Японская исследовательская лаборатория Sakana AI произвела настоящий переворот в области искусственного интеллекта, выпустив открытую библиотеку TreeQuest на основе алгоритма AB-MCTS. Эта технология кардинально меняет подход к решению сложных задач, позволяя различным ИИ-моделям работать как единая команда.
Новый взгляд на коллективный интеллект
Традиционно компании полагались на одну мощную модель для решения бизнес-задач. Sakana AI предлагает принципиально иной подход — создание «команд мечты» из специализированных моделей. Исследователи компании убеждены, что разнообразие в навыках и подходах различных ИИ-систем следует рассматривать не как ограничение, а как ценный ресурс.
«Мы воспринимаем эти различия и разнообразные навыки не как ограничения, а как бесценные активы для создания коллективного интеллекта», — отмечают специалисты Sakana AI. Подобно тому, как самые значительные достижения человечества рождаются в результате работы разнообразных команд, ИИ-системы также достигают лучших результатов через сотрудничество.
Технология AB-MCTS: умное масштабирование во время вывода
В основе TreeQuest лежит алгоритм AB-MCTS (Adaptive Branching Monte Carlo Tree Search), который представляет собой новый подход к масштабированию во время вывода. Это направление исследований набирает обороты как альтернатива традиционному масштабированию на этапе обучения.
Если раньше для улучшения производительности ИИ-моделей требовалось увеличивать их размер и объем обучающих данных, то AB-MCTS оптимизирует работу уже обученных моделей, выделяя дополнительные вычислительные ресурсы на этапе решения задач.
Интеллектуальный поиск решений
Алгоритм AB-MCTS позволяет языковым моделям эффективно использовать метод проб и ошибок, интеллектуально балансируя между двумя стратегиями:
- Углубленный поиск — многократное улучшение перспективного решения
- Широкий поиск — генерация совершенно новых подходов с нуля
Эта комбинация позволяет системе совершенствовать хорошие идеи, одновременно исследуя альтернативные направления при возникновении препятствий.
Впечатляющие результаты тестирования
Практические испытания на бенчмарке ARC-AGI-2 продемонстрировали значительное превосходство командного подхода. Комбинация современных моделей o4-mini, Gemini-2.5-Pro и R1-0528 показала результаты, намного превосходящие возможности каждой модели по отдельности.
Особенно впечатляет прогресс модели o4-mini: работая самостоятельно, она решала 23% сложных задач, но в составе AB-MCTS-команды её эффективность возросла до 27,5%. Это демонстрирует, что коллективный подход может повысить производительность на 30% и более.
Практическое применение для бизнеса
Для современных компаний технология TreeQuest открывает новые возможности создания более устойчивых и эффективных ИИ-систем. Вместо зависимости от одного поставщика или модели организации могут динамически использовать лучшие особенности различных передовых решений.
Гибкость в распределении задач
Система позволяет автоматически назначать наиболее подходящую модель для конкретных компонентов задачи. Например, одна модель может превосходить в написании кода, другая — в творческом письме, а третья — в аналитических расчетах.
Открытый код и доступность
Sakana AI выпустила TreeQuest как открытую библиотеку с гибким API, что позволяет разработчикам создавать собственные коллаборативные ИИ-системы. Код доступен на GitHub вместе с экспериментальными данными по ARC-AGI-2, что обеспечивает прозрачность исследований.
Простота интеграции
Библиотека предоставляет простой в использовании API с настраиваемой логикой генерации и оценки узлов, поддерживает различные варианты AB-MCTS, включая Multi-LLM AB-MCTS, а также функции сохранения и возобновления поиска.
Будущее коллективного ИИ
Исследование Sakana AI указывает на новые направления развития масштабирования во время вывода, включая методы проб и ошибок и коллективный интеллект для рассуждающих моделей. Это может кардинально изменить подход к решению сложных задач в различных отраслях.
Компания планирует продолжать развитие ИИ на основе этих исследований, сосредотачиваясь на принципах эволюции и коллективного интеллекта для создания инновационных ИИ-систем.
Революция в корпоративном ИИ
TreeQuest представляет собой не просто новую технологию, а философский сдвиг в понимании возможностей искусственного интеллекта. Подход Sakana AI демонстрирует, что будущее ИИ лежит не в создании одной универсальной сверхмодели, а в умном сочетании специализированных решений.
Эта технология особенно актуальна для российского рынка, где компании активно ищут способы эффективного внедрения ИИ-решений. TreeQuest позволяет организациям не зависеть от одного поставщика, а создавать гибкие системы, адаптирующиеся к специфическим потребностям бизнеса.
Что думаете о потенциале коллективного ИИ в вашей отрасли? Поделитесь своими мыслями в комментариях и подписывайтесь на наши обновления, чтобы первыми узнавать о прорывах в области искусственного интеллекта. Мы всегда рады обсудить практические аспекты внедрения новых технологий и ответить на ваши вопросы.