Forwarded from База знаний AI
🪼Deep Dive: мультиагентные системы
Одним из центральных драйверов развития искусственного интеллекта сегодня остаются ИИ-агенты. Многие аналитики (в частности, специалисты Gartner) называют важным трендом в этой области в 2026 году разработку и внедрение мультиагентных, или многоагентных систем (Multi-Agent Systems, MAS).
🖍 Что это такое?
Если кратко резюмировать разные источники (Google Cloud, Hugging Face, IBM, NVIDIA, SAP и Cloud.ru), мультиагентные системы — это набор ИИ-агентов 🕵️♂️🕵️♂️, работающих над решением одной или нескольких задач.
Агенты в MAS действуют в одной общей среде (Environment), а чтобы достичь поставленной цели, они как сотрудничают, так и соперничают между собой.
Мультиагентные системы представляют собой естественное развитие направления ИИ-агентов. Ключевой метрикой эффективности MAS является рост производительности процессов.
💡 Как они устроены?
Обычно архитектуры мультиагентных систем классифицируют (Google Research, LangChain) на основе того, как агенты взаимодействуют между собой:
• независимо: ИИ-агенты работают параллельно;
• централизованно: агент-оркестратор распределяет задачи субагентам-специалистам и отвечает за конечный результат;
• децентрализованно: агенты общаются между собой на равных правах, и решение, как выполнять задачу, принимается большинством голосов;
• гибридно: агент-оркестратор сводит результат работы общающихся между собой субагентов.
🔧 Для каких задач использовать?
MAS хорошо себя проявляют (Anthropic, LangChain, ML6) там, где от них требуется понимать промпты (инструкции) в специализированных областях и взаимодействовать с большим количеством различных инструментов для их выполнения.
📈 Кто и как уже применяет MAS?
Несмотря на значительное число заявлений от компаний по всему миру о разработке и внедрении мультиагентных систем в свои продукты, кейсов с измеримыми показателями не так много.
В России ситуация схожая. Пока больше встречается анонсов о переходе на эту архитектуру или о платформах для самостоятельной разработки ИИ-агентов и MAS, сотрудничествах в этой сфере («Яндекс», «Сбер», MWS AI, «Билайн» и red_mad_robot, «Технологии Доверия», Just AI и др.).
📕 Что изучить дополнительно по теме
• Введение в руководство по проектированию агентных систем от CTO Google Cloud Антонио Гулли (Antonio Gulli)
• Инструкция по построению архитектур MAS от CEO стартапа Quantmate Николь Кёнигштайн (Nicole Königstein)
• Гайды по созданию мультиагентных систем от «Сбера», «Яндекса», n8n
• Разбор от AI CTO в red_mad_robot Владислава Шевченко новой архитектуры MAS Team of Thoughts от исследователей из Имперского колледжа Лондона и Microsoft Research
• Обзор саморазвивающихся (Self-Evolving) агентных систем от коллектива ученых из Великобритании и Сингапура
• Разбор угроз для безопасности мультиагентных систем от преподавателя МГТУ им. Н.Э. Баумана Бориса Захира
***
Deep Dive — формат разбора для быстрого погружения в новую (или хайповую) технотему. С марта этого года он стал доступен на сайте ICT.Moscow в расширенной версии.
👉🏻 Читать подробнее о мультиагентных системах
Одним из центральных драйверов развития искусственного интеллекта сегодня остаются ИИ-агенты. Многие аналитики (в частности, специалисты Gartner) называют важным трендом в этой области в 2026 году разработку и внедрение мультиагентных, или многоагентных систем (Multi-Agent Systems, MAS).
🖍 Что это такое?
Если кратко резюмировать разные источники (Google Cloud, Hugging Face, IBM, NVIDIA, SAP и Cloud.ru), мультиагентные системы — это набор ИИ-агентов 🕵️♂️🕵️♂️, работающих над решением одной или нескольких задач.
Агенты в MAS действуют в одной общей среде (Environment), а чтобы достичь поставленной цели, они как сотрудничают, так и соперничают между собой.
Мультиагентные системы представляют собой естественное развитие направления ИИ-агентов. Ключевой метрикой эффективности MAS является рост производительности процессов.
💡 Как они устроены?
Обычно архитектуры мультиагентных систем классифицируют (Google Research, LangChain) на основе того, как агенты взаимодействуют между собой:
• независимо: ИИ-агенты работают параллельно;
• централизованно: агент-оркестратор распределяет задачи субагентам-специалистам и отвечает за конечный результат;
• децентрализованно: агенты общаются между собой на равных правах, и решение, как выполнять задачу, принимается большинством голосов;
• гибридно: агент-оркестратор сводит результат работы общающихся между собой субагентов.
🔧 Для каких задач использовать?
MAS хорошо себя проявляют (Anthropic, LangChain, ML6) там, где от них требуется понимать промпты (инструкции) в специализированных областях и взаимодействовать с большим количеством различных инструментов для их выполнения.
📈 Кто и как уже применяет MAS?
Несмотря на значительное число заявлений от компаний по всему миру о разработке и внедрении мультиагентных систем в свои продукты, кейсов с измеримыми показателями не так много.
В России ситуация схожая. Пока больше встречается анонсов о переходе на эту архитектуру или о платформах для самостоятельной разработки ИИ-агентов и MAS, сотрудничествах в этой сфере («Яндекс», «Сбер», MWS AI, «Билайн» и red_mad_robot, «Технологии Доверия», Just AI и др.).
📕 Что изучить дополнительно по теме
• Введение в руководство по проектированию агентных систем от CTO Google Cloud Антонио Гулли (Antonio Gulli)
• Инструкция по построению архитектур MAS от CEO стартапа Quantmate Николь Кёнигштайн (Nicole Königstein)
• Гайды по созданию мультиагентных систем от «Сбера», «Яндекса», n8n
• Разбор от AI CTO в red_mad_robot Владислава Шевченко новой архитектуры MAS Team of Thoughts от исследователей из Имперского колледжа Лондона и Microsoft Research
• Обзор саморазвивающихся (Self-Evolving) агентных систем от коллектива ученых из Великобритании и Сингапура
• Разбор угроз для безопасности мультиагентных систем от преподавателя МГТУ им. Н.Э. Баумана Бориса Захира
***
Deep Dive — формат разбора для быстрого погружения в новую (или хайповую) технотему. С марта этого года он стал доступен на сайте ICT.Moscow в расширенной версии.
👉🏻 Читать подробнее о мультиагентных системах
Forwarded from ЛИТ ОИЯИ / MLIT JINR
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Телекоммуналка
Президент Ростелекома Михаил Осеевский выступил против апокалиптических сценариев вокруг ИИ. По его словам, до эпохи общего ИИ далеко, реальные изменения идут медленно, а главный тормоз – не алгоритмы, а железо, энергетика и отсутствие промышленных роботов. Интервью получилось редкостно трезвым на фоне привычного отраслевого оптимизма.
• Эпоха общего ИИ, когда машина решает любые когнитивные задачи на уровне человека, в ближайшие годы не наступит
• Хайпа вокруг ИИ слишком много, нужно относиться к теме спокойно и предметно. Мир определяет материальная среда, а там внедрение ИИ идет гораздо медленнее, чем в цифре
• Перед ИИ Россия должна пройти этап массового внедрения промышленных роботов, здесь страна пока не в лидерах. Ростелеком уже набирает компетенции в робототехнике и ищет партнеров
• В среднесрочной перспективе ИИ останется прежде всего рекомендательной технологией
• Новые ЦОДы для ИИ требуют огромных мощностей и должны стоять рядом с мегаполисами. В Сибирь не вынесешь из-за задержки сигнала
• Энергоснабжение крупных городов под угрозой: ЦОДы и жилые кварталы конкурируют за одну сеть
• Российских видеокарт нет, доступ к Nvidia ограничен – сейчас в Ростелекоме работают на менее мощных чипах и смотрят на китайских производителей
• McKinsey ошибся: инвестиции в ИИ не сравнялись с нефтянкой – один ЦОД стоит десятки миллиардов, их строят десяток в год, итого – сотни миллиардов против триллионов в нефти
• OpenAI и GPT для государственных и корпоративных нужд недоступны – нужны собственные языковые модели и инфраструктура
• Рынок труда изменится, но люди без работы не останутся – особенно в условиях демографического кризиса. Изменятся профессии и квалификации, а не занятость как таковая
• Борьба с мошенниками превращается в гонку вооружений: ИИ атакует и ИИ защищает одновременно
• Человек остается творцом: колесо, пар, электричество – технологических взрывов было много, но двигателем цивилизации всегда оставался человек
Please open Telegram to view this post
VIEW IN TELEGRAM
❤1
Поздравляем коллектив Объединенного института ядерных исследований (ОИЯИ) с 70-летием со дня основания.
Желаем новых достижений в исследованиях и научных открытий!
Соглашение об образовании института было подписано 26 марта 1956 года в Москве представителями 11 стран-основательниц. Территориально эта международная межправительственная научно-исследовательская организация расположена в наукограде Дубна Московской области.
Институт был создан для проведения фундаментальных исследований в области ядерной физики и физики элементарных частиц.
Сотрудники ОИЯИ принимали непосредственное участие и сыграли ведущую роль в открытии 14 новых элементов таблицы Менделеева.
Желаем новых достижений в исследованиях и научных открытий!
Соглашение об образовании института было подписано 26 марта 1956 года в Москве представителями 11 стран-основательниц. Территориально эта международная межправительственная научно-исследовательская организация расположена в наукограде Дубна Московской области.
Институт был создан для проведения фундаментальных исследований в области ядерной физики и физики элементарных частиц.
Сотрудники ОИЯИ принимали непосредственное участие и сыграли ведущую роль в открытии 14 новых элементов таблицы Менделеева.