Тенсент, Алибаба и ByteDance создают “миры” для искусственного интеллекта? За этим стоит жизненно важная битва во второй половине развития ИИ
Здравствуйте, я ваш финансовый журналист. Сегодня мы поговорим о теме, которая звучит как научная фантастика, но на самом деле глубоко меняет структуру технологической индустрии: почему Тенсент, Алибаба, ByteDance, а также зарубежные компании OpenAI и Anthropic так усердно создают “миры” для искусственных интеллектов (AI Agents)?
Если вы следите за новостями в области ИИ, то, вероятно, заметили, что в последнее время большие компании соревнуются в том, кто из них умнее и кто быстрее отвечает на вопросы. Но на этот раз речь идет о чем-то более фундаментальном и сложном — о среде, в которой будет работать ИИ.
Чтобы все поняли суть, я сначала подведу итоги глубокого репортажа из журнала “Ji Zi Guang Nian”, а затем разберу его на пять аспектов, объяснив логику и возможности, стоящие за этим процессом.
📝 Краткий обзор сути
Проще говоря, развитие ИИ вступило в вторую половину. В первой половине соревнование шло вокруг способности решать задачи (например, писать код, составлять тексты), а теперь главное — способность определять задачи и эффективно работать в сложных реальных условиях.
Чтобы ИИ мог выполнять сложные задачи, подобные человеку (например, устранять ошибки в программном обеспечении, бронировать билеты, управлять базами данных), недостаточно просто предоставить ему текстовые данные. Ему нужна среда для обучения, в которой он сможет взаимодействовать, делать ошибки и получать реальные отзывы.
В настоящее время Тенсент (HybridMind), Алибаба (Tongyi), ByteDance (Seed), а также зарубежные гиганты вкладывают огромные ресурсы в создание таких “виртуальных миров”. Это не просто технологическое соревнование, но и новый рынок инфраструктуры: тот, кто сможет предложить качественные, масштабируемые и эволюционирующие среды для обучения ИИ, станет новым лидером в области Scale AI (гигантами по аннотации данных).
---
🔍 Глубокий анализ: пять аспектов понимания процесса создания “миров” для ИИ
1. Почему вдруг началось создание “миров”? Потому что ИИ готов к выполнению реальных задач
Раньше мы общались с ИИ, как с энциклопедией: задавали вопросы, и он отвечал, не требуя никаких действий с нашей стороны. Но теперь мы хотим, чтобы ИИ выполнял конкретные задачи.
Представьте, что вы просите стажера устранить ошибку в программе. Нельзя просто дать ему руководство по устранению ошибок (статические данные) — ему нужен компьютер, кодовый репозиторий, среда для выполнения задач, возможность видеть результаты своих действий. Именно это и нужно ИИ для эффективной работы.
Главный научный сотрудник Тенсента в области ИИ Яо Шунью сказал: без хорошей среды ИИ не сможет выполнять различные задачи.
За последние полгода команда HybridMind опубликовала шесть научных статей о средах для обучения ИИ. Они обнаружили, что прежние данные для обучения были “мертвыми” (не содержали динамической информации), а сейчас они должны быть частью интерактивного процесса. Например, ИИ должен не только знать, как писать код, но и понимать, как изменяются данные в базе данных после его выполнения, а также как выглядят сообщения об ошибках.
Проще говоря: раньше мы учили ИИ “запоминать рецепты”, а теперь мы позволяем ему “готовить на практике”. Ему нужны реальные инструменты, условия и возможность ошибок для обучения.
2. Как создает среду для ИИ Тенсент (HybridMind)? Четыре команды работают над разными аспектами
Команда HybridMind активно работает над созданием сред для обучения ИИ, используя различные подходы:
- Первая команда: увеличение длительности задач
Раньше тестовые задачи выполнялись за несколько минут; теперь они увеличены до нескольких часов. Например, вместо написания простого “Hello World” ИИ должен развернуть полноценный сервер. Команда автоматизировала процесс создания таких задач, средний затрат на каждую из них составляет всего 5 центов. Это показывает, что создание таких сред может быть масштабированным и экономически эффективным.
- Вторая команда: перенос среды на мобильные устройства
Команда по визуальным технологиям создала среду под названием “PhoneWorld”, включающую 34 имитированные приложения (например, Tencent Health, Maps). ИИ должен уметь бронировать услуги и координировать действия между приложениями, как это делается на реальных устройствах.
- Третья команда: автоматическое обновление среды
Это ключевой аспект: если среда слишком проста, ИИ быстро ее освоит и не сможет учиться новому. Поэтому команда создает среды, которые автоматически обновляются по мере развития его способностей. Например, изначально среда предназначалась для создания статических веб-страниц, но затем ее модифицировали для выполнения более сложных задач.
- Четвертая команда: интеграция с процессами обучения
Они автоматизировали процессы генерации задач, создания сред и проверки результатов, включив их в потоки обучения ИИ. Это позволяет ИИ практиковаться в реальных виртуальных условиях во время обучения.
Внимание: внутри Тенсента произошли организационные изменения: команды, занимающиеся большими языковыми моделями и мультимодальными моделями, объединены под руководством Яо Шунью, и в его обязанности включено создание сред для обучения ИИ с использованием методов обучения на основе подкрепления (reinforcement learning).
3. Алибаба и ByteDance также активно участвуют в этом процессе**
Тенсент не единственный, кто занимается созданием сред для ИИ: Алибаба и ByteDance также инвестируют значительные ресурсы в эту область, каждая с своим подходом:
- Алибаба (Tongyi)
В совместной работе с Университетом Чжэцзян и Пекинским университетом была опубликована научная статья под названием “Towards General Agentic Intelligence via Environment Scaling”. Основная идея статьи: чем более разнообразна среда, тем больше инструментов сможет использовать ИИ в будущем. Алибаба создала более 800 000 проверяемых сред для разработки программного обеспечения.
- ByteDance (Seed)
Команда ByteDance создала среду под названием “Agent-World”, включающую более 2000 сред и 19 000 инструментов. Особенностью этой среды является ее динамическое обновление: если ИИ сталкивается с проблемами, система автоматически генерирует новые задачи для его обучения.
Общее: все компании переходят от использования статических данных к созданию динамических, интерактивных сред для обучения ИИ. Однако создание качественных сред остается сложной задачей.
4. Самый большой проблемный момент: 99,7% существующих сред для обучения — некачественны
Это самый важный вывод статьи: из 47 678 общедоступных сред, собранных командой HybridMind с GitHub и Hugging Face, только 127 оказались пригодными для использования. Причины:
1. Низкое качество: многие сред содержат ошибки или имеют несоответствующие критерии оценки.
2. Слишком простые или нереалистичные среды: малые модели могут обходить такие ошибки, но большие модели не смогут эффективно учиться на них.
3. Нестабильность: результаты работы ИИ могут сильно отличаться в зависимости от конфигурации оборудования. Это делает создание надежных сред крайне сложным.
Что это означает? Создание качественных сред для обучения ИИ — это сложный и дорогой процесс, требующий специальных знаний и ресурсов.
5. Кто станет следующим лидером в области Scale AI? Рождается новая бизнес-ниша
В эпоху больших моделей Scale AI стоит на пике своей популярности; компании, занимающиеся аннотацией данных, оцениваются в 29 миллиардов долларов. Однако рынок создания сред для обучения ИИ начинает быстро развиваться.
- Новые стартапы:
- UniPat AI: Алибаба ведет переговоры о возможном инвестировании в эту компанию (оценка — 2,5 миллиарда долларов); она специализируется на разработке интегрированных решений для проектирования задач, создания сред и оценки результатов обучения ИИ.
- Neptune: была приобретена компанией Mercor, которая создает среды, имитирующие реальные программные среды (например, Salesforce, Slack).
- Сами компании, занимающиеся Scale AI**, также развивают бизнес в области сред для обучения ИИ (почти половина их проектов связана с этим направлением).
- Почему крупные компании не используют внешние услуги?
Хотя создание сред для обучения — это выгодный бизнес, Тенсент, Алибаба и ByteDance предпочитают разрабатывать их самостоятельно. Среды напрямую влияют на эффективность моделей, и это критически важная информация, которую нельзя передавать сторонним компаниям. Кроме того, крупные компании располагают собственными ресурсами для облачных сервисов, что позволяет снизить затраты и усилить контроль над процессами обучения.
Где будущие возможности?
Крупные компании хорошо разбираются в моделях и облачных технологиях, но кто лучше всех понимает реальные бизнес-процессы? Например, как работает система регистрации пациентов в больнице или процесс проверки контрактов юридической фирмы? Такие сложные бизнес-логики мало кто понимает. Компании, сочетающие знания в области бизнеса и создания сред для обучения ИИ, могут стать следующими лидерами на рынке.
💡 Заключение: от решения задач к определению проблем
В прошлом году Яо Шунью заявил, что основной акцент во второй половине развития ИИ будет смещен с решения конкретных задач на определение самых важных вопросов. Создание сложных сред позволяет ИИ учиться определять, разбирать и решать проблемы в условиях неопределенности.
Для обычных пользователей это означает, что будущие помощники на основе ИИ будут не просто собеседниками, но и помощниками в решении сложных задач. Они смогут помогать с админист