AI:s framtid ligger i samarbetande system – inte enskilda superdatorer

Intelligens är social, inte individuell

En banbrytande forskningsartikel från arXiv omdefinierar vår förståelse av artificiell intelligens framtid. Studien visar att avancerade AI-modeller som DeepSeek-R1 inte blir smartare genom att "tänka längre" – istället simulerar de interna "tankesällskap" där kognitiva debatter argumenterar, verifierar och försonar för att lösa komplexa uppgifter.

"Inget sinne är en ö", som forskarna uttrycker det. Denna insikt förändrar allt vi trodde om AI-utveckling. Nästa intelligensexplosion blir inte en enskild kiselhjärna, utan ett komplext, kombinatoriskt samhälle som specialiserar sig och breder ut sig som en stad.

Samarbetande AI-system levererar resultat

Denna sociala syn på AI får redan konkreta tillämpningar. Forskare har presenterat Engram, en AI-arkitektur som automatiserar optimering av komplexa datasystem genom att organisera utforskningen i sekvenser av samarbetande AI-agenter. Varje agent designar, testar och analyserar iterativt, medan system lagrar kodexempel och destillerar högnivåinsikter till kompakta forskningssammanfattningar.

Resultaten talar sitt tydliga språk: överlägsen prestanda inom optimering av dataflöden mellan molntjänster, dirigering av AI-förfrågningar och förbättring av databasernas minnesanvändning.

Minneslagring revolutionerar prestanda

Parallellt visar forskning att AI-agenter med strukturerad extern minneslagring presterar exponentiellt bättre. Indexerade agenter behöver endast O(log N) sidläsningar jämfört med O(N) för sekventiell sökning – vilket innebär att de kan hitta information på en sida oavsett hur stor datalagringen är.

Denna genombrott inom minneshantering möjliggör verkliga tillämpningar som tidigare var omöjliga. Seed1.8, en ny grundmodell för verklig världsinteraktion, exemplifierar denna utveckling genom att hantera komplexa arbetsflöden som kräver flera steg snarare än enstaka förutsägelser.

Från industri till matsäkerhet

Den sociala AI-revolutionen sträcker sig långt utanför teknologisektorn. Inom geografisk datasökning kombinerar forskare kunskapsgrafer med stora språkmodeller för att skapa intelligenta system där flera AI-agenter samarbetar för att tolka användarens verkliga avsikt och sammanställa relevanta svar.

Ännu mer imponerande är tillämpningen inom global matsäkerhet. ZeroHungerAI hjälper utvecklingsländer fatta bättre politiska beslut kring matförsörjning genom att kombinera språkteknologi och maskininlärning. Systemet uppnådde 91 procents träffsäkerhet och minskade demografisk partiskhet mellan stad och landsbygd till endast 3 procent.

Realistisk testning av sociala AI-system

Forskning kring AI-agenters beteende i sociala medier visar att dessa system redan kan simulera mänskligt beteende på trovärdiga sätt. I kontrollerade tester reagerade AI-agenter systematiskt på förändringar i informationsmängd och sociala normer, vilket tyder på nyanserat beteende snarare än enkel programmering.

Denna utveckling understryker behovet av rigorösa testmetoder och etiska riktlinjer när AI-system blir allt mer sociala och autonoma.

Ojämn fördelning skapar möjligheter

Forskning visar att endast 1,6 procent av alla arbetsaktiviteter står för över 60 procent av AI:s totala marknadsvärde. Merparten av värdet (72 procent) används för informationsbaserade aktiviteter. Detta skapar enorma möjligheter för företag som kan identifiera och kapitalisera på dessa högriskområden.