Η αλλαγή ξεκίνησε το 2022 με το λανσάρισμα του ChatGPT. Πολλοί χρήστες, αντί να βάζουν λέξεις-κλειδιά στις μηχανές αναζήτησης, άρχισαν να θέτουν ερωτήματα σε chatbots, για να βρουν πληροφορίες που μπορεί να διαδίδονται στο διαδίκτυο. Ωστόσο, τέτοιες «μηχανές απαντήσεων» μόλις και μετά βίας ξύνουν την επιφάνεια των δυνατοτήτων. Ο Kevin Scott, επικεφαλής τεχνολογίας της Microsoft, εκτιμά ότι οι πράκτορες που μπορούν να χειριστούν πιο σύνθετες εργασίες «δεν είναι και τόσο μακριά». Για να μπορέσουν όμως να αναλάβουν μεγαλύτερο μέρος της εργασίας, πρέπει να αλλάξουν τα «υδραυλικά» του διαδικτύου.

Ένα βασικό εμπόδιο είναι η γλώσσα: η εύρεση ενός τρόπου οι πράκτορες να μιλούν με τις διαδικτυακές υπηρεσίες και μεταξύ τους. Ένας δικτυακός τόπος ή μια διαδικτυακή υπηρεσία κανονικά συνομιλεί με τον έξω κόσμο μέσω μιας διεπαφής προγραμματισμού εφαρμογών (API), η οποία λέει στους επισκέπτες τι μπορεί να κάνει, όπως να κλείσει ένα ραντεβού με γιατρό ή να βρει μια τοποθεσία στο χάρτη. Οι API, ωστόσο, είναι γραμμένες για ανθρώπους και η καθεμία έχει τις δικές της ιδιορρυθμίες και τεκμηρίωση. Αυτό το περιβάλλον είναι δύσκολο για τους πράκτορες τεχνητής νοημοσύνης, επειδή συλλογίζονται σε φυσική γλώσσα. Η διαχείριση κάθε νέας API απαιτεί την εκμάθηση της διαλέκτου της. Επομένως, για να ενεργούν ανεξάρτητα στον ιστό, οι πράκτορες θα χρειαστούν έναν τυποποιημένο τρόπο επικοινωνίας.

Αυτός είναι ο στόχος του Model Context Protocol (MCP), που αναπτύχθηκε από την Anthropic, ένα εργαστήριο τεχνητής νοημοσύνης. Ο Mike Krieger, Chief Product Officer της εταιρείας, λέει ότι η ιδέα προέκυψε κατά τη σύνδεση του Claude, του chatbot της, με υπηρεσίες όπως το Gmail, και το GitHub, ένα αποθετήριο κώδικα. Αντί να ενσωματώνει κάθε εφαρμογή με το Claude κατά περίπτωση, η εταιρεία ήθελε ένα κοινό σύνολο κανόνων που θα βοηθούσε τους πράκτορες να έχουν άμεση πρόσβαση στα email ή τα αρχεία ενός χρήστη. Αντί να μελετά τεχνικούς οδηγούς, ένας πράκτορας μπορεί να ρωτήσει έναν διακομιστή MCP τι κάνει το σύστημα – να κλείνει πτήσεις, να ακυρώνει συνδρομές, να εκδίδει επιστροφή χρημάτων κ.ο.κ. – και στη συνέχεια να αναλάβει μια ενέργεια για λογαριασμό του χρήστη, χωρίς εξειδικευμένο κώδικα.

Ας πούμε ότι θέλετε να κάνετε κράτηση για ένα ταξίδι από το Λονδίνο στη Νέα Υόρκη. Ξεκινάτε δίνοντας τα ταξιδιωτικά σας σχέδια σε έναν ταξιδιωτικό πράκτορα, ο οποίος στη συνέχεια υποδιαιρεί την εργασία μεταξύ των εξειδικευμένων πρακτόρων που μπορούν να αναζητήσουν πτήσεις, ξενοδοχεία κι αυτοκίνητα. Αυτοί οι πράκτορες επικοινωνούν με τους διακομιστές MCP των αεροπορικών εταιρειών, των ξενοδοχείων και των εταιρειών ενοικίασης αυτοκινήτων, συγκεντρώνουν πληροφορίες, συγκρίνουν τις δυνατότητες και δημιουργούν έναν κατάλογο πιθανών δρομολογίων. Μόλις καταλήξετε σε μια επιλογή, ο ταξιδιωτικός πράκτορας θα κάνει κράτηση για το σύνολο.

Αυτός ο τύπος συντονισμού απαιτεί κανόνες για τον τρόπο με τον οποίο οι επιμέρους πράκτορες αναγνωρίζουν, συνομιλούν και εμπιστεύονται ο ένας τον άλλον. Η προτεινόμενη λύση της Google για το σκοπό αυτό είναι το πρωτόκολλο A2A (agent-to-agent). Οι πράκτορες μπορούν να διαφημίζουν τις ικανότητές τους ο ένας στον άλλο μέσω αυτού και να διαπραγματεύονται ποιος πράκτορας κάνει τι. Η Laurie Voss της Arize AI, μιας νεοφυούς εταιρείας, λέει ότι οι εταιρείες βρίσκονται σε μια «κατάκτησης» για να καθορίσουν τα κυρίαρχα πρότυπα για τον πρακτορικό ιστό.

Το πιο ευρέως υιοθετημένο πρωτόκολλο θα επιτρέψει στα εργαλεία των υποστηρικτών του να κάνουν περισσότερα, ταχύτερα και καλύτερα. Στις 9 Δεκεμβρίου η Anthropic, η OpenAI, η Google, η Microsoft και άλλοι ανακοίνωσαν το Agentic AI Foundation, το οποίο θα αναπτύξει πρότυπα ανοικτού κώδικα για πράκτορες τεχνητής νοημοσύνης. Το MCP της Anthropic θα αποτελέσει μέρος αυτού, σηματοδοτώντας την ευρύτερη υιοθέτησή του ως βιομηχανικό πρότυπο για την επικοινωνία με πράκτορες.

Ωστόσο, το μεγαλύτερο μέρος του ιστού που θα σερφάρουν αυτοί οι πράκτορες είναι ακόμη φτιαγμένο για τα ανθρώπινα μάτια. Η εύρεση ενός προϊόντος εξακολουθεί να σημαίνει κλικ σε μενού. Για να επιτρέψει στα γλωσσικά μοντέλα να έχουν ευκολότερη πρόσβαση σε ιστότοπους, η Microsoft έχει κατασκευάσει το Natural Language Web (NLWeb), το οποίο επιτρέπει στους χρήστες να «συνομιλούν» με οποιαδήποτε ιστοσελίδα σε φυσική γλώσσα. Οι χρήστες θα μπορούσαν να ζητήσουν από τη διεπαφή NLWeb μιας ταξιδιωτικής ιστοσελίδας, για παράδειγμα, συμβουλές για το πού να πάνε διακοπές με τρία παιδιά, ή ποια είναι τα καλύτερα καταστήματα κρασιού σε ένα συγκεκριμένο μέρος.

Ενώ η παραδοσιακή αναζήτηση μπορεί να απαιτήσει την αναζήτηση μέσω φίλτρων για την τοποθεσία, την περίσταση και την κουζίνα σε διάφορα μενού, το NLWeb είναι σε θέση να συλλάβει την πλήρη πρόθεση μιας ερώτησης σε μια μόνο φυσική πρόταση και να απαντήσει ανάλογα. Κάθε δικτυακός τόπος NLWeb μπορεί επίσης να ενεργεί ως διακομιστής MCP, εκθέτοντας το περιεχόμενό του σε πράκτορες. Έτσι, το NLWeb γεφυρώνει το σύγχρονο οπτικό διαδίκτυο και αυτό που μπορούν να χρησιμοποιήσουν οι πράκτορες.

Καθώς οι πράκτορες γίνονται όλο και πιο ικανοί, ένας νέος διαγωνισμός πλατφόρμας παίρνει σάρκα και οστά, αυτή τη φορά για τους ίδιους τους πράκτορες, θυμίζοντας τους πολέμους των φυλλομετρητών ιστοσελίδων (browsers) της δεκαετίας του 1990, όταν οι εταιρείες πάλευαν για τον έλεγχο της πρόσβασης στον ιστό. Τώρα, οι φυλλομετρητές επανασχεδιάζονται με τους πράκτορες στον πυρήνα τους.

Η OpenAI και η Perplexity, μια νεοφυής εταιρεία δημιουργικής τεχνητής νοημοσύνης, έχουν λανσάρει προγράμματα περιήγησης με πράκτορες που μπορούν να παρακολουθούν πτήσεις, να φέρνουν έγγραφα και να διαχειρίζονται email. Οι φιλοδοξίες τους πάνε παραπέρα. Τον Σεπτέμβριο η OpenAI επέτρεψε την απευθείας αγορά από επιλεγμένους ιστότοπους μέσα στο ChatGPT. Έχει επίσης ενσωματωθεί με υπηρεσίες όπως το Spotify και το Figma, επιτρέποντας στους χρήστες να παίζουν μουσική ή να επεξεργάζονται σχέδια χωρίς να αλλάζουν εφαρμογές.

Τέτοιες κινήσεις ανησυχούν τις κατεστημένες εταιρείες. Τον Νοέμβριο η Amazon μήνυσε την Perplexity, ισχυριζόμενη ότι η νεοσύστατη επιχείρηση παραβίαζε τους όρους παροχής υπηρεσιών της, καθώς δεν γνωστοποιούσε ότι τις αγορές τις έκανε το πρόγραμμα περιήγησης κι όχι ένα πραγματικό άτομο. Η Airbnb επέλεξε να μην ενσωματωθεί με το ChatGPT, λέγοντας ότι η λειτουργία δεν ήταν «αρκετά έτοιμη».

Η διαφήμιση, επίσης, θα πρέπει να προσαρμοστεί. Ο σημερινός ιστός λειτουργεί δημιουργώντας έσοδα μέσω της ανθρώπινης προσοχής, μέσω διαφημίσεων αναζήτησης και κοινωνικών ροών. Η Alphabet και η Meta, από τις μεγαλύτερες εταιρείες τεχνολογίας, αναμένεται να κερδίζουν σχεδόν μισό τρισεκατομμύριο δολάρια ετησίως με αυτόν τον τρόπο, αντιπροσωπεύοντας πάνω από το 80% των εσόδων τους.

Η Dawn Song, επιστήμονας πληροφορικής στο Πανεπιστήμιο της Καλιφόρνιας στο Μπέρκλεϊ, λέει ότι οι έμποροι ίσως χρειαστεί να απευθύνονται όχι στους ανθρώπους, αλλά στην «προσοχή του πράκτορα». Οι ταξιδιωτικές ιστοσελίδες, για παράδειγμα, δεν θα πείθουν τον ταξιδιώτη, αλλά τον ψηφιακό του πληρεξούσιο. Οι τακτικές μπορεί να παραμείνουν οι ίδιες, βελτιστοποίηση της κατάταξης, στόχευση των προτιμήσεων, πληρωμή για την τοποθέτηση, αλλά το κοινό θα είναι οι αλγόριθμοι.

Η περιήγηση υπό την καθοδήγηση των πρακτόρων θα μπορούσε επίσης να επεκτείνει σημαντικά τη δραστηριότητα στο διαδίκτυο. Ο Parag Agrawal, ιδρυτής της Parallel Web Systems, μιας νεοσύστατης εταιρείας τεχνητής νοημοσύνης, σημειώνει ότι ο ιστός φτιάχτηκε για ανθρώπους που διαβάζουν με ανθρώπινη ταχύτητα. Οι πράκτορες δεν αντιμετωπίζουν τέτοιους περιορισμούς. Μπορούν να σαρώσουν χιλιάδες σελίδες σε δευτερόλεπτα, να ακολουθήσουν συνδέσμους που οι άνθρωποι παραβλέπουν και να διεκπεραιώνουν παράλληλα καθήκοντα, πολλά από τα οποία δεν εμφανίζονται ποτέ στην οθόνη. Προβλέπει ότι οι πράκτορες θα μπορούσαν να χρησιμοποιούν τον ιστό «εκατοντάδες ή χιλιάδες» φορές περισσότερο από ό,τι οι άνθρωποι.

Φυσικά, όπου οι πράκτορες δρουν, μπορούν και να σφάλλουν. Ένας πράκτορας τεχνητής νοημοσύνης ενδέχεται να συμπεριφέρεται με τρόπους που ο χρήστης του δεν κατανοεί πλήρως. Μπορεί να κάνει λάθη και κατόπιν να υφαίνει πειστικές εξηγήσεις. Ακόμη πιο ανησυχητική είναι η πιθανότητα εξωτερικής χειραγώγησης. Η έγχυση προτροπών —η απόκρυψη κακόβουλων εντολών μέσα σε ιστοσελίδες ή αρχεία— μπορεί να παραπλανήσει τους πράκτορες, οδηγώντας τους σε διαρροή δεδομένων, παράκαμψη μηχανισμών ασφαλείας ή μη εξουσιοδοτημένες ενέργειες.

Οι ασφαλιστικές δικλείδες μπορούν να μειώσουν τους κινδύνους. Μία από αυτές είναι ο περιορισμός των πρακτόρων σε αξιόπιστες υπηρεσίες. Μια άλλη είναι να τους δίνονται περιορισμένες εξουσίες. Κάποιοι μπορεί να είναι «μόνο για ανάγνωση», να μπορούν να αντλούν δεδομένα, αλλά όχι να τα στέλνουν ή να τα αλλάζουν. Άλλοι μπορεί να ενεργούν μόνο με ανθρώπινη επιβεβαίωση. Για τις πιο ευαίσθητες εργασίες, ένας άνθρωπος μπορεί να χρειαστεί να παραμείνει στο κύκλωμα.

Παρά τους κινδύνους, οι προγραμματιστές λογισμικού παραμένουν αισιόδοξοι. Ο κ. Agrawal οραματίζεται μια μετάβαση από το διαδίκτυο της «έλξης», όπου οι ενέργειες εκκινούνται από τους ανθρώπους, σε ένα διαδίκτυο της «ώθησης», στο οποίο οι πράκτορες δρουν αυτοτελώς, χωρίς ρητή προτροπή: κανονίζουν συναντήσεις, επισημαίνουν σχετικές έρευνες, διεκπεραιώνουν μικρές αλλά χρήσιμες εργασίες. Μια τέτοια μετατόπιση θα μπορούσε να αποτελέσει το θεμέλιο μιας νέας, ριζικά διαφορετικής εκδοχής του διαδικτύου.

Πηγή: The Economist