Microsoft провела крутой эксперимент: AI-агенты оказались не готовы к работе без человека

Ну что, народ, продолжаем погружаться в мир искусственного интеллекта! 🤖 Все больше и больше компаний внедряют AI в свои рабочие процессы, чтобы автоматизировать рутину и повысить эффективность. Говорят, даже такой гигант, как Salesforce, обсуждает найм инженеров, потому что AI уже справляется с половиной их задач! 🔥

Но вот какая штука... Microsoft провела интересное исследование, назвав свою симуляцию "Magnetic Marketplace". В чем суть? Они хотели понять, насколько AI-агенты готовы к работе без постоянного контроля со стороны человека.

Университет штата Аризона.(Фото: Getty Images | Jason Armond)

В этом эксперименте участвовали AI-агенты, которые пытались заказать еду по инструкциям пользователя, а другие агенты, представляющие разные рестораны, боролись за этот заказ. Представьте: 100 "покупателей" AI и 300 "продавцов" AI! 🤯 Причем Microsoft выложила код этой симуляции в открытый доступ, так что любой может поиграться и провести свои тесты. Использовали там даже такие модели, как GPT-4o, GPT-5 и Gemini-2.5-Flash. Copilot остается фокусом Microsoft для потребительского AI.(Фото: Getty Images | Anadolu)

Что же выяснилось? Главное, что отметили исследователи, — AI-агенты, как и люди, могут "тупить" и впадать в ступор, когда сталкиваются с огромным выбором. 😵 Представьте: вам дали 300 вариантов еды, и вы не знаете, что выбрать. Вот и AI-агенты терялись!

Получается, что хотя мы хотим, чтобы AI обрабатывал кучу информации, текущие модели пока что от этого "перегружаются". 🤯

Еще одна проблема — сотрудничество. Когда AI-агентам нужно было работать вместе для достижения общей цели, у них возникали трудности с распределением задач. Как определить, кто за что отвечает? Это оказалось для них сложной задачей. Хотя, если им давать четкие пошаговые инструкции, производительность улучшается. Но ведь мы же хотим, чтобы они могли работать вместе "из коробки", верно? 🤔

Так что, выводы простые:

1. AI-модели еще не готовы к повсеместному внедрению и нуждаются в доработке.
2. Без правильных навыков составления запросов (prompt engineering) мы не сможем раскрыть весь потенциал этих умных помощников. 💡

В целом, исследование Microsoft pokazuje, что AI-агенты, несмотря на все их возможности, пока что повторяют некоторые человеческие слабости, такие как нерешительность и проблемы с кооперацией при большом количестве вариантов. Требуется дальнейшая оптимизация моделей и более глубокое понимание того, как с ними правильно взаимодействовать.