Humans& მიიჩნევს, რომ კოორდინაცია ხელოვნური ინტელექტის განვითარების შემდეგი ეტაპია და მის დასამტკიცებლად ახალ მოდელს ქმნის

ხელოვნური ინტელექტის ჩატბოტები სულ უფრო უკეთ ართმევენ თავს კითხვებზე პასუხის გაცემას, დოკუმენტების შეჯამებასა და მათემატიკური განტოლებების ამოხსნას, თუმცა ისინი კვლავ ძირითადად ინდივიდუალური ასისტენტების როლში რჩებიან. არსებული მოდელები არ არის შექმნილი რეალური კოლაბორაციისთვის, რაც გულისხმობს სხვადასხვა პრიორიტეტების მქონე ადამიანების კოორდინაციას, გრძელვადიანი გადაწყვეტილებების მონიტორინგს და გუნდების ერთიანობის შენარჩუნებას დროთა განმავლობაში.

სტარტაპი Humans&, რომელიც Anthropic-ის, Meta-ს, OpenAI-ის, xAI-ისა და Google DeepMind-ის ყოფილმა თანამშრომლებმა დააფუძნეს, მიიჩნევს, რომ ამ ხარვეზის აღმოფხვრა საბაზისო მოდელების განვითარების შემდეგი უმნიშვნელოვანესი ეტაპია. კომპანიამ ამ კვირაში 480 მილიონი აშშ დოლარის მოცულობის საწყისი (seed) დაფინანსება მოიზიდა, რათა შექმნას „ცენტრალური ნერვული სისტემა“ ადამიანისა და ხელოვნური ინტელექტის ერთობლივი ეკონომიკისთვის.

მიუხედავად იმისა, რომ ადრეულ მიმოხილვებში აქცენტი კეთდებოდა „ხელოვნურ ინტელექტზე ადამიანების გასაძლიერებლად“, კომპანიის რეალური ამბიცია უფრო ნოვატორულია: ახალი საბაზისო მოდელის არქიტექტურის შექმნა, რომელიც ორიენტირებულია სოციალურ ინტელექტზე და არა მხოლოდ ინფორმაციის მოძიებაზე ან კოდის გენერირებაზე.

„როგორც ჩანს, ჩვენ ვასრულებთ მასშტაბირების პირველ პარადიგმას, სადაც კითხვა-პასუხის მოდელები იწვრთნებოდნენ კონკრეტულ სფეროებში მაღალი ინტელექტის გამოსავლენად. ახლა კი გადავდივართ ათვისების მეორე ტალღაზე, სადაც საშუალო მომხმარებელი ცდილობს გაარკვიოს, როგორ გამოიყენოს ეს ყველაფერი პრაქტიკაში“, — განუცხადა TechCrunch-ს ენდი პენგმა, Humans&-ის ერთ-ერთმა თანადამფუძნებელმა და Anthropic-ის ყოფილმა თანამშრომელმა.

კოორდინაციის გამოწვევა და ახალი ხედვა

Humans&-ის მთავარი იდეაა ადამიანების დახმარება ხელოვნური ინტელექტის ახალ ეპოქაში გადასასვლელად, რაც სცილდება იმ ნარატივს, თითქოს AI მათ სამუშაო ადგილებს წაართმევს. კომპანიები ამჟამად ჩატბოტებიდან აგენტებზე (agents) გადასვლის პროცესში არიან. მოდელები კომპეტენტურია, თუმცა სამუშაო პროცესები (workflows) — არა, და კოორდინაციის პრობლემა კვლავ გადაუჭრელია. ამ ფონზე, ბევრი ადამიანი თავს საფრთხის ქვეშ და გადატვირთულად გრძნობს.

სამი თვის წინ დაარსებულმა კომპანიამ შეძლო შთამბეჭდავი ინვესტიციის მოზიდვა სწორედ ამ ფილოსოფიისა და დამფუძნებელი გუნდის გამოცდილების წყალობით. Humans&-ს ჯერ არ აქვს მზა პროდუქტი და არც მისი ზუსტი დანიშნულებაა ბოლომდე ნათელი, თუმცა გუნდის განცხადებით, ეს შეიძლება იყოს მრავალმომხმარებლიანი პლატფორმების ალტერნატივა, როგორიცაა საკომუნიკაციო (მაგალითად, Slack) ან კოლაბორაციული (მაგალითად, Google Docs და Notion) ხელსაწყოები.

გამოყენების შემთხვევებზე საუბრისას, გუნდმა მიანიშნა როგორც კორპორაციულ, ისე სამომხმარებლო აპლიკაციებზე. „ჩვენ ვქმნით პროდუქტს და მოდელს, რომელიც ორიენტირებულია კომუნიკაციასა და კოლაბორაციაზე“, — აღნიშნა ერიკ ზელიკმანმა, Humans&-ის თანადამფუძნებელმა და აღმასრულებელმა დირექტორმა. მისი თქმით, ფოკუსი მიმართულია იქითკენ, რომ პროდუქტმა დაეხმაროს ადამიანებს ერთმანეთთან და AI ხელსაწყოებთან უფრო ეფექტურ მუშაობაში.

სოციალური ინტელექტი და სწავლების მეთოდები

ზელიკმანის განმარტებით, ჯგუფური გადაწყვეტილების მიღებისას ხშირად საჭიროა ვინმემ ყველა ერთ ოთახში შეკრიბოს და თითოეულს აზრი გამოათქმევინოს — მაგალითად, როგორი ლოგო სურთ კომპანიისთვის. ახალი მოდელი გაიწვრთნება ისე, რომ კითხვები დასვას მეგობრული ან კოლეგიალური ფორმით, როგორც ვინმემ, ვისაც თქვენი უკეთ გაცნობა სურს.

დღევანდელი ჩატბოტები დაპროგრამებულნი არიან მუდმივი კითხვების დასასმელად, თუმცა მათ არ ესმით კითხვის ღირებულება. ეს იმიტომ ხდება, რომ ისინი ოპტიმიზირებულნი არიან ორ რამეზე: რამდენად მოსწონს მომხმარებელს პასუხი მყისიერად და რამდენად სწორად პასუხობს მოდელი დასმულ კითხვას.

Humans& არ ცდილობს შექმნას მოდელი, რომელიც უბრალოდ ჩაინერგება არსებულ აპლიკაციებში. სტარტაპს სურს თავად ფლობდეს კოლაბორაციის შრეს (collaboration layer). ეს სფერო სულ უფრო აქტუალური ხდება — მაგალითად, AI ჩანაწერების აპლიკაციამ Granola-მ 43 მილიონი დოლარი მოიზიდა კოლაბორაციული ფუნქციების დამატებისას.

ტექნიკური ინოვაციები:

• Long-horizon Reinforcement Learning (RL): ეს მეთოდი მოდელს ასწავლის დაგეგმვას, მოქმედებას, გადახედვას და პროცესის ბოლომდე მიყვანას დროთა განმავლობაში, ნაცვლად მხოლოდ ერთჯერადი კარგი პასუხის გენერირებისა.
• Multi-agent Reinforcement Learning (RL): წვრთნის სისტემას ისეთი გარემოსთვის, სადაც რამდენიმე ხელოვნური ინტელექტი ან ადამიანია ჩართული პროცესში.

„მოდელს უნდა ახსოვდეს ინფორმაცია საკუთარ თავზე და თქვენზე. რაც უფრო უკეთესია მისი მეხსიერება, მით უფრო კარგად ესმის მას მომხმარებლის“, — აცხადებს იუჩენ ჰე, კომპანიის თანადამფუძნებელი და OpenAI-ის ყოფილი მკვლევარი.

რისკები და კონკურენცია

მიუხედავად ძლიერი გუნდისა, Humans&-ის წინაშე არაერთი გამოწვევაა. ახალი მოდელის გაწვრთნა და მასშტაბირება უზარმაზარ ფინანსურ რესურსებს მოითხოვს, რაც ნიშნავს კონკურენციას დიდ მოთამაშეებთან გამოთვლით სიმძლავრეებზე წვდომისთვის. თუმცა, მთავარი რისკი ისაა, რომ კომპანია კონკურენციას უწევს არა მხოლოდ Notion-სა და Slack-ს, არამედ AI ინდუსტრიის გიგანტებს.

ეს გიგანტები უკვე მუშაობენ კოლაბორაციის გაუმჯობესებაზე:

• Anthropic: ავითარებს Claude Cowork-ს სამუშაო პროცესების ოპტიმიზაციისთვის.
• Google: Gemini უკვე ინტეგრირებულია Workspace-ში.
• OpenAI: აქტიურად სთავაზობს დეველოპერებს მრავალაგენტიან ორკესტრაციას და სამუშაო ნაკადებს.

ჯერჯერობით არცერთი მსხვილი მოთამაშე არ აპირებს მოდელის სრულად გადაწერას სოციალურ ინტელექტზე დაყრდნობით, რაც Humans&-ს უპირატესობას აძლევს, თუმცა ასევე აქცევს მას პოტენციურ სამიზნედ შესყიდვისთვის. კომპანიამ TechCrunch-ს განუცხადა, რომ მათ უკვე უთხრეს უარი რამდენიმე დაინტერესებულ მხარეს და არ აპირებენ გაყიდვას. „ჩვენ გვჯერა, რომ ეს იქნება ეპოქალური კომპანია, რომელსაც აქვს პოტენციალი ფუნდამენტურად შეცვალოს მოდელებთან ჩვენი ურთიერთქმედების მომავალი“, — დასძინა ზელიკმანმა.