Розбиття даних: чи зможе протокол контексту моделі Anthropic покращити продуктивність штучного інтелекту?

Інноваційний протокол контексту моделі (MCP) компанії Anthropic спрямований на подолання фрагментованості даних та підвищення ефективності рішень штучного інтелекту. Чи зможе він стати стандартом для контекстно-чутливої інтеграції штучного інтелекту?

Одним з найбільш актуальних викликів у сфері інновацій штучного інтелекту сьогодні є ізоляція великих мовних моделей (LLM) від даних у реальному часі. Для вирішення цієї проблеми компанія Anthropic, що спеціалізується на дослідженнях та безпеці штучного інтелекту, оголосила про розробку унікальної архітектури для взаємодії моделей штучного інтелекту з даними.

Новий протокол контексту моделі (MCP), запущений як відкритий проєкт, призначений для підвищення ефективності рішень штучного інтелекту завдяки двосторонній взаємодії між додатками штучного інтелекту та різноманітними джерелами даних у реальному часі.

Ця архітектура розроблена для вирішення зростаючої проблеми: застарілих виходів моделей штучного інтелекту через відсутність зв’язку з даними у реальному часі. Компанія Anthropic стверджує, що уніфікований протокол може покращити розвиток та функціональність рішень штучного інтелекту для бізнесу, зробивши їх більш подібними до людини завдяки контекстно-чутливій взаємодії у реальному часі.

“Архітектура проста: розробники можуть або надавати свій доступ до даних через сервери MCP, або будувати додатки штучного інтелекту (клієнти MCP), які підключаються до цих серверів. Замість підтримки окремих конекторів для кожного джерела даних розробники можуть тепер будувати проти стандартного протоколу,” пояснила компанія Anthropic у блоґ-пості. “По мірі розвитку екосистеми системи штучного інтелекту будуть зберігати контекст під час переходу між різними інструментами та наборами даних, заміняючи сьогоднішні фрагментовані інтеграції більш стабільною архітектурою.”

Моделі штучного інтелекту, включаючи флагманську модель компанії Anthropic – Claude, можуть інтегруватися з інструментами типу Google Drive, Slack та GitHub. Експерти вважають, що MCP має потенціал трансформувати інтеграції бізнес-рішень штучного інтелекту так само, як архітектура орієнтована на послуги (SOA) та інші протоколи революціонізували взаємодію між додатками.

“Мати галузевий стандартний протокол для потоків даних між великими мовними моделями та джерелами даних – це революційний крок. Подібно до REST та SQL у сфері програмного забезпечення, стандартизовані протоколи типу MCP можуть допомогти командам будувати додатки генерації штучного інтелекту швидше та з кращою надійністю,” сказав Гідеон Мендельс, співзасновник та генеральний директор платформи оцінки моделей штучного інтелекту Comet. “Це відповідає ринку, який усвідомлює за останні шість місяців, що добра модель великої мови недостатньо.”

Компанія Anthropic також повідомила, що перші підприємства-адоптери, включаючи Block та Apollo, вже інтегрували MCP у свої системи. Тоді як постачальники інструментів розробки, такі як Zed, Replit, Codeium та Sourcegraph, співпрацюють з MCP для покращення своїх платформ. Ця співпраця спрямована на допомогу моделям та агентам штучного інтелекту отримувати більш актуальну інформацію через дані у реальному часі, краще розуміти контекст та генерувати нюансовані виходи для завдань підприємств, таких як кодування, з більшою ефективністю.

“Моделі штучного інтелекту, які є більш людоподібними та самосвідомими, можуть зробити технологію більш близькою, що може спонукати ширшу адоптацію,” сказала Маша Левін, підприємниця у компанії One Way Ventures. “Все ще існує багато страхів щодо штучного інтелекту, багато хто бачить його лише як машину. Улюднення цих моделей може допомогти зменшити ці страхи та спонукати більш плавну інтеграцію у повсякденне життя.”

Левін також застерігала про потенційний негативний аспект. “Існує ризик, що підприємства можуть стати надмірно залежними від штучного інтелекту для підтримки, дозволяючи йому впливати на їхні рішення у крайніх випадках, що може привести до шкідливих наслідків.”

Однак, справжній тест для MCP буде його здатність здобути широке визнання та випередити конкурентів на переповненому ринку.

Anthropic MCP проти OpenAI та Perplexity: битва за стандарти інновацій штучного інтелекту

Хоча відкритий підхід Anthropic MCP позначає суттєвий крок вперед для інновацій штучного інтелекту, він вступає у конкурентний ландшафт, домінуваний технологічними гігантами типу OpenAI та Perplexity.

Недавня функція OpenAI “Work with Apps” для ChatGPT демонструє подібні можливості, хоча з пропрієтарним акцентом на пріоритетних партнерствах над відкритими стандартами. Ця функція дозволяє ChatGPT отримувати доступ та аналізувати дані та контент з інших додатків, але лише з дозволу користувача, ліквідуючи необхідність ручного копіювання та вставлення. Замість цього ChatGPT може переглядати дані безпосередньо з додатку, забезпечуючи розумніші, контекстно-чутливіші пропозиції завдяки інтеграції з даними інтернету у реальному часі.

Крім того, компанія також представила свою архітектуру даних у реальному часі у жовтні, названу “Realtime API”, яка дозволяє голосовим асистентам реагувати більш ефективно, витягуючи свіжий контекст з інтернету. Наприклад, голосовий асистент міг би розмістити замовлення від імені користувача або отримати актуальну інформацію про клієнта для надання персоналізованих відповідей. “Тепер з Realtime API та скоро з аудіо у Chat Completions API розробникам більше не потрібно шити разом кілька моделей для забезпечення цих досвідів,” сказала OpenAI у блоґ-пості. “Під капотом Realtime API дозволяє створити постійне з’єднання WebSocket для обміну повідомленнями з GPT-4o.”

Аналогічно, протокол даних у реальному часі для штучного інтелекту Perplexity, відомий як “pplx-api”, надає розробникам доступ до великої мовної моделі (LLM). Цей API дозволяє додаткам надсилати природні мовні запити та отримувати детальну інформацію у реальному часі з інтернету. Через єдину точку API він забезпечує актуальну витягування даних та контекстно-чутливі відповіді для додатків штучного інтелекту, дозволяючи розробникам будувати додатки, які залишаються синхронізованими з останніми даними.

“Зазвичай галузь схильна стандартизуватися на одному відкритому рішенні, але часто це займає роки. Ймовірно, що OpenAI спробує представити більше протоколів,” сказав Мендельс. “Але якщо MCP здобуде широке визнання як перший стандарт свого типу, ми можемо побачити, як техніки та найкращі практики починають стандартизуватися навколо нього.”

Чи зможе протокол контексту моделі Anthropic встановити стандарт для контекстно-чутливої інтеграції штучного інтелекту?

Хоча MCP має потенціал, він стикається з суттєвими викликами. Безпека є першочерговим vấn, оскільки надання системам штучного інтелекту доступу до конфіденційних даних підприємств підвищує ризик витоку даних, якщо система виявиться нестабільною. Крім того, переконання розробників, які вже використовують усталені екосистеми, щоб вони прийняли MCP, може виявитися складним завданням.

Іншим vấn є величезний розмір даних, згідно з словами Дж.Д. Раймонді, керівника відділу даних у компанії Making Sense. Він сказав мені: “Anthropic є лідером у експериментах, які призводять до великих контекстів, але точність моделей сильно страждає. Ймовірно, що вони покращаться з часом, а з точки зору продуктивності існує багато трюків, щоб зберегти прийнятну швидкість.”

Хоча компанія Anthropic стверджує, що MCP покращує здатність штучного інтелекту витягувати та контекстно розуміти дані, відсутність конкретних бенчмарків для підтвердження цих заяв може ускладнити прийняття. “Хоч би ви були розробником інструментів штучного інтелекту, підприємством, яке хоче використати існуючі дані, або раннім приймаючим, який досліджує передові технології, ми запрошуємо вас будувати майбутнє контекстно-чутливого штучного інтелекту разом,” сказала компанія Anthropic.

По мірі того, як розробники тестують можливості MCP, галузь буде спостерігати, чи зможе цей відкритий стандарт здобути необхідний імпульс, щоб стати бенчмарком для контекстно-чутливої інтеграції штучного інтелекту. Мендельс вважає, що стандартизація може бути розумним кроком для Anthropic, потенційно підвищуючи взаємодію між інструментами та дозволяючи командам експериментувати з різними комбінаціями інструментів, щоб визначити найкраще рішення для своїх потреб. “Наразі здається занадто рано говорити, що багато процесів у сфері штучного інтелекту стандартизуються,” зауважив Мендельс. “З огляду на те, що інновації відбуваються дуже швидко, сьогодні найкращі практики можуть виявитися застарілими вже наступного тижня. Лише час покаже, чи зможе протокол типу MCP успішно стандартизувати витягування контекстних даних.”