Z użycia sztucznej inteligencji do inteligentnego środowiska pracy

Jak Argo się powstało

Argo nie powstało z idei stworzenia kolejnego agenta sztucznej inteligencji. Początkową motywacją było konkretne problem z własnej pracy z nowoczesnymi systemami KI.

Z rosnącą wydajnością różnych modeli zacząłem korzystać z wielu dostawców KI równocześnie. Różne modele były wykorzystywane dla różnych zadań: jeden agent KI opracowywał podejście, inny je sprawdzał, trzeci poprawiał lub rozwijał wyniki.

Na początku ten przepływ był bardzo skuteczny. Wiele specjalistycznych perspektyw często prowadziło do lepszych wyników niż praca z jednym modelem. W tym samym czasie jednak powstawały nowe wyzwania.

Z wieloma modelami, różnymi czatami, różnymi poziomami pracy i równoczesnymi gałęziami rozwoju koordynacja stawała się coraz bardziej skomplikowana. Powstawały częściowo różne interpretacje projektu, różne koncepcje techniczne oraz rosnące koszty ponownego łączenia poszczególnych wyników.

Dodatkowo okazało się kolejne problem: nowoczesna KI jest silna, ale jej efektywny stosunek nie jest automatyczny. W szczególnie dużych projektach koszty mogą szybko rosnąć, jeśli zadania muszą być wielokrotnie wykonywane, pewne podejścia nie działają lub wyniki wymagają szczegółowej kontroli i korekty.

Z tego problemu wyrosła idea Argo: system, który łączy zalety wielu modeli KI bez konieczności, by człowiek przejmował całą koordynację.

Wizja Argo

Wizją Argo jest stworzenie strukturalnego środowiska pracy z indywidualnych narzędzi KI.

Argo nie powinno po prostu generować więcej kodu, więcej tekstów lub więcej odpowiedzi. Skupienie się ma na wynikach jakościowych: rozwiązaniach, które działają, są sensowne w dłuższej perspektywie i odpowiadają rzeczywistym wymaganiom – nie tylko wynikom, które spełniają specyfikację.

Nie tylko wynik końcowy jest kluczowy. Również sposób, jak do niego dojść, powinien być śledzony.

Jednym z głównych celów Argo jest więc maksymalna przejrzystość: decyzje, analizy, poprawki i weryfikacje powinny być zrozumiale dokumentowane i śledzone. Użytkownicy nie powinni otrzymać tylko wynik, ale powinni zrozumieć, dlaczego ten wynik się wydarzył i jak wiarygodny jest.

Od projektu kodowego do uniwersalnej platformy wiedzy

Początki Argo leżą w rozwoju oprogramowania.

Początkowo Argo miało być szybkim ramem do koordynacji dla prywatnego projektu kodowego. Podczas rozwoju jednak okazało się, że podstawowe koncepcje Argo mogą sięgać dalej niż ten początkowy przypadek.

Rozwój oprogramowania jest szczególnie odpowiednim punktem startowym, ponieważ tam wiele największych wyzwań nowoczesnego stosowania KI jest widoczne: złożone zależności, długoterminowe projekty, wysokie wymagania jakościowe oraz konieczność regularnej weryfikacji wyników.

Jednocześnie te wyzwania nie są ograniczone do rozwoju oprogramowania.

W dłuższej perspektywie Argo ma rozwinąć się z inżynierii oprogramowania (SWE) do kompleksowej platformy dla pracy wiedzy. Wszędzie, gdzie wymagane jest głębokie zrozumienie materiału, wiele perspektyw, ciągła kontrola oraz jasne skupienie na celu, taki system może przynieść dodatkową wartość.

Do tego należą na przykład badania, analiza, planowanie, dokumentacja, strategia rozwoju lub inne złożone dziedziny.

Cztery podstawowe zasady Argo

Argo opiera się na czterech centralnych zasadach:

1. Paralelizm

Złożone zadania korzystają z wielu niezależnych perspektyw. Argo wykorzystuje możliwość jednoczesnego wykorzystania różnych procesów i modeli, aby tworzyć lepsze rozwiązania i wykrywać wady pojedynczych podejść jak najszybciej.

2. Wiedza

Inteligentny system musi potrafić więcej niż rozwiązywać pojedyncze zadania. Poprzez pamięć i umiejętności Argo powinien długoterminowo wykorzystywać wiedzę o projektach, metodach pracy i zależnościach.

3. Weryfikacja

Wyniki nie powinny być tylko generowane, ale sprawdzane. Argo szczególnie kładzie nacisk na to, by rozwiązania były oceniane, poprawiane i bezpiecznie zabezpieczone.

4. Niezaвисимость od dostawców

Użytkownicy powinni sami decydować, jakie modele i dostawcy wykorzystują. Niezależnie od tego, czy są to modele w chmurze, lokalne modele czy kombinacja różnych systemów, pozostaje to elastyczne i dostosowalne.

Jakość zamiast ilości

Wiele obecnych systemów KI jest zoptymalizowanych pod kątem szybkiego generowania odpowiedzi. Argo podejmuje inny podejście.

Celem nie jest produkcja jak najwięcej wyników, ale minimalizacja niepotrzebnych błędów i dzięki temu osiągnięcie lepszych wyników przy mniejszym nakładzie.

Dobre systemy KI nie powinny zmuszać ludzi do intensywnego kontroli każdej pojedynczej wyjścia, wyszukiwania błędów i wielokrotnego ponownego wykonywania tych samych zadań.

Zamiast tego Argo powinien wspierać ludzi tam, gdzie ich umiejętności są najcenniejsze: w kreatywności, rozwiązywaniu problemów, wizjonerskim myśleniu i wymianie nowych koncepcji.

Sztuczna inteligencja nie powinna zastępować procesu kreatywnego. Powinna zmniejszać obciążenie techniczne i organizacyjne, aby ludzie mieli więcej czasu na rzeczywiste projektowanie.

Obecny stan

Argo znajduje się obecnie w aktywnej fazie rozwoju i testowania.

Wiele podstawowych komponentów zostało już zaimplementowanych, ale są też wiele obszarów, które należy poprawić, rozwinąć i zstabilizować, zanim Argo osiągnie swoje długoterminowe cele.

Obecny nacisk położony jest na zbieranie wiarygodnych danych poprzez własne i zewnętrzne testy:

• Jak bardzo można zmniejszyć czas i koszty w porównaniu do klasycznych agentów pojedynczych?
• Jak niezawodnie poprawia kombinacja wielu modeli jakość wyników?
• Jak duży jest praktyczny zysk w porównaniu do istniejących rozwiązań, takich jak pojedyncze agenty kodowe?
• Jakie mechanizmy są potrzebne, by wyniki były stale wysokiej jakości w dłuższej perspektywie?

Rozwój skupia się więc nie tylko na nowych funkcjach, ale przede wszystkim na mierzalnej jakości, efektywności i niezawodności.

Przyszłość Argo

Argo znajduje się jeszcze na początku swojej rozwoju. Droga do uniwersalnej platformy wiedzy wymaga wielu kolejnych kroków, testów i poprawek.

Jednak podstawowa idea pozostaje taka sama:

Sztuczna inteligencja nie powinna być tylko narzędziem, które szybciej wykonuje pojedyncze zadania. Powinna stać się strukturalnym, przejrzystym i niezawodnym środowiskiem pracy, w którym ludzie mogą realizować swoje pomysły.

Argo to próba wypełnienia tej luki: mniej czasu poświęcanego na kontrolę i powtarzanie oraz więcej czasu na to, co ludzie robią najlepiej – myślenie, projektowanie i rozwijanie nowych możliwości.

Podróż dopiero się zaczyna.