Google DeepMind: Gemini staje się agentem, nie chatbotem
2 min czytaniaZmiana nazewnictwa brzmi niewinnie, ale stoi za nią inny pomysł na to, czym ma być produkt. Chatbot kończy pracę na odpowiedzi, a agent ma doprowadzić zadanie do końca - i to przesunięcie widać w tym, jak Google opisuje kierunek rozwoju Gemini.
Kavukcuoglu tłumaczy, skąd wzięła się ta droga: „Zasadniczo zamieniamy całość w agenta, z modelu w agenta”. Jak dodaje, inżynieria oprogramowania to najbardziej krytyczna dziedzina i środowisko, w którym systemy mają odnosić sukcesy, bo leży u podstaw wielu innych rzeczy.
W wywiadzie pojawia się też uwaga, która na pierwszy rzut oka brzmi sprzecznie: rewolucyjna zmiana zachodzi, ale to, co ją napędza, samo w sobie rewolucyjne nie jest. Fundamenty pozostają te same - głębokie uczenie, wstępne trenowanie, uczenie ze wzmocnieniem i techniki optymalizacji oparte na podobnych zasadach co wcześniej.
Zmieniło się natomiast środowisko, w którym AI działa. Wymaga ono od modeli odczytywania intencji, radzenia sobie z niejednoznacznością i współpracy z ludźmi.
Prezes Google Sundar Pichai wyrażał wcześniej pogląd, że agentowa AI to przyszłość wyszukiwania.
Zapytany, co poprawiłby w modelach, gdyby miał czarodziejską różdżkę, Kavukcuoglu odpowiedział: „Po prostu uczyniłbym je inteligentniejszymi. Myślę, że im modele są inteligentniejsze, tym wszystko robią lepiej, wszystko robią bardziej intuicyjnie”.
Co to znaczy dla Twojej firmy
Deklarowany kierunek rozwoju Gemini to systemy, które nie kończą pracy na odpowiedzi, tylko doprowadzają zadanie do końca. Dla firm oznacza to przede wszystkim potrzebę obserwacji, jak takie narzędzia zmieniają sposób korzystania z informacji dostępnych w sieci - na razie bez pochopnych wniosków co do skali tej zmiany.
Drugi obszar dotyczy wnętrza firmy. Skoro agenty mają wykonywać działania, a nie tylko generować tekst, warto z góry wiedzieć, kto w organizacji odpowiada za weryfikację efektów ich pracy.
Dla praktyka
Warto zacząć od uporządkowania podstaw: sprawdzenia, jakie informacje o firmie są dostępne w sieci i czy są spójne. To praca, która przydaje się niezależnie od tego, jak szybko rozwiną się agentowe narzędzia.
Przy pierwszych testach agentów rozsądnie jest zachować ostrożność:
- zaczynać od zadań o niskim ryzyku, gdzie ewentualny błąd jest łatwy do wychwycenia;
- weryfikować wyniki, zanim trafią poza organizację;
- traktować obecne wdrożenia jako eksperyment, a nie docelowy proces.
Czego nie robić: nie zakładać z góry, że deklaracje o agentowej AI natychmiast przekładają się na gotowe rozwiązania produkcyjne. Rozsądniej jest obserwować, jak narzędzia rozwijają się w praktyce, i dopiero na tej podstawie planować większe zmiany.