Odkrywanie Manus AI: hybrydowe podejście do autonomicznych agentów

Jak tylko pył zaczyna opadać na DeepSeek, kolejny przełom chińskiego startupu wstrząsnął internetem. Tym razem nie jest to model generatywny AI, ale w pełni autonomiczny agent AI, Manus, uruchomiony przez chińską firmę Monica 6 marca 2025 r. W przeciwieństwie do modeli generatywnych AI, takich jak ChatGPT i DeepSeek, które po prostu reagują na polecenia, Manus jest zaprojektowany do pracy niezależnie, podejmowania decyzji, wykonywania zadań i generowania wyników z minimalnym udziałem ludzi. Ten rozwój sygnalizuje zmianę paradygmatu w rozwoju AI, przechodząc od modeli reaktywnych do w pełni autonomicznych agentów. Artykuł ten eksploruje architekturę Manus AI, jego mocne i słabe strony oraz potencjalny wpływ na przyszłość autonomicznych systemów AI.

Badanie Manus AI: hybrydowe podejście do autonomicznych agentów

Nazwa “Manus” pochodzi od łacińskiego wyrażenia Mens et Manus, co oznacza Umysł i Ręka. Ta nazwa idealnie opisuje podwójne zdolności Manus do myślenia (przetwarzania złożonych informacji i podejmowania decyzji) i działania (wykonywania zadań i generowania wyników). Do myślenia Manus opiera się na dużych modelach językowych (LLM), a do działania integruje LLM z tradycyjnymi narzędziami automatyzacji.

Manus stosuje neuro-symboliczne podejście do wykonania zadań. W tym podejściu wykorzystuje LLM, w tym Anthropic’s Claude 3.5 Sonnet i Alibaba’s Qwen, do interpretacji poleceń języka naturalnego i generowania planów działania. LLM są uzupełnione o deterministyczne skrypty do przetwarzania danych i operacji systemowych. Na przykład, podczas gdy LLM może wygenerować kod Pythona do analizy zestawu danych, Manus wykonuje ten kod w kontrolowanym środowisku, sprawdza wyniki i dostosowuje parametry, jeśli występują błędy. Ten model hybrydowy balansuje kreatywność AI generatywnej z niezawodnością zaprogramowanych przepływów pracy, umożliwiając mu wykonanie złożonych zadań, takich jak wdrożenie aplikacji internetowych lub automatyzacja interakcji międzyplatformowych.

W swojej istocie Manus AI działa poprzez strukturalną pętlę agenta, która naśladuje procesy podejmowania decyzji przez ludzi. Gdy otrzyma zadanie, najpierw analizuje żądanie, aby zidentyfikować cele i ograniczenia. Następnie wybiera narzędzia z zestawu narzędzi — takie jak web scrapery, procesory danych lub interpretatory kodu — i wykonuje polecenia w bezpiecznym środowisku piaskownicy Linux. Ta piaskownica pozwala Manus na instalację oprogramowania, manipulowanie plikami i interakcję z aplikacjami internetowymi, jednocześnie uniemożliwiając nieautoryzowany dostęp do zewnętrznych systemów. Po każdym działaniu AI ocenia wyniki, iteruje podejście i doskonali wyniki, aż zadanie spełni określone kryteria sukcesu.

Architektura agenta i środowisko

Jedną z kluczowych cech Manus jest jego architektura wieloagentowa. Architektura ta opiera się głównie na centralnym “wykonawcy” agenta, który jest odpowiedzialny za zarządzanie różnymi specjalistycznymi agentami podrzędnymi. Agenci podrzędni są w stanie obsługiwać określone zadania, takie jak przeglądanie internetu, analiza danych lub nawet kodowanie, co pozwala Manus na pracę nad wieloetapowymi problemami bez potrzeby dodatkowej interwencji ludzkiej. Ponadto Manus działa w chmurowym, asynchronicznym środowisku. Użytkownicy mogą przypisać zadania do Manus, a następnie rozłączyć się, wiedząc, że agent będzie nadal pracował w tle, wysyłając wyniki po zakończeniu.

Wydajność i benchmarking

Manus AI już osiągnął znaczący sukces w standardowych testach wydajności. Wykazał wyniki na poziomie stanu techniki w GAIA Benchmark, teście stworzonym przez Meta AI, Hugging Face i AutoGPT w celu oceny wydajności systemów AI agentywnych. Ten test ocenia możliwość AI do logicznego rozumowania, przetwarzania danych multimodalnych i wykonania zadań w świecie rzeczywistym przy użyciu zewnętrznych narzędzi. Wyniki Manus AI w tym teście umieszczają go przed uznanych graczy, takich jak OpenAI’s GPT-4 i modele Google (GOOGL ), ustanawiając go jako jeden z najbardziej zaawansowanych ogólnych agentów AI dostępnych dzisiaj.

Przypadki użycia

Aby zademonstrować praktyczne możliwości Manus AI, deweloperzy zaprezentowali serię imponujących przypadków użycia podczas jego uruchomienia. W jednym z takich przypadków Manus AI został poproszony o obsługę procesu rekrutacji. Gdy otrzymał kolekcję CV, Manus nie tylko posortował je według słów kluczowych lub kwalifikacji. Poszedł dalej, analizując każde CV, odnosząc umiejętności do trendów na rynku pracy i ostatecznie przedstawiając użytkownikowi szczegółowy raport rekrutacyjny i zoptymalizowaną decyzję. Manus wykonał to zadanie bez potrzeby dodatkowej interwencji lub nadzoru ludzkiego. Ten przypadek pokazuje jego zdolność do obsługi złożonego przepływu pracy w sposób autonomiczny.

Podobnie, gdy poproszono Manus AI o wygenerowanie spersonalizowanego planu podróży, Manus uwzględnił nie tylko preferencje użytkownika, ale także czynniki zewnętrzne, takie jak wzorce pogody, statystyki przestępczości i trendy wynajmu. To poszło poza proste pobieranie danych i odzwierciedlało głębsze zrozumienie niejawnych potrzeb użytkownika, ilustrując zdolność Manus do wykonywania niezależnych, kontekstowo świadomych zadań.

W innym przykładzie Manus został poproszony o napisanie biografii i stworzenie strony internetowej dla pisarza technicznego. W ciągu kilku minut Manus wykorzystał dane z mediów społecznościowych, skomponował kompletną biografię, zaprojektował stronę internetową i wdrożył ją na żywo. Nawet naprawił problemy z hostowaniem w sposób autonomiczny.

W sektorze finansowym Manus został poproszony o wykonanie analizy korelacji cen akcji NVDA (NVIDIA (NVDA )), MRVL (Marvell Technology (MRVL )) i TSM (Taiwan Semiconductor Manufacturing (TSM ) Company) w ciągu ostatnich trzech lat. Manus zaczął od zebrania odpowiednich danych z YahooFinance API. Następnie automatycznie napisał niezbędny kod do analizy i wizualizacji danych cen akcji. Następnie Manus utworzył stronę internetową do wyświetlenia analizy i wizualizacji, generując link do udostępnienia.

Wyzwania i rozważania etyczne

Pomimo imponujących przypadków użycia, Manus AI stoi również przed kilkoma technicznymi i etycznymi wyzwaniami. Wczesni użytkownicy zgłaszali problemy z systemem, który wchodzi w “pętle”, gdzie wielokrotnie wykonuje nieskuteczne działania, wymagające interwencji ludzkiej do resetowania zadań. Te awarie podkreślają wyzwanie rozwoju AI, które może skutecznie nawigować w nieustrukturyzowanych środowiskach.

Dodatkowo, chociaż Manus działa w izolowanych piaskownicach ze względów bezpieczeństwa, jego możliwości automatyzacji internetu podnoszą obawy dotyczące potencjalnego nadużycia, takiego jak pobieranie chronionych danych lub manipulowanie platformami internetowymi.

Przezroczystość jest kolejnym kluczowym problemem. Deweloperzy Manus podkreślają historie sukcesu, ale niezależna weryfikacja jego możliwości jest ograniczona. Na przykład, podczas gdy jego demo prezentujące generowanie dashboardu działa gładko, użytkownicy obserwowali nieścisłości, gdy zastosowali AI do nowych lub złożonych scenariuszy. Ten brak przejrzystości utrudnia budowanie zaufania, zwłaszcza gdy firmy rozważają delegowanie wrażliwych zadań do autonomicznych systemów. Ponadto brak jasnych wskaźników do oceny “autonomii” agentów AI pozostawia miejsce na sceptycyzm co do tego, czy Manus reprezentuje prawdziwy postęp, czy tylko zaawansowaną reklamę.

Podsumowanie

Manus AI reprezentuje następny etap w sztucznej inteligencji: autonomicznych agentów zdolnych do wykonywania zadań w różnych branżach, niezależnie i bez nadzoru ludzkiego. Jego pojawienie się sygnalizuje początek nowej ery, w której AI robi więcej niż tylko asystuje — działa jako w pełni zintegrowany system, zdolny do obsługi złożonych przepływów pracy od początku do końca.

Chociaż jest jeszcze wczesne w rozwoju Manus AI, potencjalne implikacje są jasne. Gdy systemy AI takie jak Manus stają się bardziej zaawansowane, mogą one zmienić branże, zmienić rynki pracy i nawet zakwestionować nasze rozumienie tego, co oznacza praca. Przyszłość AI nie jest już ograniczona do biernych asystentów — jest to tworzenie systemów, które myślą, działają i uczą się same. Manus jest dopiero początkiem.