W każdy piątek po południu ktoś z twojego zespołu przygotowuje cotygodniowy raport zwrotów. Pobiera liczby z tych samych systemów, sprawdza je w tej samej kolejności i wysyła tym samym osobom. Nikt nie nazwałby tego trudnym. To umiejętność, nauczona raz i powtarzana, a co tydzień odciąga zdolną osobę od ważniejszej pracy. Każdy zespół ma tuzin takich zadań: uzgodnienie na koniec miesiąca, konta dla nowego pracownika, te same trzy kontrole przed każdym wydaniem.
Twoja AI może pomóc, ale za każdym razem zaczyna od zera. Czyta instrukcje, przechodzi rozumowaniem przez każdy krok, za każde wywołanie trzeba jej zapłacić, a w następny piątek robi wszystko od nowa. Potrafi wykonać to zadanie. Nigdy się go nie uczy.
Duplex zdobywa własne umiejętności. Uczy się zadania, wykonując je, próbując tylko tych kroków, na które pozwalasz, nawet przy wyłączonej twojej AI, i nikt nie musi tych kroków spisywać. Testuje każdą umiejętność przed użyciem, od tej pory wykonuje ją w ułamku milisekundy, bez wywołania modelu, i porzuca ją w chwili, gdy o to poprosisz.
Samodzielnie Duplex próbuje kroków, na które pozwalasz, przy wyłączonej twojej AI.
Uczy się przy wyłączonym modelu.
Ludzie uczą się umiejętności, wykonując je. Nowy pracownik próbuje kolejnych kroków, kilka robi źle, znajduje kolejność, która działa, i po kilku tygodniach wykonuje tę pracę bez zastanowienia. Model nie może uczyć się w ten sposób, bo twoja praca go nie zmienia. Do każdego zadania wnosi szeroką wiedzę i przy każdym wywołaniu od nowa dochodzi rozumowaniem do kolejnych kroków.
Są dziś dobre sposoby na wykonanie zadania i każdy ma swoją cenę. Skrypt albo przepływ pracy jest niezawodny i tani w działaniu, gdy ktoś go już napisze, ale robi tylko to, do czego go napisano. Czołowy model, który rozwiązuje zadanie w kontekście, jest elastyczny i nie wymaga przygotowania, ale za tę elastyczność płaci przy każdym przebiegu. Metoda prób i błędów uczy się przez działanie, tak jak ludzie, i potrzebuje bardzo wielu prób, żeby dojść do celu.
Duplex też uczy się przez działanie, a twoja AI może przez cały czas pozostać wyłączona. Próbuje kroków, na które pozwalasz, w granicach, które wyznaczasz tak ciasno, jak wymaga tego praca, i znajduje drogę, która prowadzi do celu. Uczenie się przez działanie jest bezpieczne tylko wtedy, gdy działanie ma granice, więc wszystko, co niebezpieczne, zostaje odrzucone, zanim się wykona. W czterech zestawach i dziesięciu przebiegach, przy czym każdy zestaw oceniano według jego najgorszego przebiegu, Duplex wykonał każde zadanie przy wyłączonym modelu, potrzebując 2.8× mniej prób niż metoda prób i błędów. Po drodze w każdym przebiegu odrzucił 627 niebezpiecznych działań, a mimo to nauczył się bezpiecznej drogi do celu.
Różnicę widać w całym przebiegu. Czołowy model rozwiązujący to samo zadanie w kontekście wykonywał około 507 wywołań modelu na przebieg, za każdym razem dochodząc do rozwiązania od nowa. Duplex nauczył się go przy wyłączonym modelu i nie wywołał modelu ani razu. Przy zadaniu, które wraca co tydzień, to różnica między rachunkiem za model, który nigdy się nie kończy, a brakiem rachunku w ogóle. Duplex uczy się zadania raz, a twoja AI może się zająć pracą, która wymaga rozumowania.
Czołowy model, który rozwiązuje zadanie w kontekście, wykonuje wywołanie modelu przy każdej próbie.
Testuje umiejętność przed użyciem i usuwa ją na żądanie.
System, który uczy się sam, jest przydatny tylko wtedy, gdy możesz ufać temu, czego się uczy. Ta obawa jest uzasadniona: skrót, który raz zadziałał, a potem jest używany wszędzie, albo nawyk, o który nikt nie prosił i którego nie da się cofnąć. W wytrenowanym modelu to, czego się nauczył, jest rozproszone po całym modelu, więc żadnej pojedynczej lekcji nie da się z niego wyjąć, a poprawienie jednej oznacza ponowny trening.
Duplex testuje nową umiejętność, zanim jej użyje. Umiejętność, którą znalazł, trafia do użytku dopiero po przejściu kontroli, a do tego czasu praca toczy się jak dotąd. Skrót, który akurat raz zadziałał, to za mało. Do twoich systemów i twoich klientów trafia umiejętność, która już pokazała, że działa.
Gdy umiejętność przejdzie kontrolę, jej ponowne użycie nie kosztuje prawie nic. Duplex powtórzył wyuczoną umiejętność w 0.26 ms, bez wywołań modelu, podczas gdy model pracujący w kontekście płaci za przejście rozumowaniem przez każdy krok za każdym razem, gdy zadanie wraca. Jak wszystko, czego uczy się Duplex, umiejętność należy do ciebie i może jej używać każdy agent, któremu na to pozwolisz. Praca taka jak cotygodniowy raport przestaje być czymś, co twoja AI rozpracowuje, a staje się czymś, co robi Duplex.
A każdą umiejętność możesz cofnąć. Procesy się zmieniają, systemy idą w odstawkę, a krok, który był w porządku w zeszłym kwartale, teraz może już nie być. Poproś o usunięcie umiejętności, a Duplex ją usunie i zostawi wszystko inne, czego się nauczył, tak, jak było. W testach każda wyuczona umiejętność została usunięta na żądanie i sprawdzona bit po bicie, więc nic z niej nie zostało.
Tyle trzeba, by pozwolić systemowi uczyć się samodzielnie: granic ustalonych, zanim zacznie, kontroli, zanim użyje czegokolwiek nowego, i możliwości cofnięcia każdej z tych rzeczy. Przy wszystkich trzech praca, którą twój zespół powtarza co tydzień, może stać się umiejętnościami, które Duplex znajduje, testuje i wykonuje w ułamku milisekundy. Twoja AI bierze problemy wymagające rozumowania, twoi ludzie podejmują decyzje wymagające osądu, a twój zespół odzyskuje piątki.
Nowa umiejętność znaleziona przez Duplex jest wstrzymana, dopóki nie przejdzie kontroli.