Путь к искусственному суперинтеллекту: как мультиагентные системы учатся работать в команде
Cisco и Outshift представили открытую архитектуру AGNTCY, которая позволяет ИИ-агентам согласовывать цели, обмениваться контекстом и принимать коллективные решения. Разбираемся, почему это приближает распределённый суперинтеллект и что это значит для образования.
Компания Outshift (подразделение Cisco) представила комплексную архитектуру для координации мультиагентных систем — AGNTCY, проект, переданный в Linux Foundation. В основе лежит концепция «Интернета познания» (Internet of Cognition), которая должна решить ключевую проблему современных ИИ-агентов: они не умеют работать как единая команда без участия человека.
Проблема: умные одиночки, слабая команда
Сегодняшние ИИ-агенты способны блестяще выполнять узкие задачи — от анализа симптомов до управления расписанием. Но если несколько таких агентов пытаются решить комплексную проблему вместе, эффективность резко падает. Исследования показывают: уровень отказов в семи открытых мультиагентных системах составляет от 41% до 87%. Причина не в слабости отдельных моделей, а в отсутствии архитектурного слоя, который позволял бы агентам согласовывать цели, обмениваться знаниями и принимать коллективные решения.
«Соединённые агенты хорошо справляются с задачами, которые уже видели и могут разделить на части, — объясняет Виджой Пандей, старший вице-президент Outshift. — Но они не могут удерживать общую цель и рассуждать о чём-то, что ни один из них не был обучен решать». По его словам, разрыв — архитектурный, а не связанный с промптами.
Решение: AGNTCY, Mycelium и CASA
Outshift предлагает трёхуровневую архитектуру, которая превращает разрозненных агентов в коллективный сверхразум.
Первый уровень — слой подключения, «Интернет агентов» (Internet of Agents). Это открытый протокол AGNTCY, переданный в Linux Foundation, который позволяет агентам из разных систем находить друг друга, подтверждать идентичность и обмениваться сообщениями через стандартизированные интерфейсы.
Второй уровень — семантический слой, «Интернет познания». Он включает три компонента:
- Разделение намерений через протоколы состояния познания. Outshift создал открытую систему координации Mycelium, которую организации могут адаптировать для своих агентов. Внутренние тесты показали: без координации агенты достигали согласия только в 33% случаев по 14 сценариям; с протоколом — в 93%.
- Разделение контекста через «ткань познания» (cognition fabric) — общую институциональную память, которая не сбрасывается после каждой сессии. Это решает проблему «организационной амнезии»: знания агентов накапливаются.
- Разделение рассуждений через когнитивные усилители и технологии ограждения (GAT). Человек остаётся в цикле принятия сложных решений, но не как надзиратель, а как активный участник, к которому система обращается за суждениями.
Третий уровень — безопасность. Outshift представил CASA (Continuous Agent Semantic Authorization) — открытую эталонную реализацию, которая контролирует каждое действие агента на соответствие исходной задаче. Если агент, которому поручено обобщить медицинскую запись, пытается запросить всю базу данных, CASA блокирует запрос. «Сегодняшние средства контроля привязаны к роли или сессии, а не к задаче, — поясняет Пандей. — Примерно в 90% случаев агент, получивший доступ к инструменту, может использовать его для любых целей».
Что это значит для образования
Хотя статья фокусируется на здравоохранении, архитектура коллективного интеллекта напрямую применима к образовательным системам. Представьте мультиагентную образовательную платформу: один агент оценивает текущий уровень знаний студента, второй подбирает учебные материалы, третий даёт обратную связь, четвёртый ведёт расписание. Сегодня каждый из них работает изолированно. Слой координации позволит им согласовывать персонализированную траекторию обучения, учитывать историю прогресса и адаптироваться к меняющимся целям студента — без участия преподавателя на каждом шаге.
Критически важно, что AGNTCY и Mycelium — открытые проекты. Это означает, что университеты, EdTech-стартапы и образовательные платформы могут интегрировать их в свои системы, не привязываясь к вендору. Для студентов и абитуриентов это сулит появление действительно интеллектуальных репетиторов, способных не просто отвечать на вопросы, а вести целостное обучение.
Ключевые факты
| Параметр | Значение |
|---|---|
| Проект | AGNTCY (передан в Linux Foundation), Mycelium, CASA |
| Разработчик | Outshift (подразделение Cisco) |
| Тестовые данные | Без координации — 33% согласованности, с координацией — 93% |
| Проблема | Уровень отказов мультиагентных систем — 41–87% |
Ограничения и перспективы
Пока AGNTCY находится на стадии открытого проекта и требует доработки для конкретных образовательных сценариев. Внутренние тесты Outshift проводились на 14 контролируемых сценариях, и реальная эффективность в масштабе ещё не подтверждена. Кроме того, авторы предупреждают о новых рисках: непреднамеренные делегирования, вредоносные инъекции в память агентов, а также возможность перепривилегированных агентов, получающих доступ к данным за пределами своих задач. Для образования это особенно чувствительно из-за персональных данных учащихся.
Тем не менее, направление выбрано верно: следующий шаг в развитии ИИ — не наращивание мощности отдельных моделей, а создание инфраструктуры для их коллективной работы. Как отмечает Пандей, «агенты находятся на том же пороге, что и люди 70 000 лет назад — когда научились делиться намерениями, накапливать знания и рассуждать сообща, разрозненные индивиды превратились в цивилизацию».
Источник: MIT Technology Review — «The path to artificial superintelligence» (https://www.technologyreview.com/2026/07/27/1140724/the-path-to-artificial-superintelligence/)
Связанные рубрики и темы
Если тема нужна для работы или подготовки, начните с ближайших разделов и инструментов.
