Meta бросает вызов всем, представив 'гиперагентов' — системы, которые не только решают задачи, но и, по слухам, учатся учиться лучше. То есть, они не просто следуют заложенному в них алгоритму обучения, а могут его сами переписывать. Это звучит как попытка обойти одно из фундаментальных ограничений нынешних нейросетей: зафиксированный человеком механизм обучения. Пока конкуренты копаются в частностях, Meta обещает революцию.
Суть разработки, получившей название DGM-Hyperagents (DGM-H), проста: разделение на исполнителя и архитектора. Архитектор, конечно, изначально написан людьми, но он способен переписывать собственный код. Так он оттачивает не только свою производительность, но и, что важнее, способность к обучению. Как уверяют в Meta, их модель уже улучшила свои показатели на бенчмарке Polyglot coding с 0.084 до 0.267. Это, конечно, впечатляет, но пока только на бумаге. В компании считают, что это открывает дверь к созданию ИИ-агентов, которые будут самостоятельно и, главное, быстро адаптироваться к новым задачам.
Если Meta сможет доказать, что её гиперагенты работают не только в идеальных лабораторных условиях, а и в реальном мире, это станет тревожным звоночком для всего бизнеса. Потенциально, мы получим ИИ, которому можно будет делегировать не только выполнение задач, но и их оптимизацию. Это сулит снижение затрат на бесконечную тонкую настройку ИИ-решений и их более быструю интеграцию. На горизонте — более гибкие и саморазвивающиеся ИИ-партнёры, способные расти вместе с компанией, а не требовать постоянного присмотра.
Почему это важно? Гиперагенты Meta, если они действительно сработают, обещают радикально ускорить адаптацию бизнеса к меняющимся условиям, автоматизируя самообучение ИИ. Для CEO это означает потенциальное снижение затрат на доработку ИИ-систем и возможность быстрее внедрять новые, более сложные ИИ-решения в операционные процессы. Впрочем, пока это больше похоже на амбициозное заявление, чем на готовый продукт.