AI är Computer

AI är Computer

Vi lanserade nyligen Perplexity Computer. Det här inlägget förklarar vårt tänkande bakom det.

Med jämna mellanrum lanseras en ny AI-produkt som väcker panik på marknaden. Det är ett nytt initiativ, eller en agent, eller något annat. Vad det än är, kan jag berätta en sak som den inte kan göra.

Även med den bästa AI-modellen i världen kan den inte göra sitt bästa arbete för dig.

Hur vet jag det? Eftersom de främsta modellernas tillstånd har blivit så avancerat att för att få fram de bästa talangerna ur någon av dem måste du få olika modeller att arbeta tillsammans. Den största svagheten med Claude är att den bara samarbetar med Claude.

Ingen modellfamilj kan arbeta på sin högsta nivå utan andras talanger. Allt eftersom modellerna blir kraftfullare ser vi att de specialiserar sig. Framtidens AI innebär att ditt bästa arbete blir utfört när olika modeller arbetar tillsammans.

Inom AI kallar vi detta "orkestrering", eller ibland "selen". Vad du än vill kalla det är prestandan hos multimodellorkestrering långt före allt som någon enskild modellfamilj kan göra.

Nästa fas av AI måste vara massivt multimodell. Det är Perplexity Computer. Nitton modeller är tillgängliga i backend, och resultaten har imponerat på mig mer än någonting inom AI på ett ett tag.

Så här kom det till.

Hur Computer byggdes

I början döpte vi vårt experiment till ASI. Det stod egentligen inte för något särskilt, men ibland kallade vi det "Artificial Super Intelligence". (Det kunde ha stått för "Another Slack Integration", eftersom det var där det bodde till en början.)

Vi betraktade det som en digital arbetare. Du skickar ett meddelande till arbetaren i Slack med en uppgift, och den sätter igång. Den delegerar, skapar underagenter för olika uppgifter, skapar filer för att hjälpa sig själv med nästa steg, hittar viktig information och checkar in då och då, endast vid behov. Du kan gå och lägga dig och vakna upp med veckors arbete utfört. Eller så kan du be den arbeta i veckor, och den fortsätter tillförlitligt och upprepade gånger.

Under denna tid upptäckte världen Clawdbot, nu OpenClaw. Det var intressant, om man gillar skadlig programvara som läser ens texter. Vi kunde se säkrare och långt mer kapabel: den hade ett filsystem, var ansluten till hundratals verktyg, kunde läsa och skriva i filer, skriva kod, använda CLI-verktyg, surfa på internet och kunde orkestrera varje uppgift till rätt underagenter som använder den bästa modellen som är lämpad för den uppgiften. Allt inom en säker utvecklingssandlåda i molnet.

Faktum är att ASI inte var en fjärransluten digital arbetare. Med tillgång till ett filsystem, ett skal för att köra kod på ett säkert sätt och en webbläsare för att komma åt webbappar och anslutningar var ASI i essensen en dator. Din dator. Datorn.

Så vi döpte officiellt till det till Perplexity Computer.

Varför webben spelar roll

År 2011 hade Google idén att man kunde lansera en dator med enbart internet, filer och en bash-terminal. Den kallades Chromebook. Google hade rätt i att förstå att den viktigaste delen av datorn är att den har webbåtkomst.

Webben är där vi arbetar och kommunicerar. Den är också vår lagringsenhet, bokstavligt talat och bildligt talat. Den rymmer enorma mängder data, information och kunskap. Viss delas, viss är personlig.

Om du tänker på webben som ett lagringssystem för kunskap har den alltid varit väldigt bra på SKRIV-funktionen. Den första bloggen publicerades i början av 90-talet, och publicering och lagring av kunskap på webben har exploderat sedan dess.

Det Google underskattade med Chromebook är att webbens största problem som lagringssystem faktiskt är LÄS-funktionen. För att läsa kunskap från webben har vi förlagt oss på algoritmisk sökning som är mer eller mindre oförändrad sedan 28 år tillbaka.

Sökmotorer, som ett sätt att få tillgång till kunskap, har aldrig varit kapabla till djupgående forskning, syntetisering eller sammanfattning. Sökmotorer kan inte heller bete sig som en agent för att få tillgång till kunskap på webben som kräver åtgärder för att nås.

Sedan kom AI. Perplexity byggde den första svarsmotorn, och resten har följt efter. Vi har förblivit fokuserade på exakt AI, med intensivt fokus på Djupgående forskning. Det beror på att när AI kan hitta, analysera, resonera och exakt presentera all kunskap på det öppna internet är LÄS-problemet äntligen löst.

Om internet är jordens kunskapsdiskett har Perplexity löst läsfunktionen.

När webben är ett fullt fungerande läs-/skrivlagringssystem, med agenter som kan navigera och utföra uppgifter, är det enda som återstår för datorn allt som är personligt.

Ett bestående minne gör en dator personlig. Den har filer och verktyg, och det är dina filer och verktyg, privata och skräddarsydda efter dina preferenser. Datorn måste kunna arbeta med dem för din räkning, personligen.

Datorer skapar också. De gör verkliga artefakter som kod, dokument och filer. De lagrar filerna, hämtar filerna, skriver nya filer, kommer åt filerna. AI kan göra alla dessa saker. Slutligen, när AI gör allt detta arbete, behöver du olika ledande modeller till hands för olika jobb i datorn.

Alla datorer som är användbara kräver för många olika färdigheter för att en enskild modell ska klara av dem alla bra. Orkestrering är avgörande för datorn.

Det är möjligt att detta innebär att operativsystemets hårda kod blir mindre av en vallgrav för enhetstillverkare i takt med att AI utvecklas. Jag vet inte. Det vi vet är datorn är orkestreringssystemet.

Varför orkestrering är viktigt

Steve Jobs sa: "Musiker spelar sina instrument. Jag spelar orkestern." AI liknar detta. En Stradivarius har vissa egenskaper, och vi häpnar över dess ljud och hantverk. Men den kan ändå inte skaka om dig som en baskagga, och trumman kan inte beröra dig som Mahlers symfoni.

Modelltillverkare är vår tids Antonio Stradivari. Jag menar inte detta på ett respektlöst sätt. Jag är fylld av vördnad för varje ny modellkapacitet och en passionerad supporter av arbetet vid de banbrytande förbättringarna. De driver vår framtid framåt.

Men vi ser nu att modellerna specialiserar sig, inte kommoditiseras. När du bygger agenter med dem har de olika talanger, som vilken arbetare som helst. En är bättre på resonemang. En annan på kod. En annan på kreativt skrivande. Det som betyder något är hur du orkestrerar dem.

Att orkestrera över modeller och familjer är det enda sättet att bygga ett system som är mångsidigt nog att hantera verkligt arbete. När du behöver djupgående forskning för att ligga till grund för ett beslut vill du ha en modell som är optimerad för noggrannhet och hämtning. När du behöver skriva kod vill du ha en modell som har tränats på miljarder rader produktionskodbaser.

Oavsett om du leder ett team av människor eller en musikalisk symfoni har högkvalitativt arbete alltid varit så här. AI-agenter är inget undantag.

För arbetsflöden är skiljelinjen selen. En planerare bryter ner komplexa mål i underuppgifter. En orkestratör tilldelar dessa uppgifter till rätt agenter, upprätthåller regler och hanterar exekvering. Specialiserade underagenter utför fokuserade åtgärder. Delat minne lagrar kontext och inlärning för kontinuitet. Med andra ord, intelligensen är datorn.

Nästa evolution av datorn

För 400 år sedan var en "dator" en astronomlärling. (De som namngav kometer.)

Sedan var datorn mekanisk, sedan elektromekanisk, sedan digital. Runt 1974 kom GUI (grafiskt användargränssnitt). Med GUI kunde vi arbeta med datorn på nya sätt. Vi kunde delegera till den och se dess arbete. Senare vek sig skärmen över tangentbordet för att bli en bärbar, personlig dator.

Det har blivit ett meme att säga att nästa evolution av datorn är när Steve Jobs stoppade ner den personliga datorn i allas ficka. Idag verkar det mer korrekt att säga att han satte en skärm framför allas ansikte. Alla skrollar. Under de senaste 49 åren har GUI utvecklats från hur vi styr datorn till hur datorn styr oss.

Tröttheten på denna modell växer. Den galna rusningen efter Mac Mini under OpenClaw-fadern var ett perfekt exempel. GUI:er är nödvändiga, men de är inte alltid nödvändiga.

AI-modeller har äntligen blivit tillräckligt avancerade för att återställa datorn till dess sanna innebörd: att arbeta autonomt, exakt. Och asynkront, för att befria oss från att titta på när den arbetar.

Musen, GUI och tangentbordet är alla viktiga teknologier, men de är gränssnitt. Och om du inte vill ha en helt självkörande häst måste du erkänna att gränssnittet aldrig har spelat lika stor roll som datorn.

Framtiden är Computer

AI-modeller blir så kapabla att produkterna som byggts kring dem har varit en flaskhals för att visa deras sanna potential. Chattanvändargränssnittet är bra för svar, och agenter är bra för enskilda uppgifter. Samtidigt har användargränssnittet för hela arbetsflöden alltid varit datorn.

AI är nu fast förankrad i multimodadalitet. Den förstår och genererar många former av data i ett enda sammanhängande system. Jensen och andra har sagt att framtiden för AI också måste vara multimodell. De har rätt; specialiserade modeller måste samarbeta som ett team. Det kan vara mer korrekt att säga att framtiden för AI är massivt multimodell.

När AI ersätter mer av själva datorns funktion kommer datorns centrala aktivitet att vara massivt multimodell orkestrering.

Och vi är bara i början. År 2025 kom en ny banbrytande modell ut på marknaden i genomsnitt var 17:e dag. Med varje nya kapacitetsförbättring inom AI kliver ännu en musiker upp på scenen för att ta sin plats i symfonin. Dirigenten knackar med sin taktpinne. Datorn sätter igång.

Testa Computer idag.