Kokkuvõtlikult: Fookus nihkub üksikutelt tehisintellektimudelitelt agentide tööraamistike kaudu tagasisideahelateni kui põhitootele, kusjuures signaalide ja hindamismehhanismide kujundamine on määrava tähtsusega, et agendid saaksid tegutseda ilma pideva inimliku kitsaskohata.
Idufirma Introspection, mille asutasid endised xAI töötajad, ehitab infrastruktuuri iseennast täiustavatele tehisintellekti agentidele. Kesksel kohal on tagasisideahelate idee, kus agendid hooldavad ja optimeerivad süsteemi ennast, mitte ei täida ainult väliseid ülesandeid.
Roland Gavrilescu, Introspectioni kaasasutaja ja tegevjuht, tutvustas AI Engineer World’s Fair konverentsil uut kontseptsiooni: Autoresearch kui välimine ahel, milles agendid hooldavad ja täiustavad põhisüsteemi ennast. Selleks kasutavad nad tagasisidesignaale, automatiseeritud hindamisi ja inimeste sisendit pideva täiustumise mootorina. Gavrilescu ja tema kaasasutaja Julian Bright töötasid varem xAI-s, kus nad tegelesid agentide infrastruktuuri ja pilveagentidega. Nad tuvastasid uue agentide rakendusmustri, mida xAI-s ei olnud võimalik täielikult edasi arendada, ning asutasid Introspectioni, et luua selleks spetsiaalseid tööriistu.
Gavrilescu toob välja kolm tootlike Autoresearch-süsteemide põhimustrit. Esiteks muutub tagasisideahel ise tooteks – mitte aluseks olev tehisintellekti arhitektuur. Selleks et agendid saaksid võtta enda kanda rohkem ülesandeid, tekitamata seejuures kvaliteedilt kehvemat väljundit (nn „slop”), tuleb määratleda õiged tagasisidemehhanismid. Teiseks toob Introspection kasutusele agentide retseptide kontseptsiooni – vormingu, mis toimib omamoodi tõlkena tehisintellekti treenimisel kasutatavatest andmeretseptidest. Agendi retsept dokumenteerib, kuidas tööraamistik erinevate mudelitega töötab, milliseid hindamisi tehakse, millised automatiseeritud hindajasüsteemid on olemas ja milline inimteadmine on sellesse kodeeritud. See vorming peaks olema tarnijaneutraalne ja teisaldatav, sarnaselt teadusuuringute laboriga, mida operaator ise kontrollib.
Kolmanda mustrina toob Gavrilescu esile küsimuse optimeerimise eesmärgist: kuidas saab süsteem muutuda üheaegselt võimekamaks ja odavamaks? Ettevõtted nagu Cursor ja Cognition on juba tõestanud, et sellised tooted toimivad. Järgmine samm olevat teha need kättesaadavamaks, kiiremaks ja odavamaks – ehk destilleerida tippmudelite võimekused järk-järgult süsteemidesse, mida ettevõte ise kontrollib ja saab optimeerida oma konkreetse keskkonna jaoks. Seejuures jääb kesksele kohale väljakutse: agendid peavad kõigepealt inimestelt õppima, enne kui nad suudavad teha autonoomselt täiustavaid otsuseid.
Allikas: www.latent.space · Avaldatud 2. juulil 2026
Lumi AI News — tehisintellekti abil kureeritud vastavalt tehisintellektimääruse artiklile 50. Parafraseerimine ja klassifitseerimine Lumi News Pipeline v1.7.2 poolt.