İllərdir Big Tech CEO-ları insanlar üçün tapşırıqları yerinə yetirmək üçün proqram proqramlarından avtonom şəkildə istifadə edə bilən süni intellekt agentləri haqqında təsəvvürlərini irəli sürdülər. İstər OpenAI-nin ChatGPT Agenti , istərsə də Perplexity-nin Comet-i olsun, bugünkü istehlakçı süni intellekt agentlərini fırlanmaya aparın və texnologiyanın hələ də nə qədər məhdud olduğunu tez anlayacaqsınız. Süni intellekt agentlərini daha möhkəm etmək sənayenin hələ də kəşf etdiyi yeni texnikalar toplusunu tələb edə bilər.
Bu üsullardan biri, gücləndirici öyrənmə (RL) mühitləri kimi tanınan agentlərin çox addımlı tapşırıqlar üzrə təlim keçə biləcəyi iş yerlərini diqqətlə simulyasiya etməkdir. Etiketli məlumat dəstlərinin AI-nin son dalğasını necə gücləndirdiyi kimi, RL mühitləri agentlərin inkişafında kritik element kimi görünməyə başlayır.
Süni intellekt tədqiqatçıları, təsisçiləri və investorları TechCrunch-a deyirlər ki, aparıcı AI laboratoriyaları indi daha çox RL mühiti tələb edir və onları təmin etməyə ümid edən startapların çatışmazlığı yoxdur.
Andreessen Horowitz-in baş tərəfdaşı Cennifer Li TechCrunch-a verdiyi müsahibədə “Bütün böyük süni intellekt laboratoriyaları öz daxili RL mühitlərini qurur” dedi. “Ancaq təsəvvür etdiyiniz kimi, bu məlumat dəstlərinin yaradılması çox mürəkkəbdir, ona görə də AI laboratoriyaları yüksək keyfiyyətli mühitlər və qiymətləndirmələr yarada bilən üçüncü tərəf satıcılarına da baxır. Hamı bu məkana baxır.”
RL mühitləri üçün təkan, kosmosa rəhbərlik etməyi hədəfləyən Mechanize və Prime Intellect kimi yaxşı maliyyələşdirilmiş startapların yeni sinfini yaratdı. Bu arada, Mercor və Surge kimi böyük məlumat etiketləmə şirkətləri sənayenin statik məlumat dəstlərindən interaktiv simulyasiyalara keçidi ilə ayaqlaşmaq üçün RL mühitlərinə daha çox sərmayə qoyduqlarını söyləyirlər. Böyük laboratoriyalar da böyük sərmayə qoymağı düşünürlər: The Information-a görə, Anthropic-in liderləri gələn il ərzində RL mühitlərinə 1 milyard dollardan çox pul xərcləməyi müzakirə ediblər.
İnvestorlar və təsisçilər üçün ümid budur ki, bu startaplardan biri chatbot dövrünü gücləndirən 29 milyard dollar dəyərində məlumat etiketləmə gücünə istinad edərək “Mühitlər üçün Scale AI” kimi ortaya çıxsın.
Sual budur ki, RL mühitləri həqiqətən AI tərəqqisinin sərhədlərini itələyəcək.
Əsas olaraq, RL mühitləri AI agentinin real proqram proqramında nə edəcəyini simulyasiya edən təlim meydançalarıdır. Bir təsisçi son müsahibəsində onları “çox darıxdırıcı bir video oyun yaratmaq kimi” qurmağı təsvir etdi.
Məsələn, bir mühit Chrome brauzerini simulyasiya edə və AI agentinə Amazonda bir cüt corab almağı tapşıra bilər. Agent performansına görə qiymətləndirilir və uğur qazandıqda mükafat siqnalı göndərir (bu halda layiqli bir cüt corab almaq).
Belə bir tapşırıq nisbətən sadə səslənsə də, süni intellekt agentinin işə düşə biləcəyi bir çox yer var. Veb səhifənin açılan menyularında naviqasiya zamanı itə bilər və ya çoxlu corab ala bilər. Tərtibatçılar agentin hansı səhv dönüş edəcəyini dəqiq proqnozlaşdıra bilmədiklərinə görə, ətraf mühitin özü hər hansı gözlənilməz davranışı ələ keçirmək üçün kifayət qədər möhkəm olmalıdır və yenə də faydalı rəy bildirməlidir. Bu, bina mühitlərini statik verilənlər toplusundan daha mürəkkəb edir.
Bəzi mühitlər kifayət qədər mürəkkəbdir ki, bu da süni intellekt agentlərinə verilən tapşırığı yerinə yetirmək üçün alətlərdən istifadə etməyə, internetə daxil olmağa və ya müxtəlif proqram proqramlarından istifadə etməyə imkan verir. Digərləri daha dardır, agentə müəssisə proqram təminatı tətbiqlərində xüsusi tapşırıqları öyrənməyə kömək etmək məqsədi daşıyır.
RL mühitləri hazırda Silikon Vadisində isti şey olsa da, bu texnikadan istifadə üçün bir çox presedent var. OpenAI-nin 2016-cı ildəki ilk layihələrindən biri müasir mühit konsepsiyasına tamamilə bənzəyən “ RL Gyms ”in tikintisi idi. Həmin il Google DeepMind-in AlphaGo süni intellekt sistemi Go stolüstü oyununda dünya çempionunu məğlub etdi. O, həmçinin simulyasiya edilmiş mühitdə RL texnikalarından istifadə etdi.
Bugünkü mühitlərdə unikal olan odur ki, tədqiqatçılar böyük transformator modelləri ilə kompüterdən istifadə edən AI agentləri yaratmağa çalışırlar. Qapalı mühitlərdə işləyən xüsusi süni intellekt sistemi olan AlphaGo-dan fərqli olaraq, bugünkü AI agentləri daha ümumi imkanlara malik olmaq üçün öyrədilir. Süni intellekt tədqiqatçılarının bu gün daha güclü başlanğıc nöqtəsi var, eyni zamanda daha çoxunun səhv gedə biləcəyi mürəkkəb bir məqsəd var.
