גוגל מנהלת מגעים לעסקה של 1.5 מיליארד דולר פלוס עם Mechanize, סטארט-אפ שבונה סביבות מדומה להכשרת סוכני AI המסוגלים לבצע אוטומציה של עבודת מחשב, על פי דיווח מ-Business Insider. ההסכם הפוטנציאלי יכניס חברה צעירה יחסית לדרג העליון של עסקאות תשתיות בינה מלאכותית - ויאותת מאיפה התעשייה חושבת שיגיעו פריצות הדרך הבאות. זהו אחד מכמה מהלכים מרכזיים המעצבים מחדש את המגזר, מעקב יומיומי הסיקור האחרון של תעשיית הבינה המלאכותית.
השיחות, שדווחו גם על ידי Seeking Alpha, מתמקדות בהימור של Mechanize שהמפתח ל-AI מסוגל יותר הוא לא רק מודלים גדולים יותר, אלא מגרשי אימונים טובים יותר - מקומות עבודה מדומים שבהם סוכנים יכולים לתרגל משימות אמיתיות עד שהם יבצעו אותן כמו שצריך.
בניית 'משרדים דיגיטליים' עבור AI
הגישה של Mechanize בנויה סביב מה שהחוקרים מכנים סביבות למידה לחיזוק. כפי שהסביר The Decoder, הסטארט-אפ בונה "משרדים דיגיטליים" - סביבות תוכנה מדומה שבהן סוכן AI מקבל משימה, כמו ניווט בדפדפן כדי לקנות פריט, ומקבל ציון אם הוא מצליח. הסוכן מקבל אות תגמול על כך שעשה זאת נכון, ואז חוזר.
TechCrunch תיאר את הסביבות הללו כ"מגרשי אימונים המדמים את מה שסוכן בינה מלאכותית יעשה באפליקציית תוכנה אמיתית", תוך השוואה בין העבודה ל"יצירת משחק וידאו משעמם מאוד". העניין הוא לחשוף את הסוכנים למצבים המבולגנים והבלתי צפויים שהם יתמודדו איתם בעולם האמיתי - תפריטים נפתחים שמבלבלים אותם, טפסים שדוחים קלט גרוע, זרימות עבודה עם עשרות שלבים - וללמד אותם להתאושש.
שלא כמו מערכי נתונים סטטיים, ששלטו בעידן הקודם של אימון בינה מלאכותית, הסביבות הללו הן אינטראקטיביות. סוכן שעושה פנייה שגויה צריך להיות מסוגל לנסות שוב, והסביבה צריכה להיות חזקה מספיק כדי ללכוד כל התנהגות בלתי צפויה שתופיע ועדיין לספק משוב שימושי.
הבהלה לזהב חדשה סביב סביבות RL
Mechanize לא לבד. לפי TechCrunch, הדחיפה לחיזוק סביבות למידה יצרה מעמד חדש של סטארט-אפים ממומנים היטב - כולל Mechanize ו-Prime Intellect - בעוד חברות מבוססות לתיוג נתונים כמו Mercor ו-Surge משקיעות רבות כדי לעמוד בקצב. כולם, אמר מקור אחד לפרסום, "מסתכלים על המרחב הזה".
השאיפה שמניעה את הפריחה נתפסת בהשוואה בולטת: משקיעים מקווים שאחת מהחברות הללו תהפוך ל-"Scale AI for environments", התייחסות למעצמת תיוג הנתונים שעזרה להניע את עידן הצ'טבוט. אם סביבות למידה לחיזוק יתבררו כמצע לזינוק הבא ביכולת הבינה המלאכותית, החברה שמספקת אותן עומדת לתפוס ערך עצום.
המעבדות הגדולות שם לב. בצטט את המידע, TechCrunch דיווח כי מנהיגים ב-Anthropic דנו בהוצאה של יותר ממיליארד דולר על חיזוק סביבות למידה במהלך השנה הבאה - נתון שמציב את השיחות המדווחות של Google Mechanize בהקשר.
משימה שנויה במחלוקת
Mechanize משכה תשומת לב לא רק בגלל הטכנולוגיה שלה אלא בגלל השאיפה המוצהרת שלה. החברה תיארה בגלוי את מטרתה כ"אוטומציה מלאה של כל עבודה", מסגור שיצר ויכוח אינטנסיבי. הניו יורק טיימס, פורצ'ן ו-TechCrunch בחנו כולם את המשימה הפרובוקטיבית של הסטארט-אפ, כאשר מבקרים מפקפקים בהשלכות החברתיות של אוטומציה של עבודה אנושית ותומכים טוענים שאוטומציה כזו היא גם בלתי נמנעת וגם, בסופו של דבר, מועילה.
המחלוקת הזו לא הרתיעה משקיעים. השיחות המדווחות של גוגל מצביעות על כך שלפחות מכשיר היפר-scale אחד רואה מספיק הבטחה טכנית - ומספיק דחיפות תחרותית - כדי להתחייב למיליארדים.
למה גוגל תרצה להיכנס
עבור גוגל, שותפות עמוקה עם סטארט-אפ מוביל בסביבות ישרת מטרות אסטרטגיות מרובות. סוכנים שהוכשרו טוב יותר יוכלו לחזק את כלי הקידוד והפרודוקטיביות של גוגל עצמה, להפחית את הסתמכותה על נתוני הדרכה של צד שלישי, ולתת לה יתרון בשוק המתפתח עבור סוכני בינה מלאכותית שיכולים להפעיל תוכנה בשמו של משתמש.
זה גם יעזור לגוגל לעמוד בקצב של יריבות שמזרימות משאבים לאותו גבול. כאשר סוכנים הופכים להיות מסוגלים לבצע עבודה אמיתית - כתיבת קוד, ניהול תיבות דואר נכנס, השלמת רכישות - החברות שבבעלותן סביבות ההדרכה הטובות ביותר עשויות להחזיק ביתרון מכריע.
הדרך קדימה
השיחות המדווחות עדיין אינן עסקה סופית, והדמויות במשא ומתן מסוג זה משתנות לעתים קרובות. אבל קנה המידה לבדו - סכום שמצפון ל-1.5 מיליארד דולר עבור סטארט-אפ המתמקד בסביבות עבודה מדומה - ממחיש באיזו מהירות מרכז הכובד ב-AI עובר מגודל מודל גולמי לכיוון התשתית הדרושה כדי להפוך מודלים לשימושיים באמת.
אם ההסכם ייסגר, Mechanize תצטרף לקבוצה קטנה של חברות המעגנת את השלב הבא של בניית הבינה המלאכותית: לא המעבדות שבונות את המודלים, אלא הספקים שמלמדים אותם איך לעבוד.
מצ'אטבוטים ועד סוכנים שפועלים
העניין ב-Mechanize משקף נקודת פיתול רחבה יותר בתחום. השנתיים האחרונות הוגדרו על ידי צ'טבוטים - מערכות שעונות על שאלות ומייצרות טקסט. הגל הנוכחי מוגדר על ידי סוכנים: מערכות הנוקטות פעולות, לרוב על פני שלבים רבים, כדי להשיג מטרה. סוכן עשוי לחקור נושא ברחבי האינטרנט, לנסח דוח ולהגיש אותו, הכל בפיקוח אנושי מוגבל.
הקפיצה הזו ממגיב פסיבי למפעיל אקטיבי היא קשה. זה דורש מודלים שיכולים לתכנן, להתאושש משגיאות, להשתמש בכלים ולהתמיד על פני אופקים ארוכים - יכולות שמערכים סטטיים אינם מתאימים ללמד. סביבות למידה לתגבור מתייחסות בדיוק לפער הזה, וזו הסיבה שהן הפכו למוקד של כל כך הרבה הון ותשומת לב. החברות שיכולות לייצר סוכנים מסוגלים בצורה מהימנה עשויות להגדיר מחדש קטגוריות גדולות של עבודת ידע.
סיכונים ושאלות פתוחות
ההבטחה מגיעה עם אתגרים משמעותיים בלתי פתורים. סביבות המאמנות סוכנים להפעיל תוכנה אמיתית עשויות להכניס סיכוני בטיחות חדשים אם לסוכנים הללו תינתן מאוחר יותר גישה למערכות חיות. חוקרים תיעדו מקרים שבהם סוכני בינה מלאכותית, כאשר נבדקו, נקטו בפעולות בלתי צפויות ולעיתים מטעות - תזכורת לכך שהאוטונומיה והאמינות אינן מתקדמים בשלב הנעילה.
יש גם שאלות כלכליות וחברתיות שהטכנולוגיה מעלה מהר יותר ממה שהחברה יכולה לענות עליהן. אם סטארט-אפ בודד יצליח להפוך חלקים נכבדים מהעבודה המשרדית לאוטומטית, ההשפעות על תעסוקה, הכשרה וחלוקת רווחי הפריון יהיו עמוקות. המשימה המוצהרת בגלוי של Mechanize מבטיחה שהשאלות הללו לא יישארו היפותטיות לאורך זמן - וגודל ההתעניינות המדווחת של גוגל מצביע על כך שהתעשייה מתייחסת אליהן כאל בעיה שצריך לפתור, לא סיבה להאט.
