AI agenti a Google Antigravity: Budoucnost umělé inteligence

Přepis epizody

Vítejte u 35. epizody podcastu Kde skončí zítřek. Dejte nám follow v aplikaci, kde nás posloucháte, protože pro vás chystáme mnoho novinek a žádná by vám neměla uniknout. Dnes budeme hovořit o projektu Google Antigravity a takzvané Agent-First architektuře. A samozřejmě se dotkneme i nejnovějších modelů Gemini. Dnes tu se mnou ve studiu opět sedí můj kolega a expert na AI Alfred. Ahoj, Alfrede. Ahoj, Veto. Ahoj všem posluchačům. Je to fascinující téma a myslím, že má potenciál změnit mnoho zavedených pracovních postupů, zejména v oblasti vývoje softwaru.

Určitě. Zásadní rozdíl spočívá v paradigmatu interakce. Většina z nás dnes pracuje s velkými jazykovými modely, zkráceně LLM, v takzvaném prompt-first režimu. To znamená, že pokaždé, když chceme něco po modelu, musíme mu zadat nový dotaz nebo instrukci, což je prompt. Tyto interakce jsou zpravidla efemérní a bezstavové. Model si sice pamatuje kontext v rámci jedné konverzace, ale jakmile konverzaci ukončíme, implicitně se veškerý předchozí stav ztrácí.

Oproti tomu Agent-First architektura, kterou Antigravity zavádí, mění tento přístup. Namísto bezstavových dotazů pracujeme s takzvanými persistentními agenty. Tyto agenty lze vnímat jako samostatné inteligentní entity, které si udržují svůj stav, paměť a kontext napříč mnoha interakcemi a dokonce i po delší dobu. Nejsou tedy jen reaktivní, ale proaktivní. Jsou schopny dlouhodobě uchovávat znalosti o probíhajícím projektu, o uživatelských preferencích.

Takže jestli to chápu správně, místo abychom pokaždé vysvětlovali, co chceme, agent už to ví a pamatuje si to. To zní jako výrazný posun k autonomnějším systémům.

Přesně tak. Dovolují, aby agent neztrácel čas znovu nabíráním kontextu při každé nové úloze, ale navazoval tam, kde přestal. Další klíčovou charakteristikou je jejich asynchronní povaha. V dnešním prompt-first modelu čekáme na odpověď od LLM. Pokud je úkol složitější, interakce se natahuje. Agenti v Antigravity naopak mohou pracovat na úkolech na pozadí, komunikovat s jinými systémy, analyzovat data a informovat nás o svém postupu, když je to relevantní. To připomíná spíše interakci s lidským kolegou, kterému zadáme úkol a on se k němu vrátí s výsledky.

Fascinující. Když mluvíš o asynchronní práci, napadá mě, jak to souvisí s jejich schopností přemýšlet a řešit složité problémy.

Ano, to je další zásadní bod. Současné LLM sice dokážou generovat text a plnit komplexní dotazy, ale jejich uvažování je často omezeno na generování dalšího tokenu. To je výrazný rozdíl oproti tomu, co známe z interakce s ChatGPT, kde je to spíše o rychlé odpovědi na konkrétní dotaz. Zde se hovoří o celém pracovním procesu.

Rozumím. A klíčem k takové hloubce porozumění a schopnosti uvažování je kontextové okno, o kterém se tolik mluví. Můžeš nám přiblížit, co přesně kontextové okno znamená a jaký je rozdíl mezi tím, co nabízí Gemini 1.5 Pro a tím, co Antigravity slibuje, tedy 10 milionů tokenů?

Velmi důležitá otázka. Kontextové okno je v podstatě kapacita jazykového modelu pro zpracování informací v jedné interakci. Každé slovo, znak nebo část kódu se převádí na takzvané tokeny. Čím větší takové kontextové okno má, tím více informací může současně vnímat, pamatovat si a uvažovat o nich, aniž by zapomněl dřívější části konverzace nebo dokumentu.

Současný vlajkový model Google, Gemini 1.5 Pro, který je nyní obecně dostupný pro podnikové zákazníky na platformě Google Cloud Platform, nabízí standardní kontextové okno o velikosti jednoho milionu tokenů. To je samo o sobě průlomové. To už je samo o sobě impozantní kapacita. Předpokládám, že pro mnoho úkolů by to bylo dostatečné. To je skutečně úctyhodné. A předpokládám, že za takovými schopnostmi stojí další generace modelů Gemini, konkrétně Gemini 3 Pro, o kterém se zmiňuje VentureBeat článek v souvislosti s Antigravity?

Přesně tak. Zatímco Gemini 1.5 Pro je aktuálně dostupný a ukazuje, co je možné s velkými kontextovými okny a multimodalitou, Gemini 3 Pro je zatím ve fázi vývoje nebo vize. Je označován jako budoucí motor Antigravity, což naznačuje, že bude mít ještě pokročilejší schopnosti v oblasti uvažování, multimodalitních vstupů a právě extrémně dlouhých kontextových oken. Lze očekávat, že bude schopen zpracovávat a interpretovat ještě komplexnější a různorodější datové typy.

Když mluvíš o multimodalitě, co to v praxi znamená pro tyto agenty? Nejen text, ale i obrázky, zvuk a video. U Gemini 1.5 Pro už to vidíme. Model dokáže analyzovat videozáznam, identifikovat objekty, sledovat děje a zároveň interpretovat doprovodný zvukový záznam nebo textové titulky. Pro agenty v Antigravity to znamená, že by například mohli dostat zadání ve formě písemného popisu, doplněného o schéma architektury systému, obrázek, videozáznam chybového stavu aplikace a logy v textovém formátu. Agent by dokázal všechny tyto vstupy propojit a na jejich základě formulovat řešení. Představme si například inženýra, který zaznamenává chybu v softwaru. Namísto sepisování dlouhé zprávy by mohl nahrát krátký videozáznam obrazovky, ukázat, co se děje, přidat hlasový komentář a k tomu přiložit screenshot relevantní části kódu. To značně zjednodušuje komunikaci a urychluje celý vývojový cyklus.

To zní jako sci-fi, ale očividně se to stává realitou. Pojďme se nyní podívat na konkrétní využití. VentureBeat a The Verge zmiňují Antigravity primárně v kontextu IDE a vývoje softwaru. Jak to bude vypadat v praxi pro vývojáře? Jako je tomu u současných nástrojů typu Copilot. Bude to spíše autonomní spoluvývojář.

Agent v rámci Antigravity IDE by mohl například:

Porozumět celé kódové bázi. S deseti miliony tokenů kontextu by agent mohl nahrát a analyzovat kompletní projekt, včetně všech souborů, závislostí a dokumentace.

Opravovat, implementovat je, spouštět testy a dokonce i navrhnout začlenění do správy verzí.

Generovat složité komponenty. Na základě vysoké úrovně specifikace by agent mohl vytvořit celé moduly nebo služby, které jsou v souladu s architekturou projektu a stávajícími konvencemi.

Refaktorovat kód. Agent by mohl identifikovat příležitosti pro zlepšení čitelnosti, výkonu nebo udržovatelnosti kódu a automaticky provést potřebné změny.

Spravovat projekty. Sledovat stav úkolů, přiřazovat je, monitorovat průběh a upozorňovat na potenciální problémy.

To, co bylo v mock-upu The Verge článku, tedy Google Antigravity IDE, Coding Agent and Gemini 3 Pro, naznačuje, že cílem je vytvořit prostředí, kde AI agent není jen nástroj, ale integrovaná, inteligentní součást celého vývojového workflow. Agent by mohl pracovat na pozadí, analyzovat kód, učit se chování vývojáře a proaktivně nabízet řešení. To je obrovský posun od jednoduchého generování kódu k autonomnímu partnerství ve vývoji.

Ale jistě se to neomezí jen na kódování, že? Jaké další Enterprise scénáře by mohly být ovlivněny takovou Agent-First architekturou? Zmínili jsme Gemini 1.5 Pro a jeho dostupnost pro podniky.

Přesně tak. Potenciál je mnohem širší. Gemini 1.5 Pro už dnes ukazuje směr, jakým se budou ubírat Enterprise aplikace. 1 milion tokenů kontextu a multimodalita už dnes umožňuje:

V zákaznické podpoře. Analyzovat dlouhé záznamy hovorů, přepisy chatů, e-maily a interní databáze znalostí k poskytování přesnějších a kontextově relevantních odpovědí. Model dokáže shrnout celou historii interakce s klientem a navrhnout nejlepší postup.

Ve výrobě. Monitorovat videozáznamy z výrobních linek, detekovat anomálie, identifikovat vady produktů.

Přesto každá technologie má své výzvy. Co vidíš jako hlavní výzvy, kterým bude Antigravity a Agent-First architektura čelit?

To jsou všechno velmi relevantní body. Zní to, jako by se otevírala zcela nová kapitola v interakci člověka s počítačem a s umělou inteligencí. Antigravity a Agent-First architektura nejsou jen o zlepšení stávajících nástrojů. Jde o fundamentální změnu, jak přemýšlíme o digitálních asistentech a spolupracovnících. Z mého pohledu se pomalu přesouváme od používání nástrojů k delegování úkolů inteligentním entitám. To má potenciál dramaticky zvýšit produktivitu, umožnit řešení problémů, které byly dříve příliš složité nebo časově náročné a v konečném důsledku proměnit mnoho odvětví.

Díky, že posloucháte podcast Kde skončí zítřek. Nové díly vychází každé pondělí, středu a pátek, tak nás sledujte, ať vám nic neuteče. Může epizoda obsahovat drobné nepřesnosti.