Obecna ewolucja sztucznej inteligencji uderza w strukturalną ścianę. Chociaż poczyniliśmy niesamowite postępy w budowaniu potężnych indywidualnych modeli i łączeniu ich w przepływy pracy, pozostaje zasadnicza luka: Agenci AI mogą się ze sobą komunikować, ale nie potrafią jeszcze wspólnie myśleć.
Vijoy Pandey, starszy wiceprezes i dyrektor generalny działu Outshift firmy Cisco argumentuje, że kolejny wielki przełom w sztucznej inteligencji to nie tylko uczynienie modeli bardziej inteligentnymi, ale także wyjście poza zwykłą łączność na rzecz wspólnego poznania.
Problem: połączenie a poznanie
Obecnie większość systemów wieloagentowych działa w izolacji. Można podłączyć wielu agentów do jednego modelu „przełożonego”, ale brakuje im spójności semantycznej i wspólnego kontekstu. Za każdym razem, gdy agent wykonuje zadanie, zasadniczo zaczyna od nowa, z czystą kartą, nieświadomy niuansów „procesu myślowego” lub konkretnego kontekstu, jaki posiadał poprzedni agent.
Pandey dokonuje porównania z ewolucją człowieka. Ludzie nie stali się intelektualistami w izolacji; dokonaliśmy „rewolucji poznawczej” poprzez komunikację. Rozwijając język i wspólne intencje, przeszliśmy od inteligencji indywidualnej do inteligencji zbiorowej, co pozwoliło nam koordynować, negocjować i wprowadzać innowacje jako zjednoczona grupa.
Aby osiągnąć ten cel w krzemie, sztuczna inteligencja wymaga czegoś więcej niż tylko szybkiego przesyłania danych; potrzebuje sposobu, aby przekazać zrozumienie.
Rozwiązanie: Nowe protokoły dla inteligencji rozproszonej
Aby rozwiązać ten „problem horyzontalnej opieki rozproszonej”, zespół Pandey pracuje nad koncepcją zwaną Internetem Poznania. Celem jest odejście od prostego udostępniania danych w kierunku systemu, w którym agenci mogą dzielić się swoim wewnętrznym procesem rozumowania i kontekstem za pośrednictwem nowej warstwy infrastruktury.
Aby zrealizować to zadanie, opracowywane są trzy specjalne protokoły:
- Protokół transferu stanu semantycznego (SSTP): działa na poziomie języka, umożliwiając systemom analizowanie komunikacji semantycznej w celu określenia potrzebnych narzędzi lub zadań.
- Protokół transferu przestrzeni ukrytej (LSTP): Bardziej zaawansowana metoda przesyłania „całej przestrzeni ukrytej” (wewnętrznej matematycznej reprezentacji informacji) od jednego agenta do drugiego. Pozwala to uniknąć „podatku” związanego z konwersją danych na język naturalny i odwrotnie, co znacznie zwiększa efektywność komunikacji.
- Protokół przesyłania stanu skompresowanego (CSTP): skupia się na wydajności poprzez kompresję danych i przechwytywanie tylko najbardziej odpowiednich wariantów. Ma to kluczowe znaczenie w przypadku przetwarzania brzegowego, gdzie przepustowość jest ograniczona, ale wymagany jest bardzo dokładny transfer stanu.
Łącząc te protokoły z „silnikami poznawczymi” (zapewniającymi kontrolę i zgodność z regułami) oraz nowym środowiskiem infrastrukturalnym, zespół dąży do stworzenia rozproszonej superinteligencji.
Prawdziwy wpływ: wydajność w terenie
Chociaż Internet wiedzy to wizja przyszłości, Cisco już dostrzega korzyści płynące z przepływów pracy opartych na agentach w swoich bieżących operacjach.
Zespół inżynierii niezawodności systemów (SRE) stanął przed klasycznym problemem skalowania: ilość tworzonego kodu rosła, ale personel zespołu pozostał taki sam. Wdrażając ponad 20 agentów AI (zarówno wewnętrznych, jak i zewnętrznych) do zarządzania złożonymi przepływami pracy, takimi jak potoki CI/CD i wdrożenia Kubernetes, Cisco osiągnęło znaczące wyniki:
- Szybkość: Czas wdrożenia został skrócony z „długich godzin do zaledwie sekund”.
- Niezawodność: agenci rozwiązali 80% problemów napotkanych wcześniej w przepływach pracy Kubernetes.
- Integracja: Ci agenci korzystają ze struktur takich jak Model Context Protocol (MCP), aby uzyskać dostęp do ponad 100 różnych narzędzi i struktur bezpieczeństwa.
Pragmatyczny pogląd: sztuczna inteligencja jako narzędzie, a nie zamiennik
Pomimo tych postępów Pandey nadal jasno ocenia rolę sztucznej inteligencji. Przestrzega przed pokusą używania sztucznej inteligencji tylko dlatego, że jest ona dostępna, zauważając: „Nie szukasz gwoździ tylko dlatego, że masz nowy młotek”.
Najbardziej efektywne systemy nie będą opierać się wyłącznie na niedeterministycznym charakterze sztucznej inteligencji (w przypadku której wyniki mogą się różnić), ale zamiast tego połączą sztuczną inteligencję z kodem deterministycznym — solidną, opartą na regułach logikę, która od dziesięcioleci leży w sercu technologii komputerowej.
Ostatecznym celem jest wyjście poza zwykłą łączność i przejście do stanu wspólnych intencji i zbiorowych innowacji, przekształcając izolowane modele w zsynchronizowane inteligentne środowisko.
