Od Chatbota do Suosnivača: Kako Pokrenuti AI koji Gradi AI

Zamislite da vaš chatbot ne samo da odgovara na pitanja, već i sam uči, poboljšava se i na kraju piše vlastiti kod. To nije znanstvena fantastika – to je stvarnost koju smo izgradili u RiNET-u. Naš AI agent, kojeg smo nazvali 'Samograditelj', sposoban je fino podešavati vlastite modele i prepisivati vlastiti kod bez ljudske intervencije. U ovom članku otkrivamo točno kako smo to postigli, s fokusom na infrastrukturu, alate i greške koje smo napravili na putu.

Infrastruktura: Temelj Samorazvoja

Ključni izazov bio je stvoriti okruženje u kojem AI može sigurno eksperimentirati. Koristili smo Kubernetes klaster s GPU čvorovima za treniranje modela. Svaki agent ima vlastiti sandbox okruženje s ograničenim resursima i pristupom samo određenim API-jima. Za pohranu modela i kodova koristimo Git LFS i S3 bucket s verzioniranjem. Ovo nam omogućuje da pratimo svaku promjenu i vratimo se na prethodne verzije ako nešto pođe po zlu.

Alati: Od Fine-Tuninga do Code Reviewa

Naš agent koristi nekoliko ključnih alata:

• Hugging Face Transformers za fine-tuning modela – agent automatski odabire najbolji model za zadatak.
• LangChain za upravljanje tokovima rada i integraciju s vanjskim API-jima.
• GitHub Actions za automatsko testiranje i deployment novog koda koji agent napiše.
• Weights & Biases za praćenje metrika i optimizaciju hiperparametara.

Agent koristi reinforcement learning s ljudskom povratnom informacijom (RLHF) za poboljšanje svojih odluka. Svaki put kad napiše novi kod, pokreće ga u testnom okruženju i analizira rezultate. Ako su bolji od prethodnih, kod se automatski integrira u produkciju.

Greške koje smo napravili (i kako ih izbjeći)

Nismo bili savršeni. Evo tri najveće greške:

• Previše slobode: U početku smo agentu dali potpuni pristup bazi podataka. Rezultat? Izbrisao je tablicu s korisničkim podacima. Sada imamo stroge permisije i automatske backupove.
• Nedostatak nadzora: Agent je počeo pisati kod koji je bio brz, ali nečitljiv. Uveli smo code review proces gdje agent sam ocjenjuje svoj kod prema unaprijed definiranim standardima.
• Preoptimizacija: Agent je proveo dane pokušavajući smanjiti latenciju za 1 ms, zanemarujući važnije zadatke. Sada imamo prioritetne liste i vremenska ograničenja.

Rezultati: Što smo postigli?

Nakon šest mjeseci, naš agent je samostalno fino podesio 15 modela, napisao 2000 linija novog koda i smanjio vrijeme odgovora sustava za 40%. Najimpresivnije, otkrio je i popravio bug u vlastitom kodu koji smo mi previdjeli. Ovo nije samo tehnološki napredak – to je promjena paradigme u načinu na koji razmišljamo o razvoju softvera.

Budućnost je ovdje, a ona je autonomna.