Meta nasazuje keylogger na vlastní lidi. Důvod? Trénink AI agentů

Za hranicí textových modelů

Zapomeňte na klasický trénink LLM, kde se do modelu sypou terabajty textu z internetu. Meta jde dál. Její nová „Model Capability Initiative“ (MCI) se nesoustředí na to, co AI říká, ale na to, co AI dělá. Cílem je vytvořit agenty, kteří umí autonomně pracovat s aplikacemi.

Sběr dat v surové podobě

Technicky to celé stojí na telemetrických agentech instalovaných na počítačích zaměstnanců v USA. Tyto nástroje zaznamenávají každý nízkoúrovňový vstup: pohyb myši, souřadnice kliknutí, časová razítka, stisky kláves a dokonce i kadenci psaní.

Data jsou synchronizována se snímky obrazovky nebo rovnou s kompletní strukturou webové stránky (DOM snapshot). Vznikají tak strukturované páry „stav-akce“, což je základní stavební kámen pro takzvané imitační učení.

Co je imitační učení?

Je to vlastně jednoduchý koncept. Místo abyste AI dali přesná pravidla, jak vyplnit formulář, prostě jí tisíckrát ukážete, jak to dělá člověk. Model se učí napodobováním, ne programováním. Pozoruje, jak lidé navigují v menu, používají klávesové zkratky a interagují s GUI.

Právě tyto úkony, které vyžadují pochopení kontextu uživatelského rozhraní, jsou pro současné modely obrovskou překážkou. Generovat text je jedna věc, ale kliknout na správné tlačítko v komplexní aplikaci je úplně jiná disciplína.

Architektonická výzva

Sběr je jedna věc. Filtrace druhá. Systém musí oddělit pracovní úkony od soukromých dat, což je netriviální problém. Ohromný objem dat z tisíců stanic navíc představuje masivní inženýrskou zátěž na straně zpracování a čištění dat.

Meta si od toho slibuje agenty schopné automatizovat reálnou kancelářskou práci. Nejde o další chatbot. Jde o pokus vytvořit digitálního pracovníka, který se učí pozorováním. Technologicky fascinující. Z hlediska implementace a škálování? Obrovská sázka.