Google прекратява Gemini Gems: Преход към динамични агентни умения и разширяема архитектура
TechCrunch / Getty Images
Google обяви официално спиране на функцията „Gems“ в своята водеща екосистема Gemini, предприемайки радикален стратегически завой към нова, модулна архитектура от динамични „умения“ (Agent Skills) [1]. Решението отразява осъзнаването на технологичния гигант, че статичните предварително зададени промптове вече не отговарят на изискванията на съвременните корпоративни работни процеси [1].
Функцията Gems, представена като отговор на GPTs на OpenAI, позволяваше на потребителите да създават персонализирани чатботове чрез въвеждане на текстови системни инструкции [1]. Тази концепция обаче бързо се оказа ограничена в сравнение с новото поколение автономни агенти, които изискват директен достъп до софтуерни инструменти, файлови системи и външни API интерфейси [1].
Архитектура на динамичните умения
За разлика от Gems, новата система за умения е проектирана по модела на съвременните среди за агентно програмиране [1]. Всяко „умение“ представлява самодостатъчен пакет, съдържащ структурирани инструкции, JSON схеми за извикване на инструменти, скриптове за изпълнение и правила за валидация [1].
Вместо потребителят ръчно да превключва между различни изолирани чатботове, централният модел Gemini динамично оценява заданието и зарежда необходимите умения в реално време [1]. Например, при искане за сложен пазарен анализ моделът може едновременно да активира умение за финансово моделиране на Python, умение за уеб-търсене и умение за форматиране на доклади, изпълнявайки цялостния цикъл без прекъсване [1].
Сигурност и корпоративна дистрибуция
Новата архитектура въвежда строги граници за сигурност: всяко умение оперира в изолиран пясъчник (sandbox) с изрично дефинирани права за достъп до интернет и локалната памет [1]. Корпоративните клиенти на Google Workspace ще могат да създават вътрешни библиотеки от верифицирани умения, които се споделят централизирано в рамките на организацията [1].
„Ерата на статичните персони приключи. Бъдещето принадлежи на единен мощен интелект, който динамично придобива и комбинира умения според нуждите на задачата“, заявиха продуктови мениджъри на Google [1].
Сривът на илюзията за „персоните“ и победата на софтуерното композиране
Преходът на Google от Gems към Agent Skills бележи триумфа на чистата софтуерна архитектура над първоначалния наивен антропоморфизъм на чатботовете [1]. В ранната фаза на генеративния ИИ маркетинговите отдели на големите лаборатории се опитваха да продават илюзията за „специализирани дигитални експерти“ — създаваха се хиляди еднотипни ботове, които се различаваха само по началния поздрав и краткия системен промпт [1]. Този подход доведе до хаос от нефункционални клонинги, които не можеха реално да решават бизнес проблеми [1].
Въвеждането на парадигмата за динамични умения признава реалността: езиковият модел не е „човек с професия“, а когнитивен компилатор и координатор на софтуерни инструменти [1]. Чрез отделяне на изчислителния разум от конкретните изпълнителни модули се постига композируемост — фундаменталният принцип, върху който е изграден целият съвременен софтуер [1]. Вместо да обучават хиляди специализирани модели, компаниите ще развиват единни гранични ядра, които изпълняват прецизно валидиран код [1]. Тази конвергенция на стандартите превръща изкуствения интелект от любопитен текстов феномен в стандартна индустриална изчислителна платформа [1].
Инфографика: Анализ на Svetni.me
Източници
[1]: Google is killing off Gemini’s Gems in favor of ‘skills’ - TechCrunch