pedig azt válaszolta, hogy most nem erről hajlandó beszélni, jelezve, hogy valami történik a színfalak mögött.
De arról beszélt, hogy a Google hogyan vált át az ügynöki mesterséges intelligencia felé.
Megosztotta:
„A 3.0 kezdeti bevezetése óta az a véleményem, hogy sokat tanultunk abból a szempontból, hogy megértsük, mit jelent kódolni, nem csak kódolni, igaz?
Például, hogy mit jelent szoftvertervezést végezni, mit jelent eszközökkel dolgozni vagy olyan funkciókkal dolgozni, amelyeket az emberek nap mint nap használnak.
Alapvetően alakítsa ezt az egészet ügynökké, modellből ügynökké.
És azt az átmenetet, azt hiszem, mintegy megkerültük, és ez volt az a dolog, amit közvetlenül meg akartunk oldani. És természetesen a szoftverfejlesztés a legkritikusabb tartomány és környezet, amelyben azt szeretné, hogy rendszerei sikeresek legyenek, mivel ez sok-sok különböző tevékenység gyökere.
Ezalatt az idő alatt sokat tanultunk azzal kapcsolatban, hogyan képezzünk ki egy modellt, hogyan képezzünk ki egy ügynököt, aki valóban tud veled együtt kódolni. És ezek után azt hiszem, a lépések gyorsabbak lettek.
És mint minden kutatási projektben, itt is sok párhuzamos pálya zajlik egyszerre. Tehát most arra törekszünk, hogy ezeket a tanulságokat egyesítsük, természetesen, mint például, hogy hozzáadjuk őket, hogy megértsük, mit jelent az ügynöki műveletek és ügynöki munkafolyamatok jobb elvégzése, új építészeti fejlesztésekkel, új ötletekkel együtt, amelyeken már egy ideje dolgozunk.
Sok ilyen dolog, amit a 3.6-ban, 3.7-ben megtettünk, egy évre vagy még többre megy vissza, majd ezek kezdenek kifizetődni, és beépítjük őket a modellbe.
És nagyszerű látni, milyen minőségi hatást értünk el ebből. Nagyon izgatottak voltunk a 3.7-ig tartó futásban. Amikor a 3,6-ot csináltuk, természetesen láthattuk, mi lehet a 3,7, vagy mi lehet a következő lépés.
Aztán összejött, és belsőleg nagyon elkezdtük élvezni azt a modellt. Tehát ez a párhuzamos pálya hatás, amit mész, amit látsz.”
Az AI változik, de a lépések ugyanazok maradnak
Valami más, amiről beszélt, ellentmondásosnak tűnt, mivel azt mondta, forradalmi változás történik, de ami ezt okozza, az maga nem forradalmi. Azt mondta, hogy az AI létrehozásának alapvető lépései közel sem változtak annyit, mint az AI által megoldott problémák. Amit csinál, az forradalmi, de az, ahogyan eljut odáig, nem ment át forradalmi változáson.
Kavukcuoglu azt mondta, hogy továbbra is használják:
- Mély tanulás
- Előképzés
- Megerősítő tanulás
- Olyan optimalizálási technikák, amelyek hasonló alapelvekre támaszkodnak, mint a múltból
Elmondása szerint az a környezet változott meg, amelyben a mesterséges intelligencia működik, amelyben modellekre van szükség ahhoz, hogy kikövetkeztessék a szándékot, kezeljék a kétértelműséget és együttműködjenek az emberekkel.
A Google továbbfejlesztette az ügynöki munkafolyamatokat
Később a beszélgetés során Kilpatrick elmondta, hogy a Gemini 3 elérte a határt, de a határ ezt követően az ügynökkódolás és az ügynökszerű képességek felé mozdult el.
Kavukcuoglu elmondta, hogy még mindig van mit tanulnia az ügynöki műveletekről és munkafolyamatokról, és elmondta, hogy a Gemini 3.5 körüli munka megtanította nekik, hogyan dolgoznak az emberek valójában az ügynökökkel, és most már biztosabb abban, hogy a Google jobban megérti az ilyen típusú interakciókat.
Elmagyarázta:
„Szerintem két dolgot kell szem előtt tartanunk.
Az egyik az, hogy definíció szerint egy erős versenykörnyezetben a határ mindig eltolódik. Lesznek apályok és áradások különböző dolgokban. Meg fog változni a ritmus és annak gyakorisága, hogy melyik labor állítja elő legerősebb modelljét. Ez az 1.
De a 2. pont egy tisztességes szempont. És erről beszéltünk a 3.5 összefüggésében. Azt hiszem, sokat tanultunk az ügynöki műveletekről és az ügynöki munkafolyamatokról. És hogy ezt egy modellben életre tudjuk kelteni, ezen a folyamaton mentünk keresztül.
Ahol most érzem magam, nagyon-nagyon-nagyon kényelmesen és jól érzem magam most, ahol vagyunk, és képesek vagyunk megérteni, mire van szükségük a felhasználóknak, amikor olyan ügynökkel dolgoznak, amely partnerségben áll velük bármilyen ügynöki feladatban és munkafolyamatban.
De átmentünk az építkezés folyamatán.”
Google DeepMind: A mesterséges intelligencia legfontosabb fejlesztése
A kérdező, Logan ezután arra kérte Kavukcuoglut, hogy ossza meg, mi a legfontosabb fejlesztés az AI-ban.
Megkérdezte:
„…ha meg tudnád lendíteni a varázspálcádat, és rávennéd a modelleket, hogy bármit tegyenek, és ne kelljen sok időt és energiát költened, van-e valami a lista tetején, amihez valamilyen képességet, jobb viselkedést szeretnél valamiben?
Kavukcuoglu válaszolt:
„Azt hiszem, ha lenne egy varázspálcám, intelligensebbé tenném őket. Azt hiszem, a modellek egyre intelligensebbek, mindent jobban csinálnak, mindent intuitívabban csinálnak, és szerintem ez kiváló lenne.”
Elvihető
A Google DeepMind és a Google egésze nem csak a válaszadás felé halad, hanem a felhasználókat a feladatok elvégzésében segíti. A Google összes terméke – a Gmailtől a Google Táblázatokig és a Térképekig – mind segíti az embereket a feladatok elvégzésében. Kavukcuoglu kifejtette, hogy az AI-modellek fogalmilag már nem pusztán chatbotok, hanem ügynökibbé is válnak, és ez tükrözi, hogy a Google-nál minden változik, beleértve a Keresést is.
