Συνεντεύξεις

Brad Wardell, ιδρυτής και διευθύνων σύμβουλος της Clairvoyance AI – Σειρά συνεντεύξεων

Antoine Tardif
Προσθέστε το Unite.AI στις προτιμώμενες πηγές σας στο Google
Brad Wardell, Founder and CEO of Clairvoyance AI
Βασικά σημείαΟ Γουόρντελ υποστηρίζει ότι η δρομολόγηση της εργασίας μεταξύ τοπικού υλικού και υλικού…
Δείτε περισσότερα
  • Ο Γουόρντελ υποστηρίζει ότι η δρομολόγηση της εργασίας μεταξύ τοπικού υλικού και υλικού cloud έχει μεγαλύτερη σημασία από το ακατέργαστο μέγεθος του μοντέλου.
  • Η Clairvoyance αποθηκεύει τις μνήμες των πρακτόρων σε έναν γράφο, ώστε οι ενημερώσεις να διαδίδονται και να παραμένουν επίκαιρες.
  • Ο Γουόρντελ προβλέπει ότι το 90 έως 95% της εργασίας τεχνητής νοημοσύνης θα εκτελείται τοπικά εντός 18 μηνών.

Ο Brad Wardell είναι ιδρυτής και διευθύνων σύμβουλος της Clairvoyance AI, καθώς και ιδρυτής και διευθύνων σύμβουλος της Stardock. Εδώ και περισσότερες από τρεις δεκαετίες αναπτύσσει λογισμικό για επιτραπέζιους υπολογιστές και παιχνίδια στρατηγικής, μεταξύ των οποίων προϊόντα όπως τα Fences και Galactic Civilizations. Η ενασχόλησή του με τις διαδικασίες ανάπτυξης παιχνιδιών, τα δημιουργικά αρχεία και τις καθημερινές επιχειρηματικές αναφορές διαμόρφωσε το ενδιαφέρον του για επίμονους πράκτορες τεχνητής νοημοσύνης που μπορούν να εργάζονται απευθείας με τοπικά αρχεία και εφαρμογές.

Η Clairvoyance AI αναπτύσσει έναν χώρο εργασίας με επώνυμα στελέχη τεχνητής νοημοσύνης, στα οποία ανατίθενται διαρκείς εργασίες και τα οποία διαθέτουν μνήμη. Συνδέει τοπικά αρχεία και εργαλεία ανάπτυξης με υπηρεσίες στο νέφος και μοντέλα που εκτελούνται στο υλικό του ίδιου του χρήστη. Η εταιρεία δημιουργήθηκε αρχικά στο πλαίσιο της Stardock και υποστηρίζει ροές εργασίας που παράγουν επαναχρησιμοποιήσιμες σημειώσεις, αναφορές και άλλα παραδοτέα. Σε αυτή τη συνέντευξη, ο Wardell συζητά πώς επηρέασε το προϊόν η ανάπτυξη παιχνιδιών, ποια θέση έχουν τα τοπικά μοντέλα στην καθημερινή εργασία και ποιους μηχανισμούς δρομολόγησης, μνήμης και ελέγχου δικαιωμάτων χρειάζονται οι πράκτορες για να είναι χρήσιμοι.

Εδώ και περισσότερες από τρεις δεκαετίες αναπτύσσετε λογισμικό για επιτραπέζιους υπολογιστές και παιχνίδια στρατηγικής στη Stardock, μεταξύ των οποίων προϊόντα όπως τα Fences και Galactic Civilizations. Ποιο πρόβλημα στη δική σας επιχείρηση σάς ώθησε να δημιουργήσετε την Clairvoyance AI και πότε συνειδητοποιήσατε ότι θα μπορούσε να γίνει μια αυτόνομη εταιρεία;

Το βασικό πρόβλημα ήταν το Ara: History Untold, την ολοκλήρωση του οποίου βοήθησε η Stardock μαζί με τη Microsoft και την Oxide Games. Χανόταν πάρα πολύς χρόνος μόνο και μόνο για να μεταφερθούν τα δημιουργικά αρχεία στο παιχνίδι. Τα κείμενα παραδίδονταν ως αρχεία .DOCX, τα οποία έπρεπε να μετατρέπονται σχολαστικά με το χέρι σε XML ή CSV. Τα τρισδιάστατα αρχεία έπρεπε να εισάγονται προσεκτικά στη μηχανή μας. Μια και μόνο αλλαγή στην ισορροπία του παιχνιδιού απαιτούσε παρεμβάσεις σε δώδεκα διαφορετικά αρχεία. Για την τοπική προσαρμογή, έπρεπε να αντιστοιχίζουμε με το χέρι τις μεταφρασμένες συμβολοσειρές με τα σωστά κλειδιά στα σωστά αρχεία. Η Clairvoyance AI έκανε όλα αυτά πανεύκολα και μας επέτρεψε να κυκλοφορήσουμε το παιχνίδι εγκαίρως.

Στα τέλη του 2025, συζητούσαμε εσωτερικά αν έπρεπε καν να το διαθέσουμε στο κοινό. Αποτελούσε πραγματικό ανταγωνιστικό πλεονέκτημα, σαν να είχαμε στη διάθεσή μας κάτι σαν υπερσύνολο του OpenClaw έναν χρόνο νωρίτερα. Αυτό που μας ώθησε να το διαθέσουμε δημόσια ήταν ότι βλέπαμε φίλους και συναδέλφους να χάνουν τις δουλειές τους λόγω αυτοματοποίησης με τεχνητή νοημοσύνη, δουλειές που θα μπορούσαν να είχαν κρατήσει αν διέθεταν καλύτερα εργαλεία. Τότε ήταν που αποφασίσαμε ότι θέλαμε να ανοίξουμε την Clairvoyance AI στο κοινό.

Έχετε υποστηρίξει ότι πολλά εργαλεία πρακτόρων τεχνητής νοημοσύνης μαρτυρούν έλλειψη εμπειρίας στην κυκλοφορία λογισμικού για καταναλωτές. Ποια λάθη βλέπετε συχνότερα και ποια διδάγματα από τη δική σας σταδιοδρομία θα έπρεπε να εφαρμόζουν οι δημιουργοί τεχνητής νοημοσύνης;

Το πιο χαρακτηριστικό σημάδι είναι η ορολογία. Αν δεν γνωρίζετε ήδη τους όρους, όπως το «glyph» για το μικρό γραφικό σε ένα κουμπί, βρίσκεστε σε πραγματικά μειονεκτική θέση όταν συνομιλείτε με μια τεχνητή νοημοσύνη, επειδή έχει εκπαιδευτεί με βάση ανθρώπους που γνωρίζουν ήδη την ορολογία. Οι περισσότερες ομάδες που αναπτύσσουν αυτά τα εργαλεία αποτελούνται από πολύ έξυπνους, αλλά πολύ νέους ανθρώπους, και αυτό φαίνεται στις επιλογές που αφορούν την ευχρηστία. Χαρακτηριστικό παράδειγμα είναι όταν η Anthropic πρόσθεσε τη δυνατότητα μεταφοράς κειμένου με σύρσιμο από μια συνεδρία τερματικού σε άλλη· αυτό συγκέντρωσε εκατομμύρια προβολές. Εμείς είχαμε ήδη πράκτορες στους οποίους μπορείς απλώς να κάνεις αναφορά με το @ και το όνομά τους, ώστε να τους αναθέσεις αυτόματα μια εργασία, χωρίς να χρειάζεται να σύρεις τίποτα. Το δικό τους εργαλείο απαιτεί από τον χρήστη να κάνει τη δουλειά που θα έπρεπε να κάνει η τεχνητή νοημοσύνη.

Το δίδαγμα από 30 χρόνια κυκλοφορίας λογισμικού για επιτραπέζιους υπολογιστές είναι ότι πρέπει να χρησιμοποιείς πραγματικά το προϊόν που αναπτύσσεις, κάθε μέρα και με πραγματικές προθεσμίες, προτού το δει οποιοσδήποτε εκτός της εταιρείας. Πολλά προϊόντα τεχνητής νοημοσύνης δίνουν την εντύπωση ότι έχουν δημιουργηθεί από ανθρώπους που δεν χρειάστηκε ποτέ να χρησιμοποιήσουν οι ίδιοι το λογισμικό τους στην καθημερινότητά τους.

Περιγράφετε την επόμενη φάση της τεχνητής νοημοσύνης ως πρόβλημα δρομολόγησης: να αποφασίζεται τι εκτελείται σε μια συσκευή, σε ένα τοπικό δίκτυο ή στο νέφος. Θα μπορούσατε να μας παρουσιάσετε μια πραγματική ροή εργασίας και να εξηγήσετε πώς πρέπει να λαμβάνονται αυτές οι αποφάσεις;

Η δρομολόγηση δεν είναι πλέον πραγματικά απόφαση του κάθε ατόμου· γίνεται απόφαση σε επίπεδο εταιρείας. Σύντομα θα κυκλοφορήσουμε μια λειτουργία με την ονομασία Hivemind, η οποία κάνει αυτή την ιδέα πράξη. Οι περισσότερες μεγάλες επιχειρήσεις διαθέτουν ήδη πολλά ισχυρά μηχανήματα που μένουν αδρανή κάθε βράδυ. Η Hivemind επιτρέπει σε μια εταιρεία να συγκεντρώνει τις αδρανείς GPU των δικών της μηχανημάτων, ώστε οποιοσδήποτε στην ομάδα να μπορεί να εκτελεί εκεί εργασίες τεχνητής νοημοσύνης αντί να τις στέλνει στο νέφος. Αν παρακολουθείτε δεκάδες χιλιάδες αποστολές σε μια εφοδιαστική αλυσίδα ή ελέγχετε πού πήγαν τα χρήματα μιας εταιρείας, δεν χρειάζεστε ένα πρωτοποριακό μοντέλο στο νέφος. Χρειάζεστε επαρκή υπολογιστική ισχύ, και οι περισσότερες εταιρείες διαθέτουν ήδη τέτοια ισχύ που μένει ανεκμετάλλευτη εκτός ωραρίου.

Σε ατομικό επίπεδο ισχύει η ίδια λογική, απλώς σε μικρότερη κλίμακα. Κάθε βράδυ εκτελώ πίνακες ελέγχου, αναφορές σφαλμάτων, αναφορές συναισθήματος και δεδομένα πωλήσεων σε τοπικό μοντέλο αντί για μοντέλο στο νέφος. Παλαιότερα εκτελούσα τον ίδιο φόρτο εργασίας μέσω του Claude και το κόστος έφτανε περίπου τα 100 δολάρια τον μήνα σε διακριτικά. Τώρα εκτελείται δωρεάν όλη τη νύχτα σε υλικό που ήδη διαθέτω, και διαβάζω τα αποτελέσματα το πρωί.

Επομένως, το πραγματικό δίλημμα δεν είναι «τοπικά ή στο νέφος», αλλά «πρέπει να γίνει αυτό ενώ κάποιος κοιτάζει την οθόνη και διαθέτει ήδη η εταιρεία το υλικό για να το εκτελέσει χωρίς να πληρώνει ανά διακριτικό;».

Πιστεύετε ότι ένα σημαντικό μέρος των καθημερινών εργασιών με πράκτορες μπορεί ήδη να εκτελεστεί σε τοπικό υλικό. Με ποιες εργασίες το έχετε αποδείξει, σε τι υλικό, και πώς μετράτε την επιτυχία πέρα από το αν ένα μοντέλο δίνει μια απάντηση που φαίνεται εύλογη;

Έχουμε σημειώσει μεγάλη επιτυχία χρησιμοποιώντας τοπική ΤΝ για την προσθήκη μεταδεδομένων στα αρχεία μας. Όπως πολλές εταιρείες, έχουμε terabyte δεδομένων στο δίκτυό μας. Η Stardock αναπτύσσει τόσο λογισμικό όσο και παιχνίδια και, στον τομέα των παιχνιδιών, διαθέτει δεκαετίες τρισδιάστατων και δισδιάστατων εικαστικών στοιχείων, βίντεο, υλικού εργασίας κ.λπ.

Στην εταιρεία διαθέτουμε αρκετές καλές κάρτες γραφικών της AMD και της NVIDIA. Έχουμε διαπιστώσει ότι μοντέλα με 8B έως 12B παραμέτρους υπεραρκούν για όλα όσα χρειαζόμαστε και μπορούν να λειτουργήσουν ακόμη και σε σχετικά παλαιότερο εξοπλισμό. Αυτήν τη στιγμή, έχουμε έναν φορητό υπολογιστή με Qualcomm Snapdragon X2 που εκτελεί μέρος αυτής της εργασίας στο παρασκήνιο, τις βραδινές ώρες.

Η τοπική ΤΝ είναι πολύ καλή στο να επεξεργάζεται αργά και να εξετάζει αυτά τα αρχεία, προσθέτοντάς τους μεταδεδομένα, ώστε να μπορούμε να αναζητήσουμε και να εντοπίσουμε γρήγορα ό,τι χρειαζόμαστε. Έτσι, ανακαλύψαμε ότι έχουμε 16 διαφορετικά τρισδιάστατα μοντέλα λύκων. Αχ.

Τι θα πρέπει να οδηγεί στη μετάβαση από ένα μικρότερο τοπικό μοντέλο σε ένα ικανότερο μοντέλο στο νέφος; Πώς εντοπίζετε ότι το τοπικό μοντέλο δυσκολεύεται, προτού κάνει κάποιο λάθος με σοβαρές συνέπειες;

Προς το παρόν, οτιδήποτε απαιτεί κρίση χωρίς σαφώς καθορισμένα όρια θα πρέπει μάλλον να ανατίθεται σε μοντέλο στο νέφος. Τα μοντέλα αιχμής έχουν αντιμετωπίσει σε μεγάλο βαθμό τις παραισθήσεις. Όταν χρησιμοποιείτε μικρότερα (τοπικά) μοντέλα, οι παραισθήσεις επανεμφανίζονται. Γι’ αυτό, στα τοπικά μοντέλα χρειάζεται συνήθως να εφαρμόζουμε πολλές δικλίδες ασφαλείας.

Το Clairvoyance οργανώνει τους πράκτορες ως στελέχη ΤΝ με μόνιμη μνήμη και συνεχιζόμενες αναθέσεις. Τι έχετε μάθει για τη διατήρηση χρήσιμου πλαισίου πληροφοριών με την πάροδο του χρόνου, χωρίς να συσσωρεύονται παρωχημένες οδηγίες, εσφαλμένες παραδοχές ή αντικρουόμενες μνήμες;

Στο παρασκήνιο, το Clairvoyance αποθηκεύει τις μνήμες του σε μια δομή γράφου, έτσι ώστε όταν ενημερώνεται ένα στοιχείο, να ενεργοποιούνται συνήθως αναδρομικά ενημερώσεις και σε άλλους κόμβους. Αυτό βοηθά να διατηρούνται οι μνήμες οργανωμένες και ενημερωμένες.

Η πρόκληση ήταν να αποτρέψουμε την άπειρη αναδρομή, κάτι που απαίτησε πολλούς πειραματισμούς και δοκιμές τα τελευταία δύο χρόνια.

Η πρόσβαση των πρακτόρων σε αρχεία, εφαρμογές και εργαλεία ανάπτυξης τούς καθιστά πιο χρήσιμους, αλλά αυξάνει και τις συνέπειες των λαθών. Πώς οργανώνετε τα δικαιώματα πρόσβασης, τις εγκρίσεις από ανθρώπους και τη διαδικασία ανάκαμψης όταν ένας πράκτορας κάνει κάτι λάθος;

Το ένα συγκεκριμένο μέτρο που διαθέτουμε είναι η Προστασία αρχείων: το Clairvoyance μπορεί να εμποδίσει τους πράκτορες να διαγράψουν ολόκληρους καταλόγους, με την προστασία να επιβάλλεται σε επίπεδο εφαρμογής και όχι μέσω μηχανισμών που θα μπορούσε να παρακάμψει ένας πράκτορας.

Όταν μια ροή εργασίας συνδυάζει τοπική εκτέλεση με συμπερασμό στο νέφος, ο όρος «πρώτα τοπικά» μπορεί να σημαίνει διαφορετικά πράγματα. Ποιες πληροφορίες φεύγουν από τον υπολογιστή του χρήστη και πώς μπορούν οι χρήστες να κατανοήσουν και να ελέγξουν αυτό το όριο;

Η ασφάλεια στο νέφος αφορά την αποτροπή πρόσβασης τρίτων. Δεν απαντά στο ερώτημα αν ο πάροχος του μοντέλου θα πρέπει εξαρχής να έχει πρόσβαση στα εταιρικά σας απόρρητα. Το Clairvoyance έχει σχεδιαστεί με προτεραιότητα την τοπική λειτουργία: οι σημειώσεις, τα έργα και η μνήμη του προσωπικού σας παραμένουν στον δικό σας υπολογιστή. Εσείς αποφασίζετε τι αποστέλλεται σε ένα μοντέλο στο νέφος, ξεχωριστά για κάθε μέλος του προσωπικού, και όχι μέσω μιας γενικής ρύθμισης. Αν εκτελέσετε ένα τοπικό μοντέλο, δεν χρειάζεται να φύγει τίποτα από τον εξοπλισμό σας. Το ακούμε απευθείας από εταιρικούς πελάτες, οι οποίοι είναι δυσαρεστημένοι επειδή πρέπει να ανεβάζουν ολόκληρες εμπιστευτικές ροές εργασίας στην Anthropic ή την OpenAI μόνο και μόνο για να κάνουν τη δουλειά τους.

Το Clairvoyance έχει πάνω από 40.000 χρήστες. Τι έχετε μάθει από τον τρόπο με τον οποίο χρησιμοποιούν στην πράξη το Clairvoyance και μπορείτε να αναφέρετε ένα μετρήσιμο παράδειγμα επαναλαμβανόμενης ροής εργασίας που έχει προσφέρει διαρκή αξία;

Το ποσοστό διατήρησης χρηστών εξαρτάται σε μεγάλο βαθμό από τον όγκο των δεδομένων που δημιουργεί ο χρήστης κατά τις συνεδρίες του.

Οι περισσότεροι χρήστες ΤΝ δεν έχουν ακόμη φτάσει στο σημείο να αξιοποιούν τα δεδομένα που παράγει η ΤΝ για να αναπτύξουν περαιτέρω το έργο τους. Οι περισσότεροι εξακολουθούν να σκέφτονται με όρους προτροπών. Οι χρήστες που παραμένουν στο Clairvoyance είναι εκείνοι που δημιουργούν πολλά Τεκμήρια και Αναφορές, τα οποία με τη σειρά τους αποτελούν τη βάση για περαιτέρω εργασία.

Κοιτάζοντας έναν χρόνο μπροστά, ποιες εξελίξεις θα διεύρυναν περισσότερο το εύρος των εργασιών που μπορούν να αναλαμβάνουν αξιόπιστα οι πράκτορες τοπικά; Τι θα έπρεπε να συμβεί για να αναθεωρήσετε την άποψή σας ότι η δρομολόγηση έχει μεγαλύτερη σημασία από το μέγεθος του μοντέλου;

Πιστεύω ότι μέσα σε 18 μήνες, το 90 έως 95% της εργασίας ΤΝ θα εκτελείται τοπικά, ενώ ίσως το 5% θα χρειάζεται το νέφος για εργασίες αιχμής. Αυτό οφείλεται κυρίως στο ότι προς το παρόν σχεδόν τίποτα δεν ανατίθεται στην ΤΝ: ακόμη και απλές εργασίες, όπως ο έλεγχος της τοποθεσίας στα βιογραφικά ή η επαλήθευση του χρόνου αποστολής, εξακολουθούν να γίνονται χειροκίνητα, παρόλο που ένα μοντέλο 4B μπορεί ήδη να τις εκτελέσει σε φορητό υπολογιστή. Αυτό θα διευρυνθεί με τη συγκεντρωτική υπολογιστική ισχύ τύπου Hivemind (ώστε οι αχρησιμοποίητες GPU μιας εταιρείας να είναι διαθέσιμες σε όλους στον εταιρικό της τομέα) και με τη βελτίωση της δρομολόγησης σε τέτοιο βαθμό, ώστε να μη χρειάζεται κανείς να ξέρει καν τι είναι ένα μοντέλο 4B ή ένα Opus.

Σας ευχαριστούμε για την εξαιρετική συνέντευξη. Οι αναγνώστες που θέλουν να δοκιμάσουν μια εφαρμογή για υπολογιστές, με την οποία μπορούν να διαχειρίζονται μόνιμους πράκτορες ΤΝ σε όλους τους υπολογιστές τους, μπορούν να επισκεφθούν το Clairvoyance AI.

Ο Antoine είναι ένας οραματιστής ηγέτης και ιδρυτικός εταίρος της Unite.AI, με αμείωτο πάθος για τη διαμόρφωση και την προώθηση του μέλλοντος της τεχνητής νοημοσύνης και της ρομποτικής. Έχοντας ιδρύσει πολλές επιχειρήσεις, πιστεύει ότι η τεχνητή νοημοσύνη θα μεταμορφώσει την κοινωνία όσο και ο ηλεκτρισμός και συχνά μιλά με ενθουσιασμό για τις δυνατότητες των ανατρεπτικών τεχνολογιών και της τεχνητής γενικής νοημοσύνης (AGI).

Ως μελλοντολόγος, είναι αφοσιωμένος στη διερεύνηση του τρόπου με τον οποίο αυτές οι καινοτομίες θα διαμορφώσουν τον κόσμο μας. Επιπλέον, είναι ιδρυτής του Securities.io, μιας πλατφόρμας που εστιάζει στις επενδύσεις σε τεχνολογίες αιχμής οι οποίες επαναπροσδιορίζουν το μέλλον και μεταμορφώνουν ολόκληρους κλάδους.