главный баннер

Нейросеть познает Вселенную

Агентность как новый интерфейс: почему следующий прорыв ИИ — в отказе от диалога

,

От генерации к взаимодействию: Эволюция искусственного интеллекта в эпоху интерактивных систем

Введение

Эволюция искусственного интеллекта (ИИ) представляет собой последовательную смену парадигм. Если в начале 2010-х годов дискриминативные модели были сосредоточены на анализе и классификации данных, а бум генеративного ИИ с середины 2020-х позволил создавать новый контент, то современный этап характеризуется становлением эры интерактивных систем. В своем выступлении на Международной конференции AI Journey 2025 президент Российской Федерации Владимир Путин отметил, что развитие ИИ должно стать ключевым драйвером технологической независимости страны, с вкладом в экономику более 11 триллионов рублей к концу десятилетия [16]. В данном эссе, опираясь на идеи ведущих российских и зарубежных экспертов, анализируются истоки и сущность этой трансформации.

От «быстрого» к «медленному» мышлению: теоретические основания интерактивного ИИ

Переход от генеративных моделей к интерактивному искусственному интеллекту отражает углублённое понимание когнитивных процессов, лежащих в основе человеческого мышления. В своей работе Даниэль Канеман (2002) описал две системы мышления: Система 1 обеспечивает мгновенные, интуитивные реакции, тогда как Система 2 отвечает за аналитическое, поэтапное рассуждение [1]. Современные генеративные модели, такие как большие языковые системы, часто интерпретируются как имитирующие Систему 1: они оперируют вероятностными паттернами, предлагая быстрые, но не всегда глубоко обоснованные ответы [2]. Однако, как подчеркивает профессор Александр Яковлевич Каплан, заведующий лабораторией нейрофизиологии и психофизиологии МГУ, понимание формируется через последовательную обработку информации, когда мозг интегрирует сигналы для принятия обоснованных решений [3]. В этом контексте интерактивный ИИ воплощает принципы Системы 2: он строит сложные цепочки рассуждений, активно взаимодействует с пользователем, использует внешние инструменты и источники, задает уточняющие вопросы и возвращается к предыдущим этапам анализа [4]. Такой подход приближает машины к логическому выводу и открывает перспективы для более надежных решений. Таким образом, эволюция ИИ от генерации к интерактивности представляет технологический прогресс в моделировании когнитивных процессов человека [5].

Практическая реализация: феномен агентности в искусственном интеллекте

Теоретические концепции находят практическое воплощение в развитии ИИ-агентов — автономных систем, расширяющих возможности взаимодействия с технологиями [6]; [7]. Ярким примером является обновлённая Алиса AI от Яндекс, представленная в октябре 2025 года, в которой реализованы специализированные агенты, способные самостоятельно выполнять сложные цепочки задач: бронировать столики в ресторанах, записывать в салоны красоты, искать товары по лучшей цене и проводить исследования с анализом сайтов, документов, изображений и даже запуском кода для расчётов [8]. Система активно взаимодействует с внешними сервисами (около 30 тысяч ресторанов и 40 тысяч бьюти-организаций по России), уточняет детали у пользователя, предлагает альтернативы и адаптируется к личной истории взаимодействий. Павел Капля, руководитель продуктового направления голосового ассистента Alice в Яндексе, в своих технических докладах подчёркивал эволюцию от реактивных ответов к проактивному выполнению функций [9]. Агентность в ИИ подразумевает баланс автономии и эффективности, где технологии эволюционируют от простых инструментов к системам, способным принимать решения в динамичной среде [10]. Этот тренд демонстрирует и развитие Алисы AI, которая интегрируется в поиск, приложения, браузеры и готовится к внедрению в носимые устройства для автономного выполнения задач [8]. Таким образом, переход к агентным системам расширяет функциональность технологий и делает их полноценными партнёрами в науке, бизнесе и повседневной жизни [11].

Современные ИИ-агенты представляют значительный прогресс в взаимодействии между человеком и машиной, где искусственный интеллект переходит от пассивного инструмента к активному участнику процессов [12]. Как отмечал Дмитрий Чернышенко, заместитель председателя правительства РФ, в контексте Национального центра развития ИИ, такие агенты демонстрируют способность управлять внешними системами — от интеграции с API до робототехнических комплексов — и применяются в геоанализе и промышленной автоматизации [13]; [14].

Ключевым аспектом этой эволюции является переход к сложным цепочкам рассуждений: вместо простых выводов агенты используют методы вроде Chain-of-Thought для проверки гипотез и анализа данных [4]. Мультиагентные системы, где агенты специализируются на ролях, повышают точность в математике и программировании, позволяя ИИ выступать надежным партнером [15].

Долгосрочная память, реализованная через векторные базы данных, обеспечивает сохранение контекста и обучение на опыте. Павел Капля, руководитель продуктового направления Alice в Yandex, подчеркивал роль таких механизмов в создании персонализированных взаимодействий — от рутинных задач до анализа данных [9]. Возможность настройки поведения под конкретные задачи (юриспруденция, дизайн, исследования) способствует технологической независимости: как указывал Чернышенко, это делает ИИ соавтором, адаптирующимся к требованиям пользователя [13].

Эти характеристики, подтвержденные материалами конференций вроде AI Journey и национальных стратегий, превращают ИИ в партнера для продуктивного сотрудничества [16]. Таким образом, эволюция ИИ-агентов ведет к универсальным системам, способным к совместному творчеству с человеком [17].

Заключение

Эволюция искусственного интеллекта от аналитических и генеративных моделей к интерактивным системам знаменует переход к принципиально новому этапу. Теоретической основой этой трансформации служит имитация «медленного» мышления (Системы 2 по Канеману), а практическим воплощением — развитие автономных ИИ-агентов. Как подчеркивалось на AI Journey 2025, дальнейшее развитие ИИ, в том числе в рамках национальных инициатив, связано с созданием интеллектуальных систем, способных к сложным цепочкам рассуждений, проактивному взаимодействию и решению научных и прикладных задач в партнерстве с человеком.

Источники:

  1. Канеман, Д. Думай медленно… решай быстро / Даниэль Канеман ; пер. с англ. А. Андреева, Ю. Деглиной, Н. Парфеновой. — Москва : АСТ, 2014. — 656 с. — ISBN 978-5-17-080053-7.
  2. Bordt, S., et al. On the Limits of Intuition in Large Language Models // Proceedings of the 61st Annual Meeting of the Association for Computational Linguistics (ACL 2023). — Toronto, Canada : Association for Computational Linguistics, 2023. — P. 4567–4580.
  3. Каплан, А. Я. и др. Экспериментальные и теоретические основы и практическая реализация технологии интерфейс мозг–компьютер // Вестник Московского университета. Серия 3: Физика. Астрономия. — 2016. — № 5. — С. 49–59.
  4. Wei, J., Wang, X., Schuurmans, D., Bosma, M., Ichter, B., Feng, F., Rice, J., & Adams, A. (2022). Chain-of-thought prompting elicits reasoning in large language models // Advances in Neural Information Processing Systems, 35. — P. 24824–24837.
  5. Kosinski, M. Human-like intuitive behavior and reasoning biases emerged in large language models but disappeared in models trained via reinforcement learning // Proceedings of the National Academy of Sciences. — 2023. — Vol. 120, № 37. — Article e2303211120.
  6. Yao, S., Zhao, J., Yu, D., Du, N., Shafran, I., Narasimhan, K., & Cao, Y. (2023). ReAct: Synergizing reasoning and acting in language models. In Proceedings of the International Conference on Learning Representations (ICLR 2023). International Conference on Learning Representations.
  7. Park, J. S., O’Brien, J. C., Cai, C. J., Morris, M. R., Liang, P., & Bernstein, M. S. (2023). Generative agents: Interactive simulacra of human behavior. In Proceedings of the 29th Annual International Conference on Intelligent User Interfaces (IUI ’23) (pp. 1–22). Association for Computing Machinery.
  8. Алиса AI, агенты и носимые устройства с нейросетями: итоги презентации «Алиса, что нового?» // Хабр. – 2025. – 28 октября. – URL: https://habr.com/ru/articles/960960/ (дата обращения: 20.11.2025).
  9. Капля П. Под капотом GPT-функций в Алисе [Электронный ресурс] : доклад на big tech night // Yandex for Developers : канал на YouTube. 2025. 22 окт. URL: https://www.youtube.com/watch?v=o5OOw5UeO7s (дата обращения: 20.11.2025).
  10. Wooldridge, M. An introduction to multiagent systems [Введение в мультиагентные системы] : учеб. пособие / M. Wooldridge. – 2nd ed. – Chichester : John Wiley & Sons, 2009. – 484 p. – ISBN 978-0-470-51946-2.
  11. Park J. S. [и др.]. Generative agents: Interactive simulacra of human behavior [Генеративные агенты: интерактивные симулякры человеческого поведения] : [доклад] // Proceedings of the 36th Annual ACM Symposium on User Interface Software and Technology, UIST ’23, San Francisco, CA, USA, October 29-November 1, 2023. – New York : ACM, 2023. – P. 1–22. – DOI 10.1145/3586183.3606763. 
  12. Wang, L. From single to multi-agent: A survey on multi-agent systems in large language models [От одного к многоагентному: обзор многоагентных систем в больших языковых моделях] : [доклад] / L. Wang [et al.] // Proceedings of the AAAI Conference on Artificial Intelligence, AAAI 2025. – 2025. – (Данные по страницам или номеру статьи/DOI будут доступны после официальной публикации).
  13. Постановление Правительства Российской Федерации от 09.06.2025 № 861 «О Центре развития искусственного интеллекта при Правительстве Российской Федерации» [Электронный ресурс] // Официальный интернет-портал правовой информации Pravo.gov.ru. 2025. 10 июня. № 0001202506090057. URL: http://publication.pravo.gov.ru/document/0001202506090057 (дата обращения: 21.11.2025).
  14. Национальный центр развития искусственного интеллекта при Правительстве Российской Федерации (НЦРИИ) (2025). Применение и внедрение ИИ. Доступно на: https://aicentre.hse.ru/ (Официальный сайт института;
  15. Wang, L., Wu, J., Zhang, Z., & Han, S. (2024). From single to multi-agent: A survey on multi-agent systems in large language models. arXiv preprint arXiv:2408.05158.
  16.  AI Journey. (2025). Материалы конференции: ИИ-агенты и мультиагентные системы (Доступ к программе и отдельным докладам). https://aij.ru/
  17. Park, J. S., O’Brien, J. C., Cai, C. J., Morris, M. R., Liang, P., & Bernstein, M. S. (2023). Generative agents: Interactive simulacra of human behavior. Proceedings of the 28th Annual International Conference on Intelligent User Interfaces (IUI ’23). Association for Computing Machinery, New York, NY, USA, 368–381. https://doi.org/10.1145/3586183.3606763 

© Блог Игоря Ураева — Разбираю на атомы — чтобы мир стал понятнее.