ИИ-модели научились общаться и стали в три раза быстрее Учёные
обучили искусственный интеллект координировать действия с другими ИИ, используя упрощённые коммуникации. Такой подход позволил ускорить работу нейросетей почти в три
раза без дополнительной мощности. В перспективе метод может изменить экономику работы дата-центров.
Новый подход, который называют «multi-agent communication optimization» (оптимизация через многомодельное взаимодействие), активно тестируется в лабораторных условиях. Исследователи добились того, чтобы
нейросети «переговаривались» друг с другом, делясь не результатами вычислений, а стратегиями принятия решений.
По данным исследования, опубликованного на arXiv и процитированного рядом технических Telegram-каналов, основное улучшение производительности связано с тем, что модели перестали
дублировать вычисления. Если раньше каждый ИИ-агент решал задачу в своём контексте, теперь они координируются и «договариваются», кто за что отвечает.
Это сократило суммарное количество операций на 64% и позволило достичь трёхкратного ускорения в задачах, связанных с симуляцией среды.
По словам одного из авторов проекта, инженера из Сингапура Го Чан Ю, такое взаимодействие «приближает работу ИИ к поведению социальных
организмов, в которых общение — ключ к эффективности».
Сейчас метод активно тестируется на задачах моделирования поведения толпы, распределённых транспортных системах и в робототехнике. Особенно интересен он в контексте
того, как ИИ будет функционировать в ограниченной вычислительной среде — например, на борту дронов или в автономных системах, где ресурсы
ограничены.
Важно, что эта схема не требует значительных ресурсов: коммуникация между моделями реализована в сжатом формате и не требует передачи огромных
массивов данных. В долгосрочной перспективе это может повлиять и на энергоэффективность дата-центров.
Эксперты отмечают, что развитие подобных методов способно не только ускорить работу нейросетей, но и привести к новым принципам обучения, в
которых коллективное поведение станет основой адаптации. Однако возникает и вопрос — как контролировать такие системы? Ведь, формируя самостоятельные правила взаимодействия,
ИИ может начать обучаться вне заданных параметров.
Известно, что один из этапов тестирования проводился на моделях, схожих с LLM (большими языковыми моделями), адаптированных к мультимодальному вводу. Это
означает, что они могут обмениваться не только текстовой, но и визуальной информацией. Такой уровень взаимодействия открывает путь к созданию «объединённых
интеллектов», работающих в реальном времени над комплексными задачами.
В перспективе, считают специалисты, технология может найти применение в городской логистике, анализе видео с камер наблюдения, а также в образовании
— например, в среде, где ИИ-ассистенты координируются, чтобы лучше помогать человеку.
ИЗНАНКА
Комментирует технический директор исследовательской лаборатории в Дубае Ахмед Аль-Касими:«Мы вступаем в фазу, где ИИ — это уже не индивидуальный инструмент, а
коллективный участник среды. Такие разработки указывают на будущее, в котором отдельные интеллектуальные модули будут не соревноваться, а поддерживать друг друга.
И это радикально меняет нашу архитектуру мышления об искусственном интеллекте».
Фото: ИЗНАНКА
Читайте, ставьте лайки, следите за обновлениями в наших социальных сетях и присылайте свои материалы в редакцию.
ИЗНАНКА — другая сторона событий.