Mai târziu în discurs (în jurul minutului 32 din videoclipul YouTube postat mai sus), Cherny a detaliat buclele pe care le folosește în propria muncă. Un agent caută continuu modalități de a îmbunătăți arhitectura codului, în timp ce altul identifică abstracțiuni duplicate care pot fi unificate. Acești agenți trimit pull request-uri ca orice alt programator, iar deoarece codul se schimbă constant, ei nu se opresc niciodată. Este o idee puternică, mai ales când vine de la o figură atât de importantă precum Cherny.
Odată cu trecerea la AI agentic, accentul pentru majoritatea utilizatorilor a fost gestionarea cât mai eficientă a agenților: stabilirea unor obiective clare, verificarea progresului în etape discrete și evitarea devierii prea mult de la prompt. Bucla duce acest concept mai departe, autorizând un roi de agenți să lucreze continuu în fundal, la nesfârșit. Este o încredere uriașă acordată AI-ului – dar, pe măsură ce modelele se îmbunătățesc rapid, aceasta ar putea fi următoarea etapă în care AI-ul să se ocupe de sarcini reale.
Primul lucru de remarcat este că această idee nu este complet nouă. Buclele recursive – funcții care se autoapelează pentru a repeta o acțiune, împreună cu o condiție care oprește bucla – sunt un element de bază al cursurilor introductive de informatică. Aceste bucle urmează o logică non-deterministă – adică un sub-agent decide când să oprească bucla, în loc de o condiție clară – dar aceeași abordare de bază este în joc. De îndată ce programatorii au început să folosească AI-ul pentru a finaliza sarcini, o versiune a buclei recursive, cu AI supraveghind AI, era inevitabilă.
Spre deosebire de calculatoarele clasice, buclele agentice pot fi uluitor de simple. Unul dintre cele mai populare trucuri este „Ralph Loop” (numit după Ralph Wiggum), care practic sumarizează tot ce a făcut modelul și întreabă dacă și-a atins scopul. Este o modalitate de a face față modelelor AI care se pierd atunci când rulează prea mult – practic, modelul este trimis înainte și înapoi până când sarcina este finalizată.
O altă modalitate de a privi buclele este ca parte a efortului general pentru mai mult timp de calcul la testare (test-time compute). Așa cum a observat cercetătorul OpenAI Noam Brown la începutul acestei luni, modelele contemporane pot rezolva aproape orice problemă dacă le oferi suficientă putere de calcul. Asta înseamnă că o modalitate de a asigura rezolvarea unei probleme este să tot arunci putere de calcul până când este gata. Acest lucru este valabil mai ales pentru problemele de tip „urcarea dealului” (hill-climbing), cum ar fi îmbunătățirea unei baze de cod, unde modelul poate face îmbunătățiri incrementale până când atinge un anumit prag. Sau, ca în exemplul lui Cherny, poate continua să facă îmbunătățiri incrementale atâta timp cât există putere de calcul disponibilă.
Dacă sună scump, ar trebui. La fel ca AI-ul agentic înaintea sa, buclele AI consumă tokeni mult mai repede decât chatbot-urile simple de tip întrebare-răspuns – și, deoarece ideea este să menții bucla în funcțiune tot timpul, nu există un plafon pentru cât poți cheltui. Pentru Anthropic, care este în cele din urmă în afacerea de vânzare de tokeni, este în regulă, dar pentru toți ceilalți, ar putea fi o modalitate costisitoare de a lucra. Totuși, în funcție de problema pe care bucla agentică încearcă să o rezolve și de configurarea corectă care permite supravegherea cheltuielilor de tokeni, a derivei și a altor probleme clasice ale AI-ului, beneficiile ar putea fi suficient de uluitoare pentru a depăși costurile.
De ce este important:
Conceptul de bucle agentice reprezintă o schimbare fundamentală în modul în care interacționăm cu inteligența artificială. Dacă până acum AI-ul era folosit pentru sarcini punctuale, cu un început și un sfârșit clar, buclele deschid calea către o colaborare continuă, în care agenții lucrează neîntrerupt în fundal, optimizând codul, detectând erori sau îmbunătățind procese. Aceasta ar putea accelera dramatic dezvoltarea de software, reducând timpul necesar pentru a aduce produsele pe piață și permițând echipelor să se concentreze pe sarcini creative și strategice. În același timp, provocările legate de costuri, control și fiabilitate rămân semnificative. Înțelegerea acestor bucle și a implicațiilor lor este esențială pentru oricine lucrează în tehnologie, deoarece ele ar putea redefini însăși natura programării și a muncii asistate de AI.
