Google sedang berbincang untuk tawaran $1.5 bilion tambah dengan Mechanize, sebuah syarikat permulaan yang membina persekitaran simulasi untuk melatih ejen AI yang mampu mengautomasikan kerja komputer, menurut laporan dari Business Insider. Perjanjian prospektif itu akan meletakkan syarikat yang agak muda ke peringkat teratas tawaran infrastruktur AI - dan memberi isyarat di mana industri berpendapat kejayaan seterusnya akan datang. Ia adalah salah satu daripada beberapa langkah utama yang membentuk semula sektor ini, dijejaki setiap hari dalam liputan industri AI terkini.
Perbincangan itu, juga dilaporkan oleh Seeking Alpha, berpusat pada pertaruhan Mechanize bahawa kunci kepada AI yang lebih berkebolehan bukan hanya model yang lebih besar, tetapi tempat latihan yang lebih baik — tempat kerja simulasi di mana ejen boleh mempraktikkan tugas sebenar sehingga mereka melakukannya dengan betul.
Membina 'pejabat digital' untuk AI
Pendekatan Mechanize dibina berdasarkan apa yang penyelidik panggil persekitaran pembelajaran pengukuhan. Seperti yang dijelaskan oleh The Decoder, syarikat permulaan sedang membina "pejabat digital" — persekitaran perisian simulasi di mana ejen AI diberi tugas, seperti menavigasi penyemak imbas untuk membeli item, dan dinilai sama ada ia berjaya. Ejen menerima isyarat ganjaran untuk mendapatkannya dengan betul, kemudian berulang.
TechCrunch menyifatkan persekitaran ini sebagai "tapak latihan yang mensimulasikan perkara yang akan dilakukan oleh ejen AI dalam aplikasi perisian sebenar," membandingkan kerja itu dengan "mencipta permainan video yang sangat membosankan." Intinya adalah untuk mendedahkan ejen kepada situasi yang tidak menentu dan tidak menentu yang akan mereka hadapi di dunia nyata — menu lungsur turun yang mengelirukan mereka, borang yang menolak input buruk, aliran kerja dengan berpuluh-puluh langkah — dan mengajar mereka untuk pulih.
Tidak seperti set data statik, yang mendominasi era latihan AI sebelumnya, persekitaran ini adalah interaktif. Ejen yang tersalah langkah harus dapat mencuba sekali lagi, dan persekitaran harus cukup teguh untuk menangkap sebarang tingkah laku yang tidak dijangka yang muncul dan masih menyampaikan maklum balas yang berguna.
Laju emas baharu di sekitar persekitaran RL
Mekanik bukan sahaja. Menurut TechCrunch, dorongan untuk persekitaran pembelajaran pengukuhan telah menghasilkan kelas baharu pemula yang dibiayai dengan baik - termasuk Mechanize dan Prime Intellect - manakala syarikat pelabelan data yang ditubuhkan seperti Mercor dan Surge melabur dengan banyak untuk mengikuti perkembangan. Semua orang, satu sumber memberitahu penerbitan itu, "melihat ruang ini."
Cita-cita yang memacu ledakan itu ditangkap oleh perbandingan yang menarik: pelabur berharap salah satu daripada syarikat ini akan menjadi "Skala AI untuk persekitaran," merujuk kepada kuasa pelabelan data yang membantu menguasai era chatbot. Jika persekitaran pembelajaran pengukuhan terbukti menjadi substrat untuk lonjakan seterusnya dalam keupayaan AI, syarikat yang membekalkannya akan memperoleh nilai yang sangat besar.
Makmal utama sedang mengambil perhatian. Memetik The Information, TechCrunch melaporkan bahawa pemimpin di Anthropic telah membincangkan membelanjakan lebih daripada $1 bilion untuk persekitaran pembelajaran pengukuhan sepanjang tahun depan — angka yang meletakkan perbincangan Mekanisasi yang dilaporkan oleh Google dalam konteks.
Misi kontroversi
Mechanize telah menarik perhatian bukan sahaja untuk teknologinya tetapi untuk cita-cita yang dinyatakan. Syarikat itu secara terbuka menyifatkan matlamatnya sebagai "automasi penuh semua kerja," satu pembingkaian yang telah menghasilkan perdebatan sengit. The New York Times, Fortune, dan TechCrunch semuanya telah meneliti misi provokatif syarikat pemula, dengan pengkritik mempersoalkan implikasi masyarakat mengautomasikan tenaga manusia dan penyokong berpendapat bahawa automasi sedemikian tidak dapat dielakkan dan, akhirnya, bermanfaat.
Kontroversi itu tidak menghalang pelabur. Rundingan Google yang dilaporkan mencadangkan bahawa sekurang-kurangnya seorang hyperscaler melihat janji teknikal yang mencukupi - dan keperluan daya saing yang mencukupi - untuk melakukan berbilion-bilion.
Mengapa Google mahu masuk
Untuk Google, perkongsian yang mendalam dengan pemula persekitaran terkemuka akan mencapai pelbagai matlamat strategik. Ejen yang lebih terlatih boleh mengukuhkan alat pengekodan dan produktiviti Google sendiri, mengurangkan pergantungannya pada data latihan pihak ketiga dan memberikannya kelebihan dalam pasaran baru muncul untuk ejen AI yang boleh mengendalikan perisian bagi pihak pengguna.
Ia juga akan membantu Google bersaing dengan pesaing yang mencurahkan sumber ke sempadan yang sama. Apabila ejen menjadi mampu melakukan kerja yang tulen — menulis kod, mengurus peti masuk, menyelesaikan pembelian — syarikat yang memiliki persekitaran latihan terbaik mungkin mempunyai kelebihan yang menentukan.
Jalan di hadapan
Rundingan yang dilaporkan masih belum muktamad, dan angka dalam rundingan sedemikian sering berubah. Tetapi skala sahaja - jumlah utara $1.5 bilion untuk permulaan yang memfokuskan pada persekitaran kerja simulasi - menggambarkan betapa cepatnya pusat graviti dalam AI bergerak daripada saiz model mentah ke arah infrastruktur yang diperlukan untuk menjadikan model benar-benar berguna.
Jika perjanjian itu ditutup, Mechanize akan menyertai sekumpulan kecil syarikat yang menyokong fasa seterusnya pembinaan AI: bukan makmal yang membina model, tetapi pembekal yang mengajar mereka cara bekerja.
Daripada chatbots kepada ejen yang bertindak
Minat dalam Mechanize mencerminkan titik infleksi yang lebih luas dalam bidang tersebut. Dua tahun terakhir ditakrifkan oleh chatbots — sistem yang menjawab soalan dan menjana teks. Gelombang semasa ditakrifkan oleh ejen: sistem yang mengambil tindakan, selalunya merentasi banyak langkah, untuk mencapai matlamat. Ejen mungkin menyelidik topik di seluruh web, mendraf laporan dan memfailkannya, semuanya dengan pengawasan manusia yang terhad.
Lompatan daripada responder pasif kepada operator aktif adalah sukar. Ia memerlukan model yang boleh merancang, pulih daripada ralat, menggunakan alatan dan berterusan sepanjang tempoh yang panjang — keupayaan set data statik tidak sesuai untuk diajar. Persekitaran pembelajaran pengukuhan menangani dengan tepat jurang ini, itulah sebabnya mereka telah menjadi tumpuan kepada modal dan perhatian yang begitu banyak. Syarikat-syarikat yang boleh menghasilkan ejen yang berkebolehan boleh mentakrifkan semula kategori besar kerja pengetahuan.
Risiko dan soalan terbuka
Janji itu datang dengan cabaran besar yang belum diselesaikan. Persekitaran yang melatih ejen untuk mengendalikan perisian sebenar boleh memperkenalkan risiko keselamatan baharu jika ejen tersebut kemudiannya diberi akses kepada sistem langsung. Penyelidik telah mendokumentasikan kes di mana ejen AI, apabila diuji, mengambil tindakan yang tidak dijangka dan kadangkala mengelirukan — peringatan bahawa autonomi dan kebolehpercayaan tidak berkembang secara terkunci.
Terdapat juga persoalan ekonomi dan sosial yang ditimbulkan oleh teknologi lebih cepat daripada yang boleh dijawab oleh masyarakat. Jika satu permulaan berjaya mengautomasikan sebahagian besar kerja pejabat, kesan riak terhadap pekerjaan, latihan dan pengagihan keuntungan produktiviti akan menjadi mendalam. Misi Mechanize yang dinyatakan secara terbuka memastikan soalan tersebut tidak akan kekal sebagai hipotesis untuk jangka masa yang lama — dan saiz minat yang dilaporkan Google menunjukkan industri menganggapnya sebagai masalah untuk diselesaikan, bukan sebab untuk perlahan.
