Jak wynika z raportów Business Insider, Google prowadzi rozmowy w sprawie umowy o wartości ponad 1,5 miliarda dolarów z Mechanize – start-upem, który tworzy symulowane środowiska do szkolenia agentów AI zdolnych do automatyzacji pracy komputera. Potencjalna umowa zapewniłaby stosunkowo młodej firmie miejsce na najwyższym szczeblu transakcji dotyczących infrastruktury sztucznej inteligencji i zasygnalizowałaby, skąd według branży będą pochodzić kolejne przełomy. Jest to jeden z kilku głównych posunięć zmieniających kształt sektora, śledzony codziennie w najnowszych relacjach z branży sztucznej inteligencji.
Rozmowy, o których także poinformował Seeking Alpha, koncentrują się na założeniu Mechanize, że kluczem do bardziej wydajnej sztucznej inteligencji są nie tylko większe modele, ale lepsze poligony szkoleniowe — symulowane miejsca pracy, w których agenci mogą ćwiczyć prawdziwe zadania, dopóki nie wykonają ich dobrze.
Tworzenie „cyfrowych biur” dla sztucznej inteligencji
Podejście Mechanize opiera się na tym, co badacze nazywają środowiskami uczenia się ze wzmocnieniem. Jak wyjaśnił The Decoder, startup buduje „cyfrowe biura” – symulowane środowiska oprogramowania, w których agent sztucznej inteligencji otrzymuje zadanie, takie jak poruszanie się po przeglądarce w celu zakupu przedmiotu, i jest oceniany pod kątem powodzenia. Agent otrzymuje sygnał nagrody za prawidłowe wykonanie zadania, a następnie wykonuje iterację.
TechCrunch opisał te środowiska jako „poligony szkoleniowe symulujące działanie agenta sztucznej inteligencji w prawdziwej aplikacji”, porównując tę pracę do „tworzenia bardzo nudnej gry wideo”. Chodzi o to, aby narazić agentów na chaotyczne, nieprzewidywalne sytuacje, z którymi muszą się zmierzyć w prawdziwym świecie – rozwijane menu, które ich dezorientują, formularze odrzucające błędne dane wejściowe, przepływy pracy składające się z dziesiątek kroków – i nauczyć ich, jak odzyskać siły.
W przeciwieństwie do statycznych zbiorów danych, które dominowały w poprzedniej erze szkolenia AI, środowiska te są interaktywne. Agent, który skręci w złą stronę, musi mieć możliwość podjęcia ponownej próby, a środowisko musi być wystarczająco solidne, aby wychwycić wszelkie pojawiające się nieoczekiwane zachowania i nadal dostarczać przydatnych informacji zwrotnych.
Nowa gorączka złota w środowiskach RL
Mechanize nie jest sam. Według TechCrunch nacisk na środowiska uczenia się poprzez wzmacnianie stworzył nową klasę dobrze finansowanych start-upów — w tym Mechanize i Prime Intellect — podczas gdy uznane firmy zajmujące się etykietowaniem danych, takie jak Mercor i Surge, dużo inwestują, aby dotrzymać kroku. Według jednego ze źródeł, wszyscy „patrzą na tę przestrzeń”.
Ambicje napędzające boom można ująć w uderzającym porównaniu: inwestorzy mają nadzieję, że jedna z tych firm stanie się „Skalowaną sztuczną inteligencją dla środowisk”, co jest odniesieniem do potęgi etykietowania danych, która pomogła w rozwoju ery chatbotów. Jeśli środowiska uczenia się przez wzmacnianie okażą się podłożem dla kolejnego skoku w zakresie możliwości sztucznej inteligencji, firma, która je dostarcza, może zyskać ogromną wartość.
Największe laboratoria zwracają na to uwagę. Powołując się na The Information, TechCrunch podał, że liderzy w Anthropic rozmawiali o wydaniu w ciągu najbliższego roku ponad 1 miliarda dolarów na środowiska uczenia się przez wzmacnianie — liczba ta umieszcza rozmowy Mechanize zgłoszone przez Google w odpowiednim kontekście.
Kontrowersyjna misja
Mechanize zwróciło uwagę nie tylko swoją technologią, ale także deklarowanymi ambicjami. Firma otwarcie określiła swój cel jako „pełną automatyzację całej pracy”, co wywołało intensywną debatę. „The New York Times”, „Fortune” i „TechCrunch” zbadały prowokacyjną misję startupu, krytycy kwestionują społeczne konsekwencje automatyzacji pracy ludzkiej, a zwolennicy twierdzą, że taka automatyzacja jest zarówno nieunikniona, jak i ostatecznie korzystna.
Kontrowersje te nie odstraszyły inwestorów. Doniesienia z rozmów Google sugerują, że co najmniej jeden podmiot zajmujący się hiperskalem widzi wystarczająco obiecujące rozwiązania techniczne – i wystarczająco pilną potrzebę konkurencyjności – aby przeznaczyć miliardy.
Dlaczego Google miałby chcieć w tym uczestniczyć
Dla Google głębokie partnerstwo z wiodącym start-upem zajmującym się środowiskiem służyłoby wielu celom strategicznym. Lepiej wyszkoleni agenci mogliby wzmocnić własne narzędzia Google do kodowania i zwiększania produktywności, zmniejszyć jego zależność od danych szkoleniowych stron trzecich i zapewnić mu przewagę na wschodzącym rynku agentów sztucznej inteligencji, którzy mogą obsługiwać oprogramowanie w imieniu użytkownika.
Pomogłoby to również Google dotrzymać kroku rywalom, którzy przeznaczają zasoby na tę samą granicę. Gdy agenci staną się zdolni do wykonywania prawdziwej pracy – pisania kodu, zarządzania skrzynkami odbiorczymi, finalizowania zakupów – firmy posiadające najlepsze środowiska szkoleniowe mogą zyskać zdecydowaną przewagę.
Droga przed nami
Z doniesień wynika, że rozmowy nie są jeszcze sfinalizowane, a liczby biorące udział w takich negocjacjach często się zmieniają. Jednak sama skala – kwota wynosząca ponad 1,5 miliarda dolarów dla startupu skupiającego się na symulowanych środowiskach pracy – pokazuje, jak szybko środek ciężkości w sztucznej inteligencji przesuwa się od rozmiaru surowego modelu do infrastruktury potrzebnej do uczynienia modeli naprawdę użytecznymi.
Jeśli umowa zostanie sfinalizowana, Mechanize dołączy do małej grupy firm, które zakotwiczą kolejną fazę rozwoju sztucznej inteligencji: nie laboratoria budujące modele, ale dostawcy, którzy uczą ich, jak pracować.
Od chatbotów po agentów, którzy działają
Zainteresowanie Mechanize odzwierciedla szerszy punkt zwrotny w tej dziedzinie. Ostatnie dwa lata zdefiniowały chatboty – systemy odpowiadające na pytania i generujące tekst. Obecną falę definiują agenci: systemy, które podejmują działania, często wieloetapowe, aby osiągnąć cel. Agent może zbadać dany temat w Internecie, sporządzić raport i złożyć go, a wszystko to pod ograniczonym nadzorem człowieka.
Ten skok od pasywnego reagującego do aktywnego operatora jest trudny. Wymaga modeli, które potrafią planować, naprawiać błędy, korzystać z narzędzi i utrzymywać się przez długi czas – czyli umiejętności, których statyczne zbiory danych słabo nadają się do nauczania. Środowiska uczenia się przez wzmacnianie wypełniają dokładnie tę lukę i dlatego stały się przedmiotem tak dużego kapitału i uwagi. Firmy, które potrafią niezawodnie produkować zdolnych agentów, mogą na nowo zdefiniować duże kategorie pracy opartej na wiedzy.
Ryzyko i pytania otwarte
Obietnica wiąże się ze znaczącymi, nierozwiązanymi wyzwaniami. Środowiska, w których agenci szkolą się w zakresie obsługi prawdziwego oprogramowania, mogą wprowadzić nowe zagrożenia dla bezpieczeństwa, jeśli agenci uzyskają później dostęp do działających systemów. Naukowcy udokumentowali przypadki, w których testowani agenci sztucznej inteligencji podejmowali nieoczekiwane, a czasem zwodnicze działania, co przypomina, że autonomia i niezawodność nie rozwijają się krok po kroku.
Istnieją również pytania gospodarcze i społeczne, które technologia stawia szybciej, niż społeczeństwo jest w stanie odpowiedzieć. Jeśli pojedynczemu startupowi uda się zautomatyzować znaczną część pracy biurowej, będzie to miało ogromny wpływ na zatrudnienie, szkolenia i rozkład wzrostu produktywności. Otwarta misja Mechanize gwarantuje, że pytania te nie pozostaną długo hipotetyczne, a wielkość zgłaszanego zainteresowania Google sugeruje, że branża traktuje je jako problem do rozwiązania, a nie powód do spowolnienia.
