Koniec z cyfrową amnezją: OpenSpace zmienia agentów AI w systemy samouczące się

Większość dzisiejszych agentów AI działa w stanie permanentnej amnezji. Przy każdym nowym zadaniu model językowy startuje od zera, odtwarzając te same procesy myślowe i konsumując cenne tokeny na rozwiązanie problemów, z którymi mierzył się już wielokrotnie. Ten nieefektywny model operacyjny staje się jednak przeszłością dzięki OpenSpace – nowatorskiemu silnikowi opracowanemu przez badaczy z HKUDS. Rozwiązanie to wprowadza mechanizm „ewolucji umiejętności”, pozwalając sztucznej inteligencji uczyć się na własnych doświadczeniach i budować trwałą bibliotekę kompetencji.

Od zimnego startu do biegłości operacyjnej

Fundamentem OpenSpace jest przejście od tak zwanego „cold-start”, gdzie system nie posiada żadnej wiedzy o specyfice zadania, do fazy „ciepłej”, w której agent korzysta z wcześniej wypracowanych wzorców. Silnik ewolucyjny analizuje każdą udaną egzekucję, na przykład analizę plików CSV czy generowanie raportów, a następnie automatycznie ekstrahuje z niej powtarzalne schematy. Są one zapisywane w specjalnej bazie SQLite oraz w formacie SKILL.md, który staje się swoistym DNA cyfrowego asystenta.

System nie opiera się wyłącznie na prostym kopiowaniu procedur. OpenSpace wykorzystuje hybrydowy mechanizm wyszukiwania, łączący algorytm BM25 z rankingiem opartym na osadzeniach (embeddings). Dzięki temu agent potrafi odnaleźć najbardziej adekwatną umiejętność, nawet gdy opis nowego zadania różni się od poprzednich. Co istotne, platforma definiuje trzy tryby ewolucji: FIX (naprawa błędnych narzędzi), DERIVED (tworzenie pochodnych metod) oraz CAPTURED (rejestrowanie zupełnie nowych zdolności).

Ekonomia tokenów i mierzalna wydajność

Dla biznesu kluczowym argumentem nie jest sama technologia, lecz jej wpływ na rentowność. Dane z benchmarku GDPVal, obejmującego 50 realnych zadań zawodowych, są bezlitosne dla tradycyjnych rozwiązań. OpenSpace wykazał średnią redukcję zużycia tokenów o 46%, co bezpośrednio przekłada się na niższe koszty korzystania z API takich modeli jak GPT-4 czy Claude. Jeszcze większe wrażenie robi wskaźnik poprawy przychodów (income improvement), który wzrósł aż 4,2-krotnie dzięki wyższej skuteczności w domykaniu złożonych procesów.

Analiza biblioteki składającej się ze 165 autonomicznie wyewoluowanych umiejętności ujawniła ciekawą prawidłowość: większość z nich nie dotyczyła wiedzy ściśle domenowej, lecz obsługi błędów i formatowania plików. To dowodzi, że największym wąskim gardłem agentów AI nie jest brak danych, lecz trudność w powtarzalnej interakcji z oprogramowaniem i systemami plików.

Inteligencja kolektywna w chmurze

OpenSpace wykracza poza ramy pojedynczej instalacji. Dzięki integracji z platformą open-space.cloud, wypracowane przez jednego agenta umiejętności mogą być współdzielone przez całe zespoły. System działa tu na zasadzie podobnej do repozytoriów kodu, gdzie najbardziej optymalne wzorce stają się standardem dla całej organizacji. Dzięki wsparciu dla protokołu MCP (Model Context Protocol), silnik ten można łatwo zintegrować z istniejącymi narzędziami, takimi jak Claude Code czy Codex, zmieniając je z prostych asystentów w systemy, które z każdym dniem stają się mądrzejsze, szybsze i tańsze w utrzymaniu.