Текущая эволюция искусственного интеллекта упирается в структурную стену. Хотя мы достигли невероятных успехов в создании мощных отдельных моделей и их «сшивании» в рабочие процессы, сохраняется фундаментальный пробел: ИИ-агенты могут связываться друг с другом, но они пока не умеют мыслить сообща.
Виджой Панди, старший вице-президент и генеральный менеджер подразделения Outshift от Cisco, утверждает, что следующий великий рубеж в области ИИ заключается не просто в увеличении «интеллекта» моделей, а в переходе от простой связности к совместному познанию (shared cognition).
Проблема: Связь против Познания
На данный момент большинство мультиагентных систем работают изолированно. Вы можете подключить несколько агентов к одной модели-«супервизору», но им не хватает семантического согласования и общего контекста. Каждый раз, когда агент выполняет задачу, он, по сути, начинает с чистого листа, не зная о нюансах «процесса мышления» или специфическом контексте, которым обладал предыдущий агент.
Панди проводит параллель с эволюцией человека. Люди не стали интеллектуальными в изоляции; мы совершили «когнитивную революцию» благодаря коммуникации. Развивая язык и общие намерения, мы перешли от индивидуального интеллекта к коллективному разуму, что позволило нам координировать действия, вести переговоры и внедрять инновации как единая группа.
Чтобы достичь этого в кремнии, ИИ требуется нечто большее, чем просто высокоскоростная передача данных; ему нужен способ передачи понимания.
Решение: Новые протоколы для распределенного интеллекта
Чтобы решить эту «проблему горизонтальной распределенной помощи», команда Панди работает над концепцией под названием «Интернет познания» (Internet of Cognition). Цель состоит в том, чтобы отойти от простого обмена данными и перейти к системе, где агенты могут делиться своим внутренним процессом рассуждений и контекстом через новый уровень инфраструктуры.
Для реализации этой задачи разрабатываются три специальных протокола:
- Протокол семантического переноса состояний (SSTP): работает на уровне языка, позволяя системам анализировать семантическую коммуникацию, чтобы они могли точно определять необходимые инструменты или задачи.
- Протокол переноса латентного пространства (LSTP): более продвинутый метод, который передает «все латентное пространство» (внутреннее математическое представление информации) от одного агента к другому. Это позволяет избежать «налога» на преобразование данных в естественный язык и обратно, что делает коммуникацию гораздо эффективнее.
- Протокол сжатого переноса состояний (CSTP): ориентирован на эффективность за счет сжатия данных и фиксации только наиболее релевантных вариантов. Это критически важно для периферийных вычислений (edge computing), где пропускная способность ограничена, но необходима высокоточная передача состояний.
Объединяя эти протоколы с «движками познания» (которые обеспечивают контроль и соблюдение правил) и новой инфраструктурной средой, команда стремится создать распределенный сверхинтеллект.
Реальное влияние: Эффективность «в полях»
Хотя «Интернет познания» — это видение будущего, Cisco уже видит преимущества агентских рабочих процессов в своей текущей деятельности.
Команда по обеспечению надежности систем (SRE) столкнулась с классической проблемой масштабирования: объем производимого кода рос, а штат команды оставался неизменным. Развернув более 20 ИИ-агентов (как внутренних, так и сторонних) для управления сложными рабочими процессами, такими как конвейеры CI/CD и развертывание Kubernetes, Cisco достигла значительных результатов:
- Скорость: время развертывания сократилось с «долгих часов до считанных секунд».
- Надежность: агенты устранили 80% проблем, ранее возникавших в рабочих процессах Kubernetes.
- Интеграция: эти агенты используют такие фреймворки, как Model Context Protocol (MCP), для доступа к более чем 100 различным инструментам и платформам безопасности.
Прагматичный взгляд: ИИ как инструмент, а не замена
Несмотря на эти достижения, Панди сохраняет трезвый взгляд на роль ИИ. Он предостерегает от искушения использовать ИИ только потому, что он доступен, отмечая: «Вы же не ищете гвозди только потому, что у вас появился новый молоток».
Самые эффективные системы не будут полагаться исключительно на недетерминированную природу ИИ (где результаты могут варьироваться), а вместо этого объединят ИИ с детерминированным кодом — надежной, основанной на правилах логикой, которая десятилетиями лежит в основе вычислительных технологий.
Конечная цель состоит в том, чтобы выйти за рамки простой связности к состоянию общих намерений и коллективных инноваций, превращая изолированные модели в синхронизированную интеллектуальную среду.
