Thế giới AI đang trở nên 'điên cuồng'

Vào thứ Sáu, người tạo ra Claude Code, Boris Cherny, đã xuất hiện tại hội nghị @Scale của Meta và thật ngạc nhiên, câu hỏi đầu tiên từ khán giả là về các vòng lặp. Người hỏi hỏi: “Các vòng lặp có phải là chu kỳ cường điệu tiếp theo hay chúng là sự thật?” Câu trả lời của Cherny là một sự nhấn mạnh, "Đúng, chúng là thật." "Hai năm trước, chúng tôi viết mã nguồn bằng tay. Chúng tôi bắt đầu chuyển đổi để các tác nhân viết mã. Và bây giờ chúng tôi đang chuyển sang điểm mà các tác nhân nhắc nhở các tác nhân viết mã", ông tiếp tục. “Bước từ mã nguồn đến tác nhân lớn như vậy thì vòng lặp cũng quan trọng và lớn lao như vậy.” Sau cuộc nói chuyện (khoảng 32:00 trong video YouTube được đăng ở trên), Cherny đã nói cụ thể hơn về các vòng lặp mà anh ấy vẫn tiếp tục thực hiện trong công việc của mình. Một tác nhân liên tục tìm cách cải thiện kiến ​​trúc mã, trong khi một tác nhân khác tìm kiếm các bản tóm tắt trùng lặp có thể được thống nhất. Họ gửi yêu cầu kéo giống như bất kỳ lập trình viên nào khác và vì mã liên tục thay đổi nên họ không bao giờ ngừng chạy. Đó là một ý tưởng mạnh mẽ, đặc biệt với một nhân vật quan trọng như Cherny đằng sau nó. Với việc chuyển sang AI tác nhân, trọng tâm của hầu hết người dùng cũng là quản lý tác nhân của họ nhất có thể: thiết lập các mục tiêu rõ ràng, kiểm tra các đơn vị tiến độ riêng biệt và không để chúng đi quá xa so với lời nhắc. Vòng lặp tiến thêm một bước nữa bằng cách cho phép một nhóm tác nhân hoạt động liên tục ở chế độ nền, không ngừng nghỉ. Người ta đặt rất nhiều niềm tin vào AI, nhưng với việc các mô hình ngày càng hoàn thiện hơn, đây có thể là bước tiếp theo để AI có thể xử lý công việc thực tế. Điều đầu tiên cần nhận ra là điều này không hoàn toàn mới. Vòng lặp đệ quy — các hàm tự gọi mình để lặp lại một hành động, cùng với điều kiện dừng vòng lặp — là nội dung chính của các khóa học nhập môn khoa học máy tính. Các vòng lặp này tuân theo logic không xác định — nghĩa là, đó là một tác nhân phụ chọn thời điểm dừng vòng lặp thay vì một điều kiện rõ ràng — nhưng cách tiếp cận cơ bản tương tự đang được áp dụng. Ngay khi các lập trình viên bắt đầu sử dụng AI để hoàn thành nhiệm vụ, một số phiên bản của vòng lặp đệ quy, với AI giám sát AI, chắc chắn sẽ xuất hiện. Không giống như điện toán cổ điển, các vòng lặp tác nhân có thể đơn giản đến mức khó tin. Một trong những thủ thuật phổ biến nhất là Ralph Loop (được đặt tên theo Ralph Wiggum), về cơ bản tổng hợp tất cả công việc mà mô hình đã thực hiện và hỏi xem liệu nó có hoàn thành mục tiêu hay không. Đó là một cách của d khắc phục tình trạng các mô hình AI bị lạc khi chúng chạy quá lâu, về cơ bản là đưa mô hình qua lại cho đến khi nhiệm vụ hoàn thành. Một cách khác để nghĩ về vòng lặp là một phần của nỗ lực chung nhằm tăng cường tính toán trong thời gian thử nghiệm. Như nhà nghiên cứu OpenAI Noam Brown đã quan sát hồi đầu tháng này, các mô hình hiện đại có thể giải quyết gần như mọi vấn đề nếu bạn sử dụng đủ khả năng tính toán cho chúng. Điều đó có nghĩa là một cách để đảm bảo vấn đề được giải quyết là tiếp tục xử lý nó cho đến khi nó kết thúc. Điều đó đặc biệt đúng đối với các vấn đề leo dốc như cải thiện cơ sở mã, trong đó mô hình có thể tiếp tục thực hiện các cải tiến tăng dần cho đến khi đạt đến một ngưỡng nhất định. Hoặc, như trong ví dụ của Cherny, nó có thể tiếp tục thực hiện các cải tiến gia tăng miễn là có khả năng tính toán chi tiêu cho nó. Nếu điều đó nghe có vẻ đắt tiền thì nó nên như vậy. Giống như AI tác nhân trước đó, các vòng lặp AI đốt cháy mã thông báo nhanh hơn rất nhiều so với các chatbot Hỏi & Đáp đơn giản — và vì mục đích là giữ cho vòng lặp luôn chạy nên không có giới hạn về số tiền bạn có thể chi tiêu. Điều đó tốt cho Anthropic, công ty cuối cùng hoạt động trong lĩnh vực kinh doanh bán mã thông báo, nhưng đối với những người khác, đó có thể là một cách làm việc tốn kém. Tuy nhiên, tùy thuộc vào vấn đề mà ag Entic Loop đang cố gắng giải quyết và thiết lập phù hợp cho phép giám sát việc chi tiêu mã thông báo, sự trôi dạt và các vấn đề AI cổ điển khác, lợi ích có thể đáng kinh ngạc đến mức lớn hơn chi phí. Khi bạn mua hàng thông qua các liên kết trong bài viết của chúng tôi, chúng tôi có thể kiếm được một khoản hoa hồng nhỏ. Điều này không ảnh hưởng đến tính độc lập biên tập của chúng tôi. Tìm hiểu sâu hơn về những gì cần thiết để mở rộng quy mô và thành công từ các nhà lãnh đạo tại Mach Industries, Founders Fund và Shinkei Systems. Thông qua các cuộc trò chuyện thẳng thắn bên lò sưởi và kết nối mạng có tác động cao, bạn sẽ có được những hiểu biết sâu sắc có giá trị và các kết nối mới. Mọi tính năng mới của iOS 27 đáng biết về Lauren Forristal. Mỹ cho biết công cụ chip hàng đầu của ASML có thể có ở Trung Quốc, nhưng bằng cách nào? Connie Loizos 11 công ty khởi nghiệp nổi bật từ Ngày giới thiệu của YC, theo VC Marina Temkin Dominic-Madori Davis, NASA chọn công ty tên lửa của Eric Schmidt cho sứ mệnh sao Hỏa, thiết lập một cuộc đua với SpaceX Tim Fernholz Snap cuối cùng cũng ra mắt kính AR được chờ đợi từ lâu, Thông số kỹ thuật và, oof, chúng không hề rẻ Lucas Ropek Gợi ý thực hành: 1. Theo dõi thông báo từ cơ quan địa phương tại California. 2. Kiểm tra nguồn chính thức trước khi chia sẻ lại thông tin.