AI to Computer

AI to Computer

Niedawno uruchomiliśmy Perplexity Computer. Niniejsza publikacja wyjaśnia nasze rozumowanie stojące za tym przedsięwzięciem.

Co kilka tygodni pojawia się nowy produkt oparty na sztucznej inteligencji, który wywołuje panikę na rynku. Czy to nowa inicjatywa, czy agent, czy coś innego. Czymkolwiek by to nie było, mogę powiedzieć jedną rzecz, której nie potrafi.

Nawet z najlepszym modelem AI na świecie, nie jest on w stanie wykonać dla Ciebie swojej najlepszej pracy.

Skąd to wiem? Ponieważ poziom zaawansowania modeli granicznych jest obecnie tak wysoki, że aby wydobyć z nich to, co najlepsze, trzeba współpracować z różnymi modelami jednocześnie. Największą słabością Claude jest to, że współpracuje on tylko z Claude.

Żadna rodzina modeli nie może działać na swoim najwyższym poziomie bez wsparcia innych. W miarę jak modele stają się coraz potężniejsze, zauważamy ich specjalizację. Przyszłość sztucznej inteligencji polega na tym, że najlepsze efekty pracy osiąga się dzięki współpracy różnych modeli.

W AI nazywamy to "orkiestracją" lub czasem "stelażem". Niezależnie od nazwy, wyższa wydajność orkiestracji wielu modeli znacząco przewyższa wszystko, co może osiągnąć jakakolwiek pojedyncza rodzina modeli.

Kolejna faza rozwoju AI musi być masowo wielomodelowa. To właśnie jest Perplexity Computer. W backendzie dostępnych jest dziewiętnaście modeli, a ich wyniki od dłuższego czasu robią na mnie większe wrażenie niż cokolwiek innego w dziedzinie sztucznej inteligencji.

Oto jak do tego doszło.

Jak zbudowano Computer

Na początku nasz eksperyment nazwaliśmy ASI. Nazwa ta właściwie nic nie oznaczała, ale czasami nazywaliśmy go "Sztuczną Superinteligencją" (choć mogła też oznaczać "Kolejną Integrację ze Slackiem", bo tam początkowo działał).

Postrzegaliśmy go jako cyfrowego pracownika. Wysyłasz pracownikowi zadanie na Slacku, a on zabiera się do pracy. Deleguje zadania, tworząc podagenty do różnych celów, przygotowując pliki wspomagające kolejne kroki, wyszukując istotne informacje i okazjonalnie meldując o postępach, tylko wtedy, gdy jest to konieczne. Możesz pójść spać i obudzić się z wykonaną pracą za kilka tygodni. Możesz też zlecić mu pracę na wiele tygodni, a on będzie ją niezawodnie i powtarzalnie kontynuował.

W tym czasie świat odkrył Clawdbot, obecnie OpenClaw. Było to ciekawe rozwiązanie, jeśli ktoś lubi, gdy złośliwe oprogramowanie czyta jego wiadomości. Dostrzegliśmy, że ASI jest bezpieczniejszy i znacznie bardziej zdolny: posiadał system plików, łączył się z setkami narzędzi, mógł odczytywać i zapisywać pliki, pisać kod, korzystać z narzędzi CLI, przeglądać internet i potrafił kierować każde zadanie do odpowiednich podagentów, które korzystały z najlepiej dobranego modelu. Wszystko to wewnątrz bezpiecznej piaskownicy programistycznej w chmurze.

W rzeczywistości ASI nie był tylko zdalnym pracownikiem cyfrowym. Dzięki dostępowi do systemu plików, powłoki do bezpiecznego wykonywania kodu oraz przeglądarki umożliwiającej korzystanie z aplikacji internetowych i łączników, ASI był w istocie komputerem. Twoim komputerem. Komputerem.

Dlatego oficjalnie nazwaliśmy go Perplexity Computer.

Dlaczego sieć ma znaczenie

W 2011 roku Google wpadło na pomysł, że można uruchomić komputer mając tylko dostęp do internetu, plików i terminala bash. Nazwano to Chromebookiem. Google miało rację, rozumiejąc, że najważniejszą częścią komputera jest dostęp do sieci.

Sieć jest miejscem, w którym pracujemy i komunikujemy się. Jest to również nasze urządzenie pamięci masowej, zarówno dosłownie, jak i w przenośni. Przechowuje ogromne ilości danych, informacji i wiedzy. Część z nich jest udostępniana publicznie, a część ma charakter osobisty.

Jeśli myślisz o sieci jako o systemie przechowywania wiedzy, zawsze sprawdzał się on bardzo dobrze w funkcji ZAPISU (WRITE). Pierwszy blog został opublikowany na początku lat 90. i od tego czasu publikowanie oraz przechowywanie wiedzy w sieci przeżywa gwałtowny rozkwit.

To, co Google nie doceniło w przypadku Chromebooka, to fakt, że największym problemem sieci jako systemu przechowywania jest funkcja ODCZYTU (READ). Aby odczytywać wiedzę z sieci, polegaliśmy na algorytmicznym wyszukiwaniu, które praktycznie nie zmieniło się od 28 lat.

Wyszukiwarki, jako sposób na dostęp do wiedzy, nigdy nie były zdolne do prowadzenia dogłębnych badań, syntezy ani podsumowywania. Wyszukiwarki nie potrafią również zachowywać się jak agent, aby uzyskać dostęp do wiedzy w sieci, która wymaga podjęcia akcji.

Potem pojawiła się sztuczna inteligencja. Perplexity zbudowało pierwszy silnik odpowiedzi, a inne firmy poszły w jego ślady. Skoncentrowaliśmy się na dokładnej sztucznej inteligencji, kładąc duży nacisk na dogłębne badania. Dzieje się tak dlatego, że kiedy sztuczna inteligencja potrafi znajdować, analizować, rozumować i precyzyjnie prezentować całą wiedzę z otwartej sieci, problem ODCZYTU zostaje ostatecznie rozwiązany.

Jeśli internet jest dyskiem pamięci masowej ziemskiej wiedzy, Perplexity rozwiązało funkcję odczytu.

Gdy sieć stanie się w pełni funkcjonalnym systemem pamięci typu odczyt/zapis, wyposażonym w agentów potrafiących nawigować i realizować zadania, jedyną rzeczą, która pozostanie komputerowi do wykonania, będzie wszystko to, co ma charakter osobisty.

Trwała pamięć czyni komputer osobistym. Posiada pliki i narzędzia, które są Twoimi plikami i narzędziami, prywatnymi i dostosowanymi do Twoich preferencji. Komputer musi być w stanie pracować z nimi dla Ciebie, w sposób osobisty.

Komputery również tworzą. Wytwarzają rzeczywiste artefakty, takie jak kod, dokumenty i pliki. Przechowują pliki, pobierają je, tworzą nowe, uzyskują do nich dostęp. Sztuczna inteligencja potrafi robić wszystkie te rzeczy. Wreszcie, gdy AI wykonuje całą tę pracę, potrzebujesz różnych modeli granicznych do różnych zadań w komputerze.

Każdy użyteczny komputer wymaga zbyt wielu różnych umiejętności, aby jeden model mógł poradzić sobie ze wszystkimi na wysokim poziomie. Orkiestracja jest niezbędna dla komputera.

Możliwe, że oznacza to, iż w miarę rozwoju sztucznej inteligencji twardy kod systemu operacyjnego stanie się mniejszą barierą dla producentów urządzeń. Nie wiem. Wiemy natomiast, że komputer jest systemem orkiestracji.

Dlaczego orkiestracja ma znaczenie

Steve Jobs powiedział: "Muzycy grają na swoich instrumentach. Ja dyryguję orkiestrą." AI jest podobne. Stradivarius posiada pewne cechy, a my jesteśmy pod wrażeniem jego brzmienia i kunsztu wykonania. Ale nadal nie potrafi wstrząsnąć Tobą jak bęben wielki, a bęben nie potrafi poruszyć Cię tak jak Symfonia Mahlera.

Twórcy modeli to Antonio Stradivariusowie naszych czasów. Nie mówię tego w sposób lekceważący. Jestem pełen podziwu dla każdej nowej możliwości modelu i zagorzałym zwolennikiem pracy w laboratoriach zajmujących się modelami granicznymi. Popychają oni naszą przyszłość do przodu.

Widzimy jednak, że modele specjalizują się, a nie ulegają utowarowieniu. Kiedy budujesz z nimi agentów, posiadają oni różne talenty, jak każdy pracownik. Jeden jest lepszy w rozumowaniu. Inny w kodowaniu. Jeszcze inny w kreatywnym pisaniu. Liczy się to, jak nimi orkiestrujesz.

Orkiestracja pomiędzy różnymi modelami i rodzinami jest jedynym sposobem na zbudowanie systemu na tyle wszechstronnego, by poradził sobie z prawdziwą pracą. Kiedy potrzebujesz dogłębnych badań, aby podjąć decyzję, potrzebujesz modelu zoptymalizowanego pod kątem dokładności i wyszukiwania. Kiedy musisz napisać kod, chcesz modelu wytrenowanego na miliardach linii produkcyjnych baz kodu.

Niezależnie od tego, czy zarządzasz zespołem ludzi, czy symfonią muzyków, praca wysokiej jakości zawsze tak wyglądała. Agenci AI nie różnią się od nich.

W przypadku przepływów pracy wyróżnikiem jest stelaż. Planista rozbija złożone cele na zadania cząstkowe. Orkiestrator przypisuje te zadania do odpowiednich agentów, egzekwuje zasady i zarządza wykonaniem. Wyspecjalizowane podagenty wykonują skoncentrowane działania. Pamięć współdzielona przechowuje kontekst i wnioski, zapewniając ciągłość. Innymi słowy, inteligencja to komputer.

Kolejna ewolucja komputera

400 lat temu "komputerem" był praktykant astronoma. (Ludzie, którzy nazywali komety.)

Następnie komputer stał się mechaniczny, potem elektromechaniczny, a na końcu cyfrowy. Około 1974 roku pojawił się GUI (graficzny interfejs użytkownika). Dzięki GUI mogliśmy pracować z komputerem na nowe sposoby. Mogliśmy mu delegować zadania i obserwować jego pracę. Później ekran został złożony nad klawiaturą, tworząc przenośny komputer osobisty.

Mówienie, że kolejną ewolucją komputera było umieszczenie przez Steve'a Jobsa komputera osobistego w kieszeni każdego człowieka, stało się memem. Dziś wydaje się bardziej trafne stwierdzenie, że umieścił ekran przed oczami każdego człowieka. Wszyscy przewijają. Przez ostatnie 49 lat GUI ewoluował od sposobu kontrolowania komputera do sposobu, w jaki komputer kontroluje nas.

Wyczerpanie tym modelem narasta. Szaleńczy popyt na komputery Mac Mini podczas mody na OpenClaw był tego doskonałym przykładem. GUI są potrzebne, ale nie zawsze są niezbędne.

Modele AI stały się wreszcie wystarczająco zaawansowane, aby przywrócić komputerowi jego prawdziwe znaczenie: autonomiczne i dokładne wykonywanie pracy. Oraz asynchronicznie, aby uwolnić nas od konieczności obserwowania jego pracy.

Mysz, GUI i klawiatura to ważne technologie, ale są one interfejsami. I jeśli nie chcesz w pełni autonomicznego konia, musisz przyznać, że interfejs nigdy nie miał tak dużego znaczenia jak komputer.

Przyszłość to Computer

Modele AI stają się tak sprawne, że produkty budowane wokół nich stały się wąskim gardłem w ukazywaniu ich prawdziwego potencjału. Interfejs czatu jest dobry do udzielania odpowiedzi, a agenci do indywidualnych zadań. Tymczasem interfejsem dla całych przepływów pracy zawsze był komputer.

Sztuczna inteligencja jest teraz zdecydowanie multimodalna. Rozumie i generuje wiele form danych w ramach jednego spójnego systemu. Jensen i inni stwierdzili, że przyszłość AI musi być również wielomodelowa. Mają rację; wyspecjalizowane modele muszą współpracować jak zespół. Może nawet bardziej trafne będzie stwierdzenie, że przyszłość AI jest masowo wielomodelowa.

W miarę jak AI przejmuje coraz więcej funkcji samego komputera, główną aktywnością komputera stanie się masowa orkiestracja wielomodelowa.

A jesteśmy dopiero na początku. W 2025 roku średnio co 17 dni na rynku pojawiał się nowy model graniczny. Z każdym kolejnym postępem w możliwościach AI na scenę wchodzi kolejny muzyk, by zająć swoje stanowisko w symfonii. Dyrygent uderza batutą. Komputer zabiera się do pracy.

Wypróbuj Computer już dziś.