Ny AI-generation överträffar experter inom specifika områden – och förbrukar 71 procent mindre energi

Från simpla chatbots till självständiga agenter

AI-assistenter är på väg att bli betydligt mer kapabla än dagens chatbots. Ny forskning visar hur nästa generations system kan hantera allt från kodning och elnätstyrning till geografisk analys – ofta med prestanda som överträffar mänskliga experter inom specifika områden.

Ett genombrott kommer från utvecklingen av specialiserade kodningsagenter. Forskare har utvecklat så kallade "Contract-Coding"-system som kan generera komplex programvara på arkitekturnivå, samt teknik för minnesöverföring som låter AI-kodare dela erfarenheter mellan olika programmeringsområden. I tester visade dessa system 47 procent funktionell framgång samtidigt som arkitektonisk integritet bibehölls.

Lika imponerande är framstegen inom kritisk infrastruktur. Nya AI-system för elnätstyrning använder hierarkisk säkerhetsarkitektur som separerar långsiktig planering från realtidssäkerhet – ett genombrott som kan göra AI-styrning säker nog för verklig användning i kraftsystem.

Energieffektivitet i fokus

En av de mest lovande utvecklingarna handlar om energisnålhet. Forskare har utvecklat en trelagsarkitektur kallad Tri-Spirit som delar upp AI-intelligens i specialiserade lager för planering, resonemang och verkställighet. Resultatet? 71 procent lägre energiförbrukning och 76 procent kortare svarstider jämfört med traditionella lösningar.

Denna trend mot modulär intelligens återfinns även i fysiska enheter. Hjärninspirerade arkitekturer som efterliknar hjärnans struktur visar hur tidskritiska funktioner kan hållas lokalt på enheten, medan mer krävande beräkningar endast aktiveras vid behov.

Nya standarder för utvärdering

Parallellt med de tekniska genombrotten utvecklas bättre sätt att testa AI-agenter. Forskare har skapat specialiserade testmiljöer som LiveClawBench och GeoAgentBench för att utvärdera prestanda i verkliga scenarion snarare än isolerade laboratorieförhållanden.

Särskilt intressant är användningen av AI-granskare inom vetenskaplig publicering. Vid AAAI-26-konferensen fick alla 22 977 artiklar AI-genererade recensioner, och resultaten var överraskande: forskare föredrog faktiskt AI-recensionerna framför mänskliga när det gällde teknisk noggrannhet.

Utmaningar och begränsningar

Men utvecklingen är inte problemfri. En studie av Moltbook – ett socialt nätverk befolkat enbart av AI-agenter – avslöjar fundamentala brister i AI:s sociala förmågor. Över 91 procent av AI-agenterna återvänder aldrig till sina egna diskussionstrådar, och ömsesidigheten i interaktioner är endast 3,3 procent jämfört med 22-60 procent bland människor.

Forskare arbetar också intensivt med grundläggande problem som balansen mellan utforskning av nya möjligheter och utnyttjande av befintlig kunskap – ett område där även de mest avancerade språkmodellerna fortfarande kämpar.

Praktiska tillämpningar redan här

Trots utmaningarna börjar praktiska tillämpningar dyka upp. Polisutbildning använder nu små språkmodeller för avtrappningsträning, medan AI-assistenter för grafiska gränssnitt blir tillgängliga på vanliga enheter tack vare mer effektiva algoritmer.

Det mest slående är kanske hur AI-system börjar samarbeta och specialisera sig. Istället för att bygga allt större generella modeller ser vi nu system där olika AI-agenter tar på sig specifika roller och arbetar tillsammans – precis som människor gör på arbetsplatser.