Эндрю Нг: Состояние ИИ-агентов | Интервью LangChain

Ссылка на интервью: https://www.youtube.com/watch?v=4pYzYmSdSH4

Введение

Ведущий представляет Эндрю Нга, отмечая его вклад в развитие LangChain и образовательные курсы по глубокому обучению. Эндрю Нг был одним из первых, кто поддержал LangChain, пригласив команду создать курс на платформе DeepLearning.AI.

Агентность vs Агенты

Ведущий: Вы часто говорите об "агентности" приложений, а не о том, является ли что-то агентом. Можете пояснить эту концепцию?

Эндрю Нг: Около полутора лет назад я заметил, что люди тратят много времени на споры о том, что является агентом, а что нет. Вместо этого я предложил рассматривать различные степени агентности - от небольшой автономии до высокой автономии. Это позволяет сосредоточиться на создании систем, а не на терминологических спорах.

Текущее состояние разработки агентов

Эндрю Нг: Моя команда регулярно использует LangGraph для решения сложных задач. Однако я вижу множество бизнес-возможностей в довольно линейных рабочих процессах или линейных с небольшими ответвлениями.

Многие бизнес-процессы включают:

• Просмотр форм на веб-сайтах
• Веб-поиск
• Проверка баз данных на соответствие требованиям
• Копирование и вставка данных между формами

Основная проблема заключается в том, что предприятиям все еще сложно понять, как превратить существующие процессы в агентные рабочие потоки.

Ключевые навыки для разработчиков агентов

Эндрю Нг выделяет несколько критически важных навыков:

1. Система оценки (Evals)

• Многие команды слишком долго полагаются только на человеческую оценку
• Важно быстро внедрять автоматизированные системы оценки
• Начинать можно с простых eval'ов, которые можно создать за 20 минут
• Постепенно улучшать их качество

2. Тактические знания

• Умение быстро принимать решения о том, что делать дальше в проекте
• Понимание, когда прекратить работу над компонентом, который не может быть исправлен
• Опытные команды знают, когда найти обходной путь вместо попыток исправить проблемный компонент

Недооцененные инструменты и технологии

Голосовые приложения

Эндрю Нг особенно выделяет голосовой стек:

• Видит большой интерес со стороны крупных предприятий
• Голосовой ввод менее пугающий для пользователей, чем текстовые промпты
• Люди более склонны к спонтанному общению голосом
• Основная проблема - латентность (желательно менее 500 мс, максимум 1 секунда)

Решения для латентности:

• Использование "пре-ответов" (например, "Хм, это интересно" или "Дайте подумать")
• Фоновые звуки контакт-центра вместо полной тишины

Программирование с ИИ-помощниками

• Все сотрудники AI Fund, включая администратора и юрисконсульта, умеют программировать
• Это повышает продуктивность в различных профессиональных функциях
• Рекомендует всем изучить хотя бы один язык программирования (например, Python)

MCP (Model Context Protocol)

Эндрю Нг положительно оценивает MCP:

• Заполняет важный пробел на рынке
• Стандартизирует интерфейсы для инструментов и источников данных
• Сокращает время, затрачиваемое на "сантехнику" интеграций

Текущие проблемы MCP:

• Многие MCP-серверы в интернете не работают
• Проблемы с аутентификацией
• Нужны механизмы иерархического обнаружения для больших API

Мульти-агентные системы

Эндрю Нг считает эту область очень ранней:

• Сложно заставить работать даже одного агента
• Успешные примеры в основном когда одна команда создает несколько агентов
• Мало примеров успешного взаимодействия агентов от разных команд

"Vibe Coding" и ИИ-помощники в программировании

Эндрю Нг не любит термин "vibe coding":

• Название вводит в заблуждение - это глубоко интеллектуальная деятельность
• Программирование с ИИ-помощниками очень утомительно
• Позволяет писать код на языках, которыми владеешь хуже (например, JavaScript для Python-разработчика)

Важность обучения программированию:

• Критикует советы не изучать программирование из-за ИИ
• История показывает: когда программирование становится проще, больше людей начинают программировать
• Понимание работы компьютера помогает более точно инструктировать ИИ

Советы для стартапов

Два главных предиктора успеха стартапа:

1. Скорость выполнения

• Самый важный фактор успеха
• Опытные команды работают намного быстрее, чем многие могут представить

2. Технические знания

• Самый редкий ресурс
• Знания о маркетинге и продажах более распространены
• Технологии развиваются так быстро, что глубокие технические знания критически важны

AI Fund работает исключительно с глубоко техническими людьми, которые понимают, как ускорить разработку в два раза.

Заключение

Эндрю Нг подчеркивает, что область ИИ-агентов все еще находится на раннем этапе развития, но видит огромный потенциал в автоматизации бизнес-процессов. Ключ к успеху - сочетание технической экспертизы, правильных инструментов оценки и способности быстро итерировать и принимать решения.