- Eine neuartige Agententechnologie namens Asimov analysiert Unternehmensdaten, um zu verstehen, wie ein finales Softwareprodukt entsteht. Reflection, das Start-up hinter Asimov, wurde von führenden KI-Forschern aus Google gegründet und hat das Ziel, eine superintelligente KI zu entwickeln. Asimov ist darauf ausgelegt, durch das intensive Lesen von Code und Dokumenten nutzbringend im Team zu arbeiten, indem mehrere kleinere Agenten Informationen sammeln und ein größerer Agent diese kombiniert. Reflection behauptet, dass Asimov in einigen Bereichen führende KI-Tools übertrifft, basierend auf Präferenzen von Entwicklern großer Open-Source-Projekte. Der multiagenten Ansatz von Reflection zielt darauf ab, Berechnungskosten zu reduzieren und ein sichereres Umfeld im Vergleich zu herkömmlichen SaaS-Tools zu bieten.
Eine neuartige Agententechnologie könnte zukünftig die Entwicklung von Software revolutionieren, indem sie Unternehmensdaten analysiert und lernt, wie aus ihnen ein finales Produkt entsteht. Dieser Agent, bekannt als Asimov, wurde von Reflection entwickelt, einem aufstrebenden Start-up, das von führenden KI-Forschern aus Google gegründet wurde. Asimov beschäftigt sich intensiv mit Code, E-Mails, Slack-Nachrichten, Projektaktualisierungen und anderen Dokumentationen, um zu verstehen, wie all diese Informationen zusammenwirken, um ein fertiges Softwareprodukt zu erstellen.
Eine Vision von Superintelligenz
Reflections ultimatives Ziel ist es, eine superintelligente KI zu entwickeln, ein Ziel, das auch andere führende KI-Labore verfolgen. Meta, zum Beispiel, hat kürzlich ein neues Labor für Superintelligenz ins Leben gerufen. Ich besuchte die Büros von Reflection im New Yorker Stadtteil Williamsburg, um zu erfahren, wie Reflection plant, die Konkurrenz in Sachen Superintelligenz zu überholen. Misha Laskin, CEO des Unternehmens, erklärt, dass der effektivste Weg, supersmarte KI-Agenten zu entwickeln, darin besteht, dass sie das Programmieren vollständig beherrschen, da dies der einfachste und natürlichste Weg sei, mit der Welt zu interagieren.
Während andere Unternehmen Agenten entwickeln, die mit menschlichen Benutzeroberflächen arbeiten, betont Laskin, der zuvor an Gemini und Agenten bei Google DeepMind gearbeitet hat, dass dies kaum der natürliche Umgang eines großen Sprachmodells mit dem Umfeld sei. Er fügt hinzu, dass das Lernen von Softwareentwicklung durch KI zu nützlicheren Programmierassistenten führen werde.
Funktionales Teamwork in der KI
Asimov ist darauf ausgelegt, mehr Zeit mit dem Lesen als mit dem Schreiben von Code zu verbringen. Viele fokussieren sich auf die Generierung von Code, so Laskin, doch die Frage, wie Agenten in einem Team wirklich nutzbringend eingesetzt werden können, sei noch nicht gelöst. Derzeit befinden wir uns in einer Phase, in der Agenten erst langsam beginnen, autonom zu arbeiten. Asimov besteht tatsächlich aus mehreren kleineren Agenten, die zusammenarbeiten, um Code zu verstehen und Nutzeranfragen zu beantworten. Diese kleineren Agenten sammeln Informationen, während ein größerer Agent diese Informationen zu einer kohärenten Antwort verbindet.
Reflection behauptet, dass Asimov in einigen Bereichen einige der führenden KI-Tools übertrifft. Eine Umfrage zeigte, dass Entwickler von großen Open-Source-Projekten die Antworten von Asimov in 82 Prozent der Fälle bevorzugten, während die Konkurrenz bei nur 63 Prozent lag.
Ausblick auf Potenziale und Herausforderungen
Daniel Jackson vom Massachusetts Institute of Technology hält Reflections Ansatz für vielversprechend, weist jedoch darauf hin, dass die Vorteile sich erst zeigen müssen. Er warnt vor möglichen zusätzlichen Kosten und Sicherheitsproblemen durch die breite Datenverarbeitung. Reflection zufolge sorgt der multiagenten Ansatz jedoch dafür, die Berechnungskosten zu reduzieren, während ein sicheres Umfeld mehr Sicherheit bietet als herkömmliche SaaS-Tools.
In New York habe ich mich mit Ioannis Antonoglou, CTO von Reflection und Experte für KI-Modell-Training, getroffen. Seine Kenntnisse im Bereich von Verstärkungslernen werden genutzt, um Modelle zu trainieren, die nicht nur Spiele auf übermenschlichem Niveau spielen, sondern auch Code schreiben und andere Aufgaben ausführen. Asimov nutzt zurzeit Open-Source-Modelle, doch Reflection setzt auf Verstärkungslernen, um maßgeschneiderte Modelle zu trainieren, die effizienter performen. Anstatt zu lernen, Spiele wie Go zu meistern, lernt das Modell, Software zu entwickeln.
Zukünftige Entwicklungen und Möglichkeiten
Stephanie Zhan von Sequoia, ein Investor von Reflection, sieht die Firma auf Augenhöhe mit führenden Forschungslaboren. Doch trotz des Ziels, Superintelligenz zu entwickeln, und obwohl Unternehmen wie Meta hohe Summen in die Forschung investieren, stehen Start-ups wie Reflection vor Herausforderungen. Die Leiter von Reflection glauben, dass ein immer intelligenterer Agent eines Tages ein Wissensorakel sein könnte, das autonom Software erstellt und repariert, sowie neue Algorithmen und Produkte erfindet. Ein unmittelbarer Schritt könnte jedoch weniger ambitioniert ausfallen. Reflection hat bereits Gespräche mit Kunden geführt, die den Agenten im technischen Vertrieb oder Support einsetzen möchten.
