Az ember és a mesterséges intelligencia kapcsolata egyre szorosabbá válik, és a határok a digitális és a fizikai világ között egyre inkább elmosódnak. De vajon képesek lehetnek-e a legfejlettebb AI modellek, mint például a Claude, robotokat irányítani és komplex, valós fizikai feladatokat végrehajtani? Az Anthropic kutatói erre a kérdésre keresték a választ egy izgalmas kísérlet segítségével, amelyben robotkutyákat programoztak meg úgy, hogy azok képesek legyenek autonóm módon labdát hozni. Az eredmények nemcsak a mesterséges intelligencia jelenlegi képességeit, hanem a jövőbeni lehetőségeket is jól mutatják. A Project Fetch kísérlet részletei A Project Fetch során nyolc Anthropic kutatót osztottak véletlenszerűen két csapatba: az egyik csapat használhatta Claude mesterséges intelligencia asszisztensét, míg a…

Az Anthropic kutatócsapata nemrégiben egy izgalmas kísérletet végzett, amelyben az élvonalbeli Claude mesterséges intelligencia modellt egy robotkutyával való együttműködés során tesztelték. A cél az volt, hogy kiderüljön, milyen mértékben tudja az AI támogatni a nem robotikai szakértőkből álló csapatokat a fizikai világban végzett összetett feladatok elvégzésében. A kísérlet során a résztvevőknek egy négylábú robot segítségével kellett különböző nehézségű feladatokat megoldaniuk, miközben az egyik csapat hozzáfért Claude-hoz, a másik viszont nem. A robotika és az AI kapcsolódási pontjai A mesterséges intelligencia fejlődése egyre inkább abba az irányba mutat, hogy a digitális világ határait átlépve a fizikai környezetben is képes legyen tevékenykedni. Bár az AI-ügynökök (agents) egyelőre főként szoftveres tevékenységekre, például kódírásra…

Az egyre fejlettebb mesterséges intelligencia (AI) ügynököktől egyre gyakrabban várják el, hogy hosszabb időtartamú, összetett feladatokat is képesek legyenek önállóan megoldani. Ezek a projektek akár órákon vagy napokon át is tarthatnak, ám a folyamatos, konzisztens előrehaladás biztosítása több kontextusablakon keresztül még mindig kihívást jelent. A legnagyobb nehézség, hogy az AI ügynökök különálló munkamenetekben dolgoznak, és minden új munkamenet tiszta lappal indul, azaz nem emlékeznek az előzőekre. Képzeljük el úgy a fejlesztést, mintha egy szoftvercsapat tagjai váltott műszakban dolgoznának: minden új mérnök a nulláról kezdi a munkát, nem látja, mi történt az előző műszakban. Ez a helyzet különösen bonyolult, ha a rendelkezésre álló kontextusablak korlátozott, miközben a projekt nem fejezhető be…