Как ИИ прошел путь от гигантских моделей до ИИ-агентов

Самый большой прорыв в ИИ может заключаться не в создании ещё одной, более крупной модели. Посмотрите на эволюцию: GPT-2 → GPT-3 → GPT-4 → модели рассуждений → агенты ИИ Эволюцию современного ИИ можно рассматривать как серию режимов масштабирования. Сначала появилось масштабирование времени обучения: Больше параметров. Больше данных. Больше вычислительных ресурсов. Законы масштабирования показали, что увеличение этих ресурсов может систематически улучшать производительность языковых моделей. Затем появились новые возможности: → Обучение с малым количеством примеров → Обучение с нулевым количеством примеров → Рассуждения по цепочке мыслей → Следование инструкциям → RLHF Но затем произошло важное изменение. Вместо того чтобы просто улучшать веса модели, исследователи начали задаваться вопросом: Что, если мы будем тратить больше вычислительных ресурсов ПОСЛЕ обучения модели? Это масштабирование времени вывода или времени тестирования. Генерация нескольких решений. Проверка их. Поиск возможных вариантов. Использование дополнительных вычислений для улучшения окончательного ответа. Сейчас мы наблюдаем ещё один переход: От чат-ботов с одним циклом обработки к системам искусственного интеллекта. Цепочка подсказок. Маршрутизация. Параллелизация. Системы «оркестратор-работник». Использование инструментов. Многоагентные рабочие процессы. Claude Code и системы глубокого исследования являются практическими примерами этого более широкого сдвига в сторону систем искусственного интеллекта, которые организуют вычисления вокруг модели, а не полагаются на один вызов модели. 🔔 Подпишитесь на наш канал, чтобы получать больше технических советов и обучающих материалов: 👍 Поставьте нам лайк на Facebook:   / perfology   👍 Добавьте нас в Instagram:   / perfologys   👍 Подпишитесь на нас в LinkedIn:   / perfology   #AI #AIAgents #LLM #ScalingLaws #TestTimeCompute #InferenceTimeScaling #AIReasoning #ClaudeCode #ArtificialIntelligence #MachineLearning #Perfology Таким образом, траектория все больше выглядит так: Масштабирование модели → заставить ее рассуждать → масштабирование вывода → предоставление ей инструментов → построение рабочих процессов → создание агентов Интересный вопрос для инженеров ИИ: Откуда возьмется следующее крупное преимущество в масштабировании? Сама модель? Или система, построенная вокруг неё? 🎥 В нашем последнем видео мы подробно разбираем всю эту эволюцию. #AI #AIAgents #LLM #AIReasoning #ScalingLaws #TestTimeCompute #AgenticAI #ClaudeCode #AIEngineering #MachineLearning Уведомление об авторских правах и атрибуции: Все права на оригинальный контент лекции, слайды и аудиоматериалы принадлежат исключительно Стэнфордскому университету, Азалии Мирхосейни и Ааканше Чоудхери. Данное резюме и комментарии созданы исключительно в образовательных целях.