Ένας πραγματικά ικανός πράκτορας τεχνητής νοημοσύνης χρειάζεται τόσο έξυπνη όσο και πραγματική ικανότητα-ανάληψης δράσης-πρέπει να κατανοήσει σε βάθος τι θέλει ο χρήστης και στη συνέχεια να ολοκληρώσει πραγματικά τα πράγματα. Έτσι περιέγραψε ο Yuan Yuan, πρύτανης του Ερευνητικού Ινστιτούτου Alibaba, την ιδανική μορφή πρακτόρων τεχνητής νοημοσύνης κατά τη διάρκεια ενός πρόσφατου σεμιναρίου με θέμα «Ασφάλεια και ανάπτυξη της συμπεριφοράς πρακτόρων AI».
Τόνισε ότι ενώ οι πράκτορες τεχνητής νοημοσύνης υπόσχονται τεράστια υποσχέσεις για τη μετατροπή της τεχνολογίας τεχνητής νοημοσύνης σε πραγματικά χρήματα και τη δραματική βελτίωση της εμπειρίας των χρηστών, η διάθεσή τους δεν θα πρέπει να ανατρέψει τους υπάρχοντες κανόνες, τη διακυβέρνηση ή τα επιχειρηματικά οικοσυστήματα. Αντίθετα, όλα θα πρέπει να συμβαίνουν με έναν ασφαλή, ελεγχόμενο τρόπο, με βαθιά συνεργασία σε ολόκληρο τον κλάδο, έτσι ώστε οι κατασκευαστές τηλεφώνων και οι προγραμματιστές εφαρμογών να μπορούν και οι δύο να μοιράζονται τα οφέλη των προηγμένων μοντέλων.
Τον περασμένο χρόνο, το μεγάλο ερώτημα στην αγορά ήταν: "Μπορεί η τεχνητή νοημοσύνη να χειριστεί πραγματικά εργασίες για εμάς;" Είδαμε να εμφανίζονται διαφορετικές προσεγγίσεις.
Ορισμένα προϊόντα προσπαθούν να "αναλάβουν" τις λειτουργίες του τηλεφώνου κατανοώντας τι υπάρχει στην οθόνη και μιμούνται τα ανθρώπινα χτυπήματα και σάρωση για να κάνουν πράγματα όπως επεξεργασία βίντεο, κράτηση εισιτηρίων ή παραγγελία φαγητού σε διαφορετικές εφαρμογές. Αυτά ονομάζονται συνήθωςΠράκτορες GUI(συντομογραφία για το Graphical User Interface Agents).
Τεχνικά, λειτουργούν βάζοντας το AI να «βλέπει» την οθόνη, να το καταλαβαίνει και στη συνέχεια να προσομοιώνει τα κλικ και τις χειρονομίες. Αλλά αυτό εγείρει αμέσως ένα σωρό δύσκολα ζητήματα: Ποιος του δίνει την άδεια; Ποιος ευθύνεται αν τα χαλάσει; Ποιες υπηρεσίες μπορεί να έχει πρόσβαση; Και ποιος το κρατάει υπό έλεγχο;
Στο σεμινάριο, οι ειδικοί παρατήρησαν ότι αυτή η προσέγγιση{0}}που βασίζεται στην οθόνη έχει πραγματική-πρόθεσμη αξία-επιτρέπει στους πράκτορες τεχνητής νοημοσύνης να μεταπηδήσουν στην καθημερινή χρήση χωρίς να επιβάλλουν μεγάλες αλλαγές στις υπάρχουσες εφαρμογές. Μακροπρόθεσμα, όμως, έχει ενσωματώσει-όρια σχετικά με την αξιοπιστία, την ταχύτητα και το πόσο καλά μπορεί να ρυθμιστεί. Πολλοί το βλέπουν περισσότερο ως μια προσωρινή γέφυρα παρά ως το τέλος του παιχνιδιού.
Ο Jiao Haitao, καθηγητής στο Πανεπιστήμιο Πολιτικής Επιστήμης και Νομικής της Κίνας, υποστήριξε ότι οι άδειες για πράκτορες AI θα πρέπει να αντιμετωπίζονται σκηνή προς σκηνή. Οι κρίσιμες ενέργειες χρειάζονται μια δεύτερη επιβεβαίωση από τον χρήστη και πράγματα που αφορούν προσωπικά χαρακτηριστικά, υποκειμενικές αποφάσεις ή κοινωνικές αλληλεπιδράσεις δεν θα πρέπει να ανατίθενται καθόλου. Επεσήμανε τις προκλήσεις με τους διπλούς-κανόνες εξουσιοδότησης-δεν πρέπει κάθε σενάριο να βασίζεται σε μια πλατφόρμα τρίτου-μόνο-και πρότεινε στον κλάδο να συνεργαστεί μέσω διαπραγματεύσεων και προτύπων για να το λύσει σταδιακά.
Οι κατασκευαστές τηλεφώνων εξερευνούν ενεργά τις δικές τους διαδρομές για πράκτορες AI.
Σε μια πρόσφατη ενημέρωση μέσων ενημέρωσης, ο Jiang Yuchen, διευθυντής Έρευνας & Ανάπτυξης έξυπνων προϊόντων της OPPO για το ColorOS, είπε στους δημοσιογράφους ότι προϊόντα όπως το τηλέφωνο Doubao είχαν θετικό αντίκτυπο στη βιομηχανία και το οικοσύστημα προωθώντας τα πράγματα προς τα εμπρός. Αλλά ήταν ξεκάθαρη: "Δεν είναι η τελική μορφή ενός τηλεφώνου τεχνητής νοημοσύνης-είναι ακόμα βασικά μια μέθοδος χειρισμού των παλαιών διεπαφών GUI."
Για το OPPO, η επιλογή μεταξύ προσεγγίσεων στυλ GUI-δεν έχει να κάνει με ιδεολογία-είναι πρώτα και κύρια πρόβλημα μηχανικής και κλίμακας. Ο Jiang εξήγησε ότι κάτι σαν το Doubao μπορεί να αντέξει οικονομικά να είναι πιο επιθετικό ως πρωτότυπο μηχανικής, αλλά οι μεγάλοι κατασκευαστές τηλεφώνων αντιμετωπίζουν τεράστιες βάσεις χρηστών. "Εάν εκκινήσετε μια λειτουργία και την επόμενη μέρα οι περισσότερες υπηρεσίες σταματήσουν να λειτουργούν σωστά, αυτό είναι ένα ποιοτικό περιστατικό για εμάς-δεν μπορούμε να το αποδεχτούμε." Σε αυτήν την κλίμακα, κάθε ασταθής ικανότητα-σε επίπεδο συστήματος μεγεθύνεται γρήγορα.
Κατά την άποψή της, οι πράκτορες που βασίζονται σε{0}}λειτουργία-οθόνης είναι "κάπως ένα ενδιάμεσο στάδιο". Η κύρια πορεία προς τα εμπρός θα κλίνει περισσότεροΣυνεργασία A2A (Agent-to-Agent)., όπου οι πράκτορες AI μιλούν απευθείας μεταξύ τους και συνεργάζονται.
Τόνισε ότι σε αυτήν την εξέλιξη, αυτό που πραγματικά έχει σημασία για τους κατασκευαστές τηλεφώνων δεν είναι το μέγεθος ή οι παράμετροι του μοντέλου-είναι η βαθιά, μακροπρόθεσμη-κατανόησή τους για τους χρήστες. «Δεν πιστεύουμε ότι το μεγάλο μοντέλο είναι η ψυχή του τηλεφώνου», είπε ο Jiang. "Πιστεύουμε ότι η "μνήμη" είναι η ψυχή. Μόλις το τηλέφωνό σας σας καταλάβει πραγματικά, είναι πραγματικά δύσκολο να μεταβείτε σε κάτι άλλο."
Στο σεμινάριο, αρκετοί ειδικοί συμφώνησαν ότι η πραγματική πρόκληση για τους πράκτορες τεχνητής νοημοσύνης δεν είναι απλώς "μπορεί να κάνει τη δουλειά;"-αφορά τον καθορισμό σαφών ορίων για το τι μπορούν να κάνουν και τον τρόπο διαχείρισής τους.
Ο Yuan Yuan σημείωσε ότι το τρέχον κύμα GUI έχει δημιουργήσει ένα υγιές «φαινόμενο γατόψαρου», ταρακουνώντας και δίνοντας ενέργεια σε ολόκληρη τη βιομηχανία. Ωστόσο, προέτρεψε τον τομέα της τεχνητής νοημοσύνης της Κίνας να μην κολλήσει στη διαδρομή του GUI. Αντίθετα, βασιστείτε σε αυτό για να βρείτε καλύτερες διαδρομές που εξισορροπούν την ασφάλεια και την πρόοδο. Υπέδειξε την προσέγγιση της Apple ως καλό παράδειγμα: Ρυθμίζει ανοιχτή συνεργασία{3}}με βάση το API μεταξύ αντιπροσώπων και εφαρμογών, ενώ χρησιμοποιεί την επίγνωση της οθόνης για να διατηρήσει ανέπαφα τα όρια ασφαλείας και να μεταβιβάσει με ακρίβεια την πρόθεση του χρήστη στις εφαρμογές, καθιστώντας τους πιο έξυπνους στην εκτέλεση εντολών.
Ο Wang Yue, αναπληρωτής διευθυντής του Ινστιτούτου Πληροφοριακών Συστημάτων στο Τμήμα Ηλεκτρονικής Μηχανικής του Πανεπιστημίου Tsinghua, θεωρεί ότι οι πράκτορες τεχνητής νοημοσύνης αποτελούν σημαντικό σημείο καμπής-Τα συστήματα τεχνητής νοημοσύνης αρχίζουν να αλληλεπιδρούν άμεσα με τον έξω κόσμο. Αυτό δεν θα αλλάξει απλώς τον τρόπο κατασκευής των συστημάτων πληροφοριών. θα μπορούσε επίσης να αναδιαμορφώσει τις οικονομικές λειτουργίες. Προειδοποίησε ότι η πραγματικά ανατρεπτική καινοτομία κινδυνεύει να αποδυναμώσει τη διαχειρισιμότητα του συστήματος και να διαβρώσει τα θεμέλια της εμπιστοσύνης, επομένως χρειαζόμαστε καλύτερους μηχανισμούς εξουσιοδότησης και ελέγχους και ισορροπίες A2A, που τελικά κινούνται προς συστήματα αξιοπιστίας που βασίζονται σε-αγορά,-τον ανταγωνισμό.
Συνολικά, η συζήτηση μετατοπίζεται από το εάν η τεχνητή νοημοσύνη μπορεί να ενεργήσει στα τηλέφωνα στο πώς να το κάνει με υπευθυνότητα και βιώσιμο-και η συνεργασία σε στυλ A2A- μεταξύ πρακτόρων μοιάζει με έναν πολλά υποσχόμενο τρόπο για να φτάσετε εκεί χωρίς να παραβιάσετε οτιδήποτε άλλο.
