От ELIZA до автономных агентов: как менялась идея ИИ

В 1966 году Джозеф Вейценбаум из MIT опубликовал описание программы ELIZA — простого сценария, который имитировал разговор с психотерапевтом, переставляя слова из реплик пользователя. Никакого понимания смысла в ней не было: ELIZA работала на шаблонах вроде «я чувствую X» → «почему вы чувствуете X?». Но люди всерьёз откровенничали с ней, и сам Вейценбаум был этим напуган. Спустя почти шестьдесят лет мы обсуждаем автономных агентов, которые сами планируют задачи, вызывают внешние инструменты и правят собственный код. Идея одна и та же — программа, с которой можно говорить и которой можно поручить дело. Изменилось то, что стоит за фасадом.

Что вообще считать историей одной идеи

Разговорный интерфейс и делегирование задач — две линии, которые долго шли порознь, а сейчас сомкнулись. ELIZA дала иллюзию собеседника без интеллекта. Экспертные системы 1970–80-х годов, наоборот, умели принимать решения в узкой области (например, подбор антибиотика в системе MYCIN), но общаться с ними было мучением: жёсткие правила, ввод по форме, никакой гибкости.

Современный агент на большой языковой модели соединяет обе линии. Он ведёт диалог естественным языком и при этом способен выполнять шаги: искать в вебе, запускать код, обращаться к API. Чтобы понять, почему это стало возможно только сейчас, полезно пройти по ключевым точкам.

Три волны, через которые прошла идея

• Символьный ИИ (1950–1980-е). Правила, логика, деревья решений. Машина «рассуждала» по формулам, которые в неё заложил человек. Хрупко: шаг в сторону от предусмотренного сценария — и система молчит.
• Машинное обучение и нейросети (1990–2010-е). Систему перестали программировать правилами и начали обучать на данных. Прорывом стал ImageNet и глубокие свёрточные сети в начале 2010-х — компьютер научился распознавать образы лучше прежних алгоритмов.
• Трансформеры и большие языковые модели (2017 — сейчас). Архитектура Transformer, описанная в работе «Attention Is All You Need» в 2017 году, легла в основу GPT, BERT и их наследников. На этой базе выросли и агенты.

Почему трансформер изменил правила

Ключевое свойство трансформера — механизм внимания, который позволяет модели связывать слова в тексте на большом расстоянии друг от друга. Раньше рекуррентные сети «забывали» начало длинного предложения к его концу. Трансформер обрабатывает последовательность целиком и держит связи внутри контекстного окна¹.

Дальше сработал эффект масштаба: чем больше параметров и данных, тем точнее модель предсказывает следующее слово — и тем неожиданнее становятся её способности. GPT-3 в 2020 году показала, что модель, обученную только предсказывать текст, можно попросить перевести, сочинить письмо или написать код без отдельного обучения под каждую задачу. Это и есть тот сдвиг, после которого разговорный интерфейс из курьёза уровня ELIZA превратился в рабочий инструмент.

ELIZA не понимала ни слова. Современная модель тоже не «понимает» мир так, как человек — но научилась предсказывать текст настолько хорошо, что разница на практике часто перестаёт быть заметной.

От чат-бота к агенту

Чат-бот отвечает на реплику и останавливается. Агент получает цель и сам решает, какие шаги предпринять, чтобы её достичь. Разница — в цикле: модель планирует действие, выполняет его через инструмент, смотрит на результат и планирует следующее.

Технически это оформилось через несколько приёмов. Function calling позволяет модели вызывать заранее описанные функции. RAG² подтягивает свежие или приватные данные, которых не было в обучении. Оркестрация нескольких вызовов подряд превращает разовый ответ в последовательность действий. На этой основе появились и рамки вроде протокола обмена контекстом между моделью и внешними инструментами, которые крупные разработчики продвигают как стандарт.

Чем отличаются подходы разных эпох

Важная оговорка: «может действовать сама» не значит «действует надёжно». Агент способен зациклиться, неверно интерпретировать цель или уверенно выдать ошибку. Автономность повышает и цену промаха.

Кому это пригодится, а кому нет

Агентный подход хорошо ложится на задачи, где шаги можно проверить и где ошибка не критична сразу.

• Пригодится: разработчику для рутины вроде генерации тестов и разбора логов; аналитику для сбора данных из нескольких источников; поддержке для черновиков ответов, которые проверит человек.
• Спорно: задачи с юридическими или финансовыми последствиями, где нужен контроль каждого шага и ответственность конкретного человека.
• Не стоит: процессы, где ошибка необратима и дорога — управление платежами без подтверждения, необратимое удаление данных, действия от вашего имени без ревью.

Практическое правило: чем автономнее агент, тем важнее ограничить его права и логировать каждое действие. Полная свобода звучит эффектно в демо, но в проде оборачивается разбором того, что и почему он сделал.

¹ Контекстное окно — объём текста (в токенах), который модель удерживает одновременно: и ваш запрос, и её ответ. Всё, что выходит за пределы окна, модель «не видит».

² RAG (retrieval-augmented generation) — подход, при котором модель перед ответом подтягивает релевантные фрагменты из внешней базы и опирается на них, а не только на то, что запомнила при обучении.