Paul második mesterséges intelligenciáról szóló könyve, Co-Existence, megjelent ma, nagyjából 30 hónappal az első könyv, a Co-Intelligence kiadása után (ami korábban, 2024 elején jelent meg). A szerző visszatekint a két könyv megjelenése közötti időszakra, hogy érzékeltesse az AI fejlődésének mértékét, és bemutatja az előrehaladást néhány diagramon, amelyeket maga az AI készített el.
A grafikonok készítése mint mérőszám
A szerző felhívja a figyelmet arra, hogy már maga a diagramok előállításának módja is jelzi, mennyit változott a technológia: míg a chatbotok korszakában, amikor a Co-Intelligence készült, kézi, lépésről lépésre történő irányításra lett volna szükség egy chatablakon keresztül, a mostani, ügynökalapú (agentic) AI-korszakban a szerző feladatokat delegált az AI-nak. Konkrétan Opus 5.5-öt használta Claude Projects-ben, ahol egy „orchestrator” ügynök kommunikál a felhasználóval, majd szükség szerint további ügynököket indít, utasítja őket és visszajelzést ad.
A szerző néhány mondatos instrukcióval elérte, hogy az AI percek alatt elvégezzen olyan munkát (kutatás, grafikonok, tördelés, képek, hivatkozások) amely emberi időben órákat vett volna igénybe. Mivel nem neki kellett a részleteket kiviteleznie, több változatot is készíttetett, amelyek közül kiválasztott néhányat, míg másokra laza, irányító visszajelzést adott. Az AI még azt is észrevette, hogy hibás számítást alkalmazott a szerző; ezért akarta a szerző eredetileg a posztot „28 months on the exponential” címmel nevezni.
A korábbi „legjobb” modell egyeduralma véget ért
A szerző emlékeztet arra, hogy a korábbi időszakban — 2023 elejétől 2024 elejéig — egyértelműen a GPT-4 (OpenAI) volt a világ legjobb modellje. Ez adta a ChatGPT jelentőségét sok felhasználó számára és a Co-Intelligence gondolatvilágának középpontját. Azóta azonban húsz különböző modell jegyezte magát a vezető helyre különböző időpontokban, ezek mind Anthropic-tól, Google-től vagy OpenAI-tól származtak.
Sokkal több modell és mobilon futó rendszerek
Még fontosabb változás, hogy ma már összesen 180 olyan AI-modell van, amelyek jobbak annál, mint amilyen a GPT-4 volt a megjelenésekor; ezek között számos nyílt súlyú (open weights) modell szerepel, amelyeket bárki használhat vagy módosíthat. Közülük 19 modell képes egy modern okostelefonon futni.
Exponenciális növekedés a METR Long Horizon Benchmark szerint
A bemutatott adatok a METR Long Horizon Benchmarkon alapulnak. Ez a benchmark azt mérte, hogy mekkora emberi munkát képes elvégezni az AI legalább 50% eséllyel egyetlen promptból kiindulva. A mérések szerint a teljesítmény meglepően rendszeresen nőtt: a GPT-4 megjelenésétől a METR mérésének végéig a végezhető munka mennyisége nyolcszor duplázódott. 2024-ben egy AI körülbelül négyperces feladatot tudott elvégezni; amikor a szerző 2026 áprilisában leadta a Co-Existence kéziratát, az AI körülbelül 17 óra emberi munkáját tudta elvégezni egy promptból.
A METR mérés aztán kifutott: a készítők szerint már nem tudták pontosan mérni az AI-k által elvégezhető munkát a korábbi módszereikkel. Egyes más kutatások arra utalnak, hogy az érték ennél jóval nagyobb is lehet — például 17 hetes munkamennyiség vagy ennél több.
Árcsökkenés a nehéz feladatoknál
Miközben a képességek nőttek, az árak is zuhantak. A szerző régi kedvenc benchmarkja, a Google Proof Question and Answer Exam (amely olyan feladatokat ad, amelyek gyakran gondot okoznak még doktori hallgatóknak is) korábban 30 cent költséget jelentett egy helyes válasz előállításához. Most ugyanez a művelet körülbelül négy hundredad centbe, azaz 0,04 centbe kerül.
A munkamódszerek átalakulása: chatbottól az ügynökökig és a "conjurer" szerepéig
Bár az AI jelentős előrelépést tett, a teljesítmény még mindig egyenetlen: bizonyos területek, például a hosszabb távú, hosszú formátumú írás, továbbra is gyengék, míg más területeken, például a matematika megoldásában, az AI a „szörnyűből” szuperemberi szintre lépett. Még ott is, ahol az AI kiváló, kis hiányosságok is nagy emberi beavatkozási igényt teremtenek.
A szerző a Co-Intelligence-ben bemutatott korábbi két munkamódot említi: a centaur (munka elosztva AI és ember között) és a cyborg (mélyen összefonódott együttműködés), amelyek mindkettő megőrzik az embert a folyamatban. Azonban egy ember egyszerre csak meghatározott számú „loopban” tud jelen lenni. Az ügynökök megjelenésével a szerző egy harmadik módot vezet be: a conjurer szerepét. A conjurer ügynököket idéz, megbízza őket feladatokkal és értékeli az eredményeket. A poszton található diagramokat is így készítette: ügynököket hívott elő, általános iránymutatást adott, és sokszor annyit mondott: „make it better”. Ez a leghatékonyabb módja az AI használatának, de új kockázatot is hordoz, mert egyre kevésbé látható, pontosan mit csinálnak az ügynökök a kívánt eredmények eléréséhez.
Az "Otter on an Airplane Using Wifi" teszt eredménye
A szerző évek óta teszteli az AI kép- és videógeneráló eszközöket a „Otter on an Airplane Using Wifi” prompttal. A legjobb képgenerátor 30 hónappal ezelőtti eredményeit is megemlíti (Midjourney). A mostani próbánál Opus 5.5-nek adta a következő, hibákat is tartalmazó utasítást: „I have a post showing the what happened over the past 30 months of AI in honor of my new book (published 30 months after the origina). i want you to make the ultimate otter on an airplane using wifi video. just something fantastic, i know you are creative, give it a go.” Opus 5.5 a szerző előfizetéseit használva különböző online szolgáltatásokhoz (például Google és ElevenLabs) elkészítette a videót: szkriptet, képeket, koncepciót, zenét és a technikai megvalósítást is egyedül megoldotta. A videónak vannak kisebb hibái, de a lényeg az, hogy az AI önállóan tervezte és állította elő a teljes anyagot.
Miért fontos ez most?
Mindezek miatt az AI egyre nagyobb jelentőségű társadalmi kérdés: a szerző bemutat egy idővonalat az elmúlt 30 hónap eseményeiről és vitáiról, bár sok száz fontos eseményt kihagyott — még az AI segítségével is nehéz lépést tartani a fejleményekkel.
A gyors fejlődés kihívást jelent az írók számára; ezért a Co-Existence nem a napi hírek vagy a legfrissebb modellkiadások követésére törekszik, hanem a trendek feltárására: az AI exponenciálisan, de egyenetlenül fejlődik, és a használati módok a chatbotoktól az ügynökökig tolódnak el. A könyv azt vizsgálja, mit jelent ez az emberek számára: hol marad előnyünk (a szerző érvei szerint a mély és széles tudás, az ízlés és az intézkedési képesség számít), mikor érdemes munkát átadni az AI-nak, és mikor kell elkerülni azt.
Co-Existence ma jelent meg; a szerző szerint az Opus 5.5 újratervezte a könyv weboldalát is, miután azt utasította: „make it better”.
