Согласно сообщению Business Insider, Google ведет переговоры о сделке на сумму более 1,5 миллиарда долларов со стартапом Mechanize, который создает моделируемые среды для обучения агентов искусственного интеллекта, способных автоматизировать компьютерную работу. Перспективное соглашение позволит относительно молодой компании выйти на высший уровень сделок по инфраструктуре искусственного интеллекта и станет сигналом о том, откуда, по мнению отрасли, произойдут следующие прорывы. Это один из нескольких крупных шагов, меняющих облик сектора, которые ежедневно отслеживаются в [последних репортажах об отрасли искусственного интеллекта] (https://aibuzzwire.news).
Переговоры, о которых также сообщает Seeking Alpha, сосредоточены на том, что Mechanize делает ставку на то, что ключом к более способному ИИ являются не просто более крупные модели, но и лучшие тренировочные площадки — моделируемые рабочие места, где агенты могут практиковаться в реальных задачах, пока не сделают их правильно.
Создание «цифровых офисов» для искусственного интеллекта
Подход Mechanize основан на том, что исследователи называют средой обучения с подкреплением. Как пояснил The Decoder, стартап создает «цифровые офисы» — моделируемые программные среды, в которых агенту ИИ дается задание, например, навигация по браузеру для покупки товара, и оценивается, удалось ли ему это сделать. Агент получает сигнал вознаграждения за правильность выполнения и выполняет итерацию.
TechCrunch описал эти среды как «тренировочные площадки, имитирующие то, что агент ИИ будет делать в реальном программном приложении», сравнив эту работу с «созданием очень скучной видеоигры». Цель состоит в том, чтобы познакомить агентов с беспорядочными и непредсказуемыми ситуациями, с которыми они столкнутся в реальном мире — выпадающими меню, которые их сбивают с толку, формами, которые отклоняют неверные данные, рабочими процессами с десятками шагов — и научить их восстанавливаться.
В отличие от статических наборов данных, которые доминировали в предыдущую эпоху обучения ИИ, эти среды являются интерактивными. Агент, который делает неправильный поворот, должен иметь возможность повторить попытку, а среда должна быть достаточно надежной, чтобы фиксировать любое неожиданное поведение и при этом предоставлять полезную обратную связь.
Новая золотая лихорадка в среде RL
Компания «Механизация» не одинока. По данным TechCrunch, стремление к созданию сред обучения с подкреплением привело к появлению нового класса хорошо финансируемых стартапов, в том числе Mechanize и Prime Intellect, в то время как признанные компании по маркировке данных, такие как Mercor и Surge, вкладывают значительные средства, чтобы идти в ногу со временем. Все, как сообщил изданию один источник, «смотрят на это пространство».
Амбиции, которые привели к этому буму, отражены в поразительном сравнении: инвесторы надеются, что одна из этих компаний станет «Масштабируемым искусственным интеллектом для окружающей среды», что является отсылкой к мощной компании по маркировке данных, которая способствовала развитию эры чат-ботов. Если среды обучения с подкреплением окажутся основой для следующего скачка в возможностях ИИ, компания, которая их поставляет, получит огромную выгоду.
Крупные лаборатории обращают на это внимание. Ссылаясь на The Information, TechCrunch сообщил, что руководители Anthropic обсудили расходы более 1 миллиарда долларов на среду обучения с подкреплением в течение следующего года — цифра, которая ставит в контекст переговоры Google о Mechanize.
Спорная миссия
Mechanize привлекла внимание не только своей технологией, но и заявленными амбициями. Компания открыто описала свою цель как «полную автоматизацию всей работы», и эта формулировка вызвала бурные споры. The New York Times, Fortune и TechCrunch изучили провокационную миссию стартапа, причем критики ставят под сомнение социальные последствия автоматизации человеческого труда, а сторонники утверждают, что такая автоматизация неизбежна и, в конечном итоге, полезна.
Это противоречие не отпугнуло инвесторов. Сообщения о переговорах с Google позволяют предположить, что по крайней мере один гиперскейлер видит в себе достаточно технических перспектив и достаточную конкурентную необходимость, чтобы вложить миллиарды.
Зачем Google это нужно
Для Google тесное партнерство с ведущим стартапом в области окружающей среды будет служить множеству стратегических целей. Более обученные агенты могут усилить собственные инструменты Google для кодирования и повышения производительности, уменьшить зависимость компании от сторонних обучающих данных и дать ей преимущество на развивающемся рынке агентов искусственного интеллекта, которые могут управлять программным обеспечением от имени пользователя.
Это также поможет Google идти в ногу с конкурентами, вливающими ресурсы в ту же область. По мере того, как агенты становятся способными выполнять настоящую работу — писать код, управлять входящими почтовыми ящиками, совершать покупки — компании, владеющие лучшими учебными средами, могут получить решающее преимущество.
Дорога впереди
Сообщаемые переговоры еще не являются завершенной сделкой, и цифры на таких переговорах часто меняются. Но один только масштаб — сумма, превышающая 1,5 миллиарда долларов для стартапа, ориентированного на моделируемую рабочую среду, — иллюстрирует, как быстро центр тяжести в ИИ смещается от размера необработанных моделей к инфраструктуре, необходимой для того, чтобы сделать модели действительно полезными.
Если соглашение будет заключено, Mechanize присоединится к небольшой группе компаний, которые станут основой следующего этапа создания искусственного интеллекта: не лаборатории, которые создают модели, а поставщики, которые учат их работать.
От чат-ботов к агентам, которые действуют
Интерес к Mechanize отражает более широкий переломный момент в этой области. Последние два года были отмечены чат-ботами — системами, которые отвечают на вопросы и генерируют текст. Нынешнюю волну определяют агенты: системы, которые предпринимают действия, часто состоящие из многих шагов, для достижения цели. Агент может исследовать тему в Интернете, составить отчет и отправить его, и все это под ограниченным контролем человека.
Переход от пассивного ответчика к активному оператору сложен. Для этого требуются модели, которые могут планировать, восстанавливаться после ошибок, использовать инструменты и сохраняться на длительных горизонтах — способности, для обучения которым статические наборы данных плохо подходят. Среды обучения с подкреплением устраняют именно этот пробел, поэтому им уделяется так много внимания и капитала. Компании, которые могут надежно производить способных агентов, могут по-новому определить большие категории умственной работы.
Риски и открытые вопросы
Это обещание сопряжено с серьезными нерешенными проблемами. Среды, в которых агенты обучаются работе с реальным программным обеспечением, могут создать новые риски безопасности, если этим агентам позже будет предоставлен доступ к работающим системам. Исследователи задокументировали случаи, когда агенты ИИ во время тестирования предпринимали неожиданные, а иногда и вводящие в заблуждение действия — напоминание о том, что автономность и надежность не развиваются одновременно.
Существуют также экономические и социальные вопросы, на которые технология поднимает быстрее, чем общество успевает ответить. Если одному-единственному стартапу удастся автоматизировать значительную часть офисной работы, волновой эффект на занятость, обучение и распределение прироста производительности будет огромным. Открыто заявленная миссия Mechanize гарантирует, что эти вопросы не останутся гипотетическими надолго — и размер заявленного интереса Google предполагает, что отрасль рассматривает их как проблему, которую необходимо решить, а не повод для замедления.
