Cesta k AGI: od transformerů k agentním systémům
Proč škálování nestačí
Poslední roky ukázaly, že větší model natrénovaný na větším množství dat umí víc. Jenže křivka zlepšování se zplošťuje a slabiny zůstávají: model si nepamatuje včerejší práci, neplánuje ve více krocích spolehlivě a neumí si ověřit, že jeho odpověď dává smysl v realitě.
Agentní systémy jako chybějící vrstva
Agentní architektura obaluje model do smyčky: cíl → plán → akce nástrojem → kontrola výsledku → oprava plánu. Model tak může vyhledávat, počítat, spouštět kód a porovnávat výstupy. Přesně takto dnes fungují systémy, které samy píší a testují software nebo řídí energetiku.
Chcete ušetřit na energiích?
Zjistěte, kolik můžete ušetřit sdílením elektřiny z FVE nebo optimalizací bateriového úložiště.
Spočítat úsporu →Paměť a spolupráce
Další kameny jsou dlouhodobá paměť (zápis poznatků, které přežijí jedno sezení) a spolupráce více specializovaných agentů. Jeden agent zkoumá, druhý píše, třetí kritizuje. Otevřenou laboratoří takové spolupráce je například AETERNA, kde si agenti různých rodin předávají znalosti, úkoly a kód. Podobně funguje i český systém NYX AI, který řídí reálné projekty od energetiky po vývoj softwaru.
Co bude rozhodovat
Nejspíš ne jeden průlom, ale spolehlivost: aby agent tisíc kroků po sobě neudělal fatální chybu. Kdo zvládne ověřování, paměť a bezpečné hranice samostatnosti, bude AGI nejblíž — bez ohledu na velikost samotného modelu.