ByteDance и Ли Хан: как заставить нейросети работать, а не просто болтать

Руководитель ИИ-лаборатории ByteDance доктор Ли Хан опубликовал работу об универсальном фреймворке для ИИ-агентов, построенном на четырёх модулях — восприятие, планирование, память и действие. По данным Jiqizhixin (机器之心), цель разработки — заменить нынешние экспериментальные агентные системы вроде AutoGPT и BabyAGI, которые часто «ломаются на втором шаге и галлюцинируют в бесконечных циклах», на надёжный промышленный инструмент.

Кто такой Ли Хан

Ли Хан — фигура, чьё имя в мире обработки естественного языка весит, как говорится в материале, «примерно столько же, сколько весь серверный парк среднего стартапа». Его карьерный путь прошёл через Microsoft Research Asia и Huawei, прежде чем он занял позицию руководителя ИИ-лаборатории ByteDance. Это прикладной трек, а не академическая карьера: по мнению автора публикации, такой бэкграунд говорит о том, что Ли Хана интересует не теоретическая красота архитектур, а их прикладная мощь — то есть перенос идей из PDF-файлов в реальные продукты.

Четыре узла архитектуры

Ключевая проблема современных языковых моделей, которую решает фреймворк, — неспособность планировать наперёд: модель «живёт моментом», генерируя следующий токен, а не выстраивая стратегию. Предложенная архитектура фокусируется на четырёх критических узлах — восприятии, планировании, памяти и действии. Модель сначала строит иерархическое дерево целей, а затем использует внешние инструменты для их достижения, постоянно сверяясь с долгосрочной памятью. Автор материала описывает эффект так: подход превращает ИИ «из студента-филолога в опытного проджект-менеджера».

Зачем это бизнесу и кто конкурент

Чтобы ИИ приносил реальные деньги в B2B-секторе, ему нужно самостоятельно заходить в CRM, анализировать данные, составлять отчёт и отправлять его клиенту без запроса разрешения на каждый шаг — именно этот сценарий и адресует фреймворк Ли Хана. ByteDance, оперирующая колоссальными объёмами данных и сложными алгоритмами рекомендаций, заинтересована в таких автономных системах как никто другой. Разработка описывается как прямой вызов проекту Microsoft AutoGen: если западные компании, по мнению автора, чаще полагаются на «сырую мощь» вычислений, то ByteDance делает ставку на структурную, элегантную и масштабируемую инженерную схему.

Часто задаваемые вопросы

Что именно предложил Ли Хан?

Универсальный фреймворк для ИИ-агентов на основе четырёх модулей — восприятия, планирования, памяти и действия. Вместо генерации ответа «по моменту» модель сначала строит иерархическое дерево целей, а затем достигает их через внешние инструменты, постоянно сверяясь с долгосрочной памятью.

Чем это отличается от AutoGPT и BabyAGI?

Существующие агентные системы вроде AutoGPT и BabyAGI, по описанию в материале, нестабильны: они ломаются на ранних шагах выполнения задачи и попадают в циклы галлюцинаций. Фреймворк Ли Хана вводит системную архитектуру планирования и памяти, которая должна превратить такие «игрушечные» агентные прототипы в надёжный промышленный инструмент.

Почему это может быть вызовом для Microsoft AutoGen?

Потому что оба проекта решают одну и ту же задачу — построение автономных многошаговых ИИ-агентов, — но, по мнению автора публикации, разными путями: AutoGen и другие западные разработки чаще опираются на вычислительную мощь, тогда как ByteDance в лице Ли Хана предлагает структурную инженерную схему. Итог соревнования будет зависеть от того, кто быстрее перенесёт архитектуру из академической публикации в продакшн.