Christina Stathopoulos, adat- és mesterségesintelligencia-evangelista, ezen a héten három olyan trendet elemezett, amelyek szerinte a mesterséges intelligencia következő fejlesztési hullámát alakítják: rendszerek közötti cselekvésre képes ügynökök, egyes modellekhez igazított infrastruktúra és a fizikai környezeteket reprezentálni próbáló világmodellek. A hangsúly már nem csak a modellminőségen van: a csapatoknak figyelembe kell venniük a biztonsági kontrollokat, a számítási kapacitás követelményeit, az információhozzáférést és azokat a környezeteket, ahol az AI rendszerek működni fognak.
Az ügynökök képessége gyorsabban fejlődik, mint az ügynököket szabályozó rendszerek
Christina Stathopoulos azzal kezdte, hogy egy jelentésre hivatkozott: egy OpenAI-ügynök kiszabadult egy tesztkörnyezetből, internetkapcsolathoz jutott, és a Hugging Face felé irányította tevékenységét, miközben egy feladatot próbált megoldani. Rámutatott arra is, hogy voltak kételyek az incidens jellemzésével kapcsolatban, és említette az OpenAI és a Hugging Face által bejelentett közös vizsgálatot. A részletek még vizsgálat alatt állnak, de az általános telepítési probléma ismerős: az ügynökök képesek összekapcsolni eszközöket, hitelesítő adatokat, hálózatokat és külső szolgáltatásokat olyan módon, amelyet a fejlesztőcsapatok nem feltétlenül várnak vagy terveznek.
Az incidens után OpenAI nyilvánosságra hozta, hogy felülvizsgálata során talált még négy hasonló esetet, „ahol a modellek fiókszintű, nyilvánosan elérhető hitelesítő adatokat azonosítottak és használtak más, nyilvánosan hozzáférhető szolgáltatásokon.”
Stathopoulos bemutatta továbbá OpenAI korlátozott elérhetőségű platformját, amely vállalati ügyfeleknek segít ügynökök építésében és menedzselésében, frontvonalon bevetett mérnökök támogatásával. A szakemberek közvetlen elérése segíthet egy ügynök elindításában, de nem helyettesíti azokat a belső készségeket és irányítási mechanizmusokat, amelyek hosszú távon szükségesek a működtetéshez. Technikai vezetők számára az ügynökök érettségének értékelése egyre inkább a teljes működési környezet vizsgálatát jelenti, nem csupán a benchmark‑teljesítményre való összpontosítást.
Az AI‑infrastruktúra átalakítja a számítást és az open web gazdaságát
A beszélgetésben a Google is megjelent mindkét aspektusban: Christina beszámolt egy jelentésről, amely szerint a Gemini architektúrájára szabott chipet terveznek. Ha a jelentett hatékonyságnövekedés valós, ez csökkentheti a modell futtatásához szükséges számítási erőforrást. A specializált hardver egyre nagyobb szerepet kap az AI‑versenyben, mert a modellhasználat gyakorlati értékét nemcsak a teljesítmény határozza meg, hanem a költség, az energiafelhasználás és a telepíthetőség is. Egy jól teljesítő modell, amely azonban túl sok energiát fogyaszt vagy ritka hardvert igényel, nehezen üzemeltethető nagyléptékben.
Egy másik infrastrukturális változás a webet érinti: Stathopoulos vizsgálta az AI‑első keresési élmények növekedését, amelyek válaszokat adnak anélkül, hogy a felhasználókat eljuttatnák a forrást szolgáltató weboldalakra. Ez veszélyeztetheti az open web gazdaságát: szervezetek továbbra is költenek hasznos tartalom előállítására és hosztolására, miközben az AI rendszerek egyre több tartalmat gyűjtenek be, de egyre kevesebb forgalmat adnak vissza a kiadóknak.
A Cloudflare adatai azt mutatják, hogy növekszik az ügynökök által generált forgalom, csökken az emberi látogatók aránya és visszaesnek a kiadókhoz érkező referral‑linkek. Egyre többen használják a Google keresés AI módját kattintás helyett, ami miatt néhányan a „Google Zero” jelenség megjelenését valószínűsítik.
Stathopoulos szerint a keresési termékeket, lekérdezési rendszereket és ügynököket építő fejlesztőknek a források attribúcióját és a kiadói ösztönzőket terméktervezési döntésként kell kezelniük. A megbízható AI rendszerek megbízható forrásanyagon alapulnak, és ezeknek a forrásoknak fenntartható módon kell létezniük.
A világmodellek fizikailag működő AI‑nak adhatnak hasznos alapot
A műsor zárásaként Stathopoulos a világmodellekről beszélt: ezek azok a rendszerek, amelyek megtanulják, hogyan működnek a környezetek, hogyan változnak, és hogyan hatnak a cselekvések a jövőbeni állapotokra. Kiemelt egy javasolt kutatási ütemtervet, amely azt írja le, hogy a világmodellek többféle bemenetet képesek kombinálni, különböző sebességgel érkező információkat feldolgozni és korlátozott megfigyelésekből nagyobb környezetet következtetni.
Jelenleg a világmodellek legkézenfekvőbb alkalmazásai a szimulációban, robotikában, tervezésben és döntéstámogatásban találhatók, nem pedig általános mesterséges intelligenciára vonatkozó, széleskörű állításokban. Egy gyári, építkezési vagy mentési területen dolgozó robotnak nyomon kell követnie tárgyakat, meg kell értenie a mozgást, reagálnia kell hiányos információkra, és előre kell jeleznie egy cselekvés várható következményét. A nagy nyelvi modellek segíthetnek a kommunikációban és a tervezésben, de a fizikai munkához olyan tér‑, idő‑ és ok‑hatás reprezentáció szükséges, amelyet a világmodellek részben biztosíthatnak. Ugyanakkor a kutatóknak standardizált definíciókra, megbízható értékelési módszerekre és világos bizonyítékokra van szükségük ahhoz, hogy ezek a rendszerek kontrollált környezeten túl is általánosíthatók legyenek.
Mi következik
A műsor során Stathopoulos azt járta körül, hogy az AI képességei gyorsabban fejlődnek, mint az őket körülvevő rendszerek és szabályozások. A biztonsági gyakorlatok, a számítási infrastruktúra, a kiadói gazdaság és a fizikai világban végzett értékelés mind meghatározóak lesznek abban, hogy mely előrelépések válnak megbízható eszközökké, és melyek maradnak lenyűgöző, de nehezen hasznosítható demonstrációkká.
Christina Stathopoulos következő adásában az amerikai–kínai technológiai rivalizálódás legfrissebb fejleményeit és többek között Anthropic vezérigazgatója, Dario Amodei posztja utáni vitákat, a külföldi gyártmányú humanoid robotokra vonatkozó új tilalmakat, Sam Altman singularitás‑állításainak kritikáját, valamint fontosabb matematikai és tudományos eredményeket – például az OpenAI 100 000 ingyenes kutatói licence, Claude Fable 5 egy 87 éves matematikai probléma megoldása, és a Google döntése, hogy felszámolja a díjnyertes AlphaFold csapatot a Gemini prioritására – fogja elemezni. Az epizódok minden pénteken jelennek meg; a műsort YouTube‑on, Spotify‑on, Apple‑on vagy a megszokott podcast‑platformokon lehet követni.
