KI-en er Computer

KI-en er Computer

Vi lanserte nylig Perplexity Computer. Dette innlegget forklarer tankegangen bak det.

Med noen ukers mellomrom lanseres det et nytt KI-produkt som utløser markedspanikk. Det er et nytt initiativ, eller en agent, eller et eller annet. Uansett hva det er, kan jeg fortelle deg én ting den ikke kan gjøre.

Selv med verdens beste KI-modell kan den ikke gjøre sitt beste arbeid for deg.

Hvordan vet jeg det? Fordi tilstanden til de fremste modellene har blitt så avansert at for å få frem det beste talentet i noen av dem, må du få forskjellige modeller til å arbeide sammen. Den største svakheten til Claude er at den bare samarbeider med Claude.

Ingen enkelt modelfamilie kan fungere på sitt høyeste nivå uten talentene til andre. Ettersom modellene blir kraftigere, ser vi at de spesialiserer seg. Fremtidens KI er at ditt beste arbeid vil bli utført når det er forskjellige modeller som jobber sammen.

Innen KI kaller vi dette "orkestrering", eller av og til "selen". Uansett hva du vil kalle det, er den overlegne ytelsen til multimodellorkestrering milevis foran alt som en individuell modelfamilie kan gjøre.

Neste fase av KI må være massivt multimodell. Det er Perplexity Computer. Nitten modeller er tilgjengelige i bakkant, og resultatene har imponert meg mer enn noe annet innen KI på en stund.

Her er hvordan den ble til.

Hvordan Computer ble bygget

I begynnelsen kalte vi eksperimentet vårt for ASI. Det sto egentlig ikke for noe spesielt, men noen ganger kalte vi det "Artificial Super Intelligence". (Det kunne ha betydd "Another Slack Integration", fordi det var der det holdt til i starten.)

Vi så på den som en digital arbeider. Du sender en melding til arbeideren i Slack med en oppgave, og den går i gang med arbeidet. Den delegerer, oppretter underagenter for ulike oppgaver, lager filer for å hjelpe seg selv med neste trinn, finner avgjørende informasjon og sjekker inn av og til, kun ved behov. Du kunne gå og legge deg og våkne opp med flere ukers arbeid utført. Eller du kunne be den om å jobbe i uker, og den ville fortsette pålitelig og gjentatte ganger.

I løpet av denne tiden oppdaget verden Clawdbot, nå OpenClaw. Det var interessant, hvis du liker skadevare som leser tekstene dine. Vi kunne se at ASI var sikrere og langt mer kapabel: den hadde et filsystem, koblet til hundrevis av verktøy, kunne lese og skrive i filer, skrive kode, bruke CLI-verktøy, surfe på Internett og var i stand til å orkestrere hver oppgave til de rette underagentene som bruker den beste modellen som egner seg for den oppgaven. Alt i et sikkert utviklingssandbox i skyen.

Faktisk var ikke ASI en ekstern digital arbeider. Med tilgang til et filsystem, et skall for å kjøre kode på en sikker måte og en nettleser for å få tilgang til nettapper og koblinger, var ASI i essens en datamaskin. Din datamaskin. Datamaskinen.

Så vi ga den offisielt navnet Perplexity Computer.

Hvorfor nettet betyr noe

I 2011 hadde Google en idé om at du kunne lansere en datamaskin med bare internett, filer og en bash-terminal. Den ble kalt Chromebook. Google hadde rett i å forstå at den viktigste delen av datamaskinen er at den har tilgang til nettet.

Nettet er der vi jobber og kommuniserer. Det er også lagringsenheten vår, bokstavelig talt og billedlig talt. Den inneholder enorme mengder data, informasjon og kunnskap. Noe delt, noe personlig.

Hvis du tenker på nettet som et lagringssystem for kunnskap, har det alltid vært veldig flink til SKRIVE-funksjonen. Den første bloggen ble publisert tidlig på 90-tallet, og publisering og lagring av kunnskap på nettet har eksplodert siden den gang.

Det Google undervurderte med Chromebook, er at nettets største problem som lagringssystem faktisk er LESE-funksjonen. For å lese kunnskap fra nettet har vi stolt på algoritmisk søk som har vært mer eller uendret i 28 år.

Søkemotorer har som en måte å få tilgang til kunnskap på aldri vært i stand til dypgående forskning, syntetisering eller oppsummering. Søkemotorer kan heller ikke oppføre seg som en agent for å få tilgang til all kunnskap på nettet som krever handling for å få tilgang til.

Så kom KI. Perplexity bygget den første svarmotoren, og resten har fulgt etter. Vi har holdt fokuset på nøyaktig KI, med intens fokus på Dypgående forskning. Det er fordi når KI kan finne, analysere, resonnere og nøyaktig presentere all kunnskap på det åpne nettet, er LESE-problemet endelig løst.

Hvis internett er lagringsdisken for jordens kunnskap, løste Perplexity lese-funksjonen.

Når nettet er et fullt funksjonelt lese-/skrivelagringssystem, med agenter som kan navigere og utføre oppgaver, er det eneste gjenværende datamaskinen trenger, alt det som er personlig.

Vedvarende minne gjør en datamaskin personlig. Den har filer og verktøy, og det er dine filer og verktøy, private og skreddersydd for dine preferanser. Datamaskinen må kunne jobbe med dem for deg, personlig.

Datamaskiner skaper også. De lager ekte artefakter som kode, dokumenter og filer. De lagrer filene, henter filene, skriver nye filer, får tilgang til filene. KI kan gjøre alle disse tingene. Til slutt, når KI gjør alt dette arbeidet, trenger du forskjellige frontier-modeller for hånden for ulike jobber i datamaskinen.

Enhver datamaskin som er nyttig, krever for mange forskjellige ferdigheter til at en enkelt modell kan gjøre det bra på alle sammen. Orkestrering er avgjørende for datamaskinen.

Det er mulig dette betyr at operativsystemets harde kode blir mindre av en vollgrav for enhetsprodusenter ettersom KI utvikler seg. Jeg vet ikke. Det vi vet er datamaskinen er orkestreringssystemet.

Hvorfor orkestrering betyr noe

Steve Jobs sa: "Musikere spiller instrumentene sine. Jeg spiller orchestraet." KI ligner på dette. En Stradivarius har visse trekk, og vi er imponert over lyden og håndverksskunsten dens. Men den kan fremdeles ikke riste deg som en basstromme, og trommen kan ikke bevege deg som Mahlers symfoni.

Modellprodusenter er vår tids Antonio Stradivarifamilie. Jeg mener ikke dette på en respektløs måte. Jeg er imponert over alle nye modulfunksjoner og en lidenskapelig støttespiller for arbeidet ved frontier-laboratoriene. De skyver fremtiden vår fremover.

Men vi ser nå at modellene spesialiserer seg, ikke kommoditiserer. Når du bygger agenter med dem, har de forskjellige talenter, som enhver arbeider. Én er bedre på resonnering. En annen på kode. En annen på kreativ skriving. Det som betyr noe, er hvordan du orkestrerer dem.

Å orkestrere på tvers av modeller og familier er den eneste måten å bygge et system som er allsidig nok til å håndtere ekte arbeid. Når du trenger dypgående forskning for å informere en beslutning, vil du ha en modell som er optimalisert for nøyaktighet og henting. Når du trenger å skrive kode, vil du ha en modell som er trent på milliarder av linjer med produksjonskodebaser.

Enten du administrerer et team med mennesker, eller en symfoni av musikere, har arbeid av høy kvalitet alltid vært slik. KI-agenter er ikke annerledes.

For arbeidsflyt er differensiatoren selen. En planlegger bryter ned komplekse mål i underoppgaver. En orkestrator tilordner disse oppgavene til de riktige agentene, håndhever regler og administrerer utførelse. Spesialisert underagenter utfører fokuserte handlinger. Delt minne lagrer kontekst og læring for kontinuitet. Med andre ord, intelligensen er datamaskinen.

Den neste evolusjonen av datamaskinen

For 400 år siden var en "datamaskin" en astronomlærling. (De som ga navn til kometer.)

Deretter var datamaskinen mekanisk, så elektromekanisk, så digital. Rundt 1974 kom GUI (grafisk brukergrensesnitt). Med GUI kunne vi jobbe med datamaskinen på nye måter. Vi kunne delegere til den og se arbeidet dens. Senere brettet skjermen seg over tastaturet for å bli en bærbar, personlig datamaskin.

Det er en meme å si at den neste evolusjonen av datamaskinen er da Steve Jobs puttet den personlige datamaskinen i alles lommer. I dag virker det mer nøyaktig å si at han puttet en skjerm i ansiktet på alle. Alle scroller. I løpet av de siste 49 årene har GUI utviklet seg fra hvordan vi kontrollerer datamaskinen til hvordan datamaskinen kontrollerer oss.

Utmattelsen med denne modellen øker. Det vanvittige kappløpet etter Mac Mini-er under OpenClaw-moten var et perfekt eksempel. GUI-er er nødvendige, men de er ikke alltid nødvendige.

KI-modeller har endelig blitt avanserte nok til å returnere datamaskinen til sin rette mening: å jobbe autonomt, nøyaktig. Og asynkront, for å frigi oss fra å se på den arbeide.

Musen, GUI-en og tastaturet er alle viktige teknologier, men de er grensesnitt. Og med mindre du vil ha en fullstendig selvkjørende hest, må du innrømme at grensesnittet aldri har betydd like mye som datamaskinen.

Fremtiden er Computer

KI-modeller blir så kapable at produktene som er bygget rundt dem, har vært en flaskehals for å vise deres sanne potensial. Chat-brukergrensesnittet er bra for svar, og agenter er bra for individuelle oppgaver. I mellomtiden har brukergrensesnittet for hele arbeidsflyter alltid vært datamaskinen.

KI er nå fast multimodalt. Den forstår og genererer mange former for data i et enkelt sammenhengende system. Jensen og andre har sagt at fremtiden for KI også må være multimodell. De har rett; spesialiserte modeller må samarbeide som et team. Det kan være mer nøyaktig å si at fremtiden for KI er massivt multimodell.

Ettersom KI erstatter mer av funksjonen til selve datamaskinen, vil datamaskinens sentrale aktivitet være massivt multimodell orkestrering.

Og vi er bare ved begynnelsen. I 2025 kom det en ny frontier-modell inn på markedet, i gjennomsnitt hver 17. dag. Med hver nye funksjonsforbedring innen KI går en annen musiker opp på scenen for å ta lisensen sin i symfonien. Dirigenten tapper med taktpinnen. Datamaskinen går i gang med arbeidet.

Prøv Computer i dag.