Univerzální LLM překonávají specializované klinické AI nástroje v medicíně

To, co mě poslední dny zajímá, je jak rychle se mění poměr sil mezi univerzálními modely a speciálními řešeními. Dlouho jsem si myslel, že v medicíně zvítězí stavitelé nástrojů vytvořených přímo pro lékaře – modely optimalizované na klinické údaje, s jasnou zodpovědností a certifikací. Studie, která porovnala standardní velkých jazykové modely se všemi těmi speciálními klinickými nástroji, která se už usadila v praxi, a zjistila, že ty univerzální si vedou lépe na lékařských benchmarcích, to měl být signál. Znamená to, že pořád si podceňujeme moc škálování a sílu dat, která se do těch velkých modelů dostávají.

Apropos důvěry a přehlednosti – vidím tady důležitou změnu v přístupu. Anthropic čelil kritice za to, že tiše limitoval některé požadavky na méně výkonné modely kvůli bezpečnostním obavám, a uživatelé se o tom ani nedozvěděli. Teď slíbila transparentnost. Je to detail, ale právě na těchto detailech se bude stavět důvěra v AI systémy v kritických oborech. Když někdo neví, proč mu AI zemítla, ztratí v ni důvěru. Když ví důvod, může se s tím vypořádat.

Na druhém konci spektra se děje něco zajímavého s agenty a automatizací. NVIDIA si vezla první místo v benchmarku pro agentní kódování a GitHub zase zjistil, že delegování všeho dál není odpověď – Copilot CLI se naučil jednoduché věci řešit sám místo aby je posílal dál. OpenAI mezitím kupuje Onu, platformu pro agenty, aby posílila schopnosti v dlouhotrvajících úkolech. Tady se mi zdá vidět paradigma – nejde jen o to, aby byl model chytrý, jde o to, aby věděl, kdy a jak koukat nebo naopak kdy si to vzít sám.

Věc, která mě ale překvapila nejvíc, je, co dělá Neura Robotics a MIT s fyzickou AI. Neura sebírá 1,4 miliardy dolarů na to, aby postavila infrastrukturu pro roboty, kteří se učí v reálném prostředí. A MIT zase pracuje s ultrazvukovými náramky, které zachycují gesta a превracejí je v tréninková data. To není už jen o modelech – to je o tom, jak fyzicky funguje inteligence. O tom, jak se robot učí tím, že vidí a dělá.

Medicína, bezpečnost, kódování, robotika – všechny tyhle oblasti se zrazu posunuly o kousek dál, a nejpozoruhodnější na tom je, že nejde o nějaké jednotné story, ale spíš o to, že všechny zároveň řeší stejný problém: jak aby AI nebyla jen chytrá, ale aby byla správně využívaná.