مانوس: رویکردی نوین به عوامل هوش مصنوعی

ظهور مانوس و قابلیت‌های آن

ایجاد Manus به گونه‌ای طراحی شده است که به عنوان یک عامل هوش مصنوعی همه‌کاره عمل کند، که قادر به برنامه‌ریزی مستقل، اجرا و ارائه نتایج جامع است. این عامل با وب‌سایت‌ها در زمان واقعی تعامل دارد، انواع مختلف داده‌ها را پردازش می‌کند و از مجموعه‌ای از ابزارها برای دستیابی به اهداف خود استفاده می‌کند.

علیرغم اینکه Manus در فاز دعوت-محور قرار دارد، به سرعت به دلیل قابلیت‌های چشمگیرش مورد توجه قرار گرفت. Deedy Das، یکی از مدیران Menlo Ventures، Manus را تحسین کرد و گفت: “Manus، محصول جدید هوش مصنوعی که همه در مورد آن صحبت می‌کنند، ارزش این همه هیاهو را دارد. این همان عامل هوش مصنوعی است که به ما وعده داده شده بود.” Das تاکید کرد که این عامل توانایی دارد کاری را که معمولاً دو هفته کار حرفه‌ای می‌طلبد، در حدود یک ساعت فشرده کند.

Andrew Wilkinson، یکی از بنیانگذاران شرکت هلدینگ فناوری Tiny، احساس مشابهی را ابراز کرد و گفت: “احساس می‌کنم شش ماه در زمان به آینده سفر کرده‌ام.” Wilkinson حتی فاش کرد که به Manus وظیفه داده است تا یک راه‌حل نرم‌افزاری را توسعه دهد و جایگزین کند که شرکتش در حال حاضر سالانه 6000 دلار برای آن هزینه می‌کند.

Manus طیف گسترده‌ای از قابلیت‌ها را به نمایش گذاشته است، از جمله:

• ایجاد برنامه سفر دقیق: تولید برنامه‌های سفر جامع.
• تجزیه و تحلیل عمیق داده‌ها: انجام تجزیه و تحلیل کامل سهام و کسب و کارها.
• تولید گزارش تحقیق: تولید گزارش در مورد موضوعات مختلف.
• طراحی بازی: مفهوم‌سازی و طراحی بازی‌ها.
• دوره‌های آموزشی تعاملی: توسعه تجربیات یادگیری جذاب.

کاربران Manus را به عنوان ابزاری چندوجهی توصیف کرده‌اند که قابلیت‌های تحقیقاتی عمیق، عملکرد مستقل، قابلیت استفاده از کامپیوتر و یک عامل کدنویسی مجهز به حافظه را ترکیب می‌کند.

تجربه کاربری و محک عملکرد

فراتر از قابلیت‌های عاملی “شگفت‌انگیز” آن، همانطور که برخی گفته‌اند، Manus به خاطر تجربه کاربری (UX) خود نیز مورد تحسین قرار گرفته است. Victor Mustar، رئیس محصول در Hugging Face، خاطرنشان کرد: “UX همان چیزی است که بسیاری دیگر وعده داده بودند، اما این بار واقعاً کار می‌کند.” طراحی Manus همچنین نظارت انسانی را در بر می‌گیرد و برای اقدامات مختلف نیاز به تایید و مجوز دارد.

Manus همچنین در معیار GAIA مورد آزمایش قرار گرفته است، که دستیاران هوش مصنوعی عمومی را بر اساس توانایی آنها در حل مشکلات دنیای واقعی ارزیابی می‌کند. طبق نتایج گزارش شده، Manus عملکرد برتری را در مقایسه با Deep Research OpenAI نشان داد.

بحث ‘Wrapper’ و ارزش Manus

چند روز پس از موج اولیه هیجان، برخی از کاربران در X (توییتر سابق) متوجه شدند که Manus بر روی مدل Claude Sonnet Anthropic، همراه با ابزارهای دیگری مانند Browser Use، کار می‌کند. این افشاگری منجر به ابراز ناامیدی شد و برخی از منتقدان اظهار داشتند که Manus فاقد یک “مزیت رقابتی” منحصر به فرد است.

واقعیت این است که Manus، برای دستیابی به قابلیت‌های چشمگیر خود، به عنوان یک “wrapper” در اطراف برخی از پیشرفته‌ترین مدل‌های هوش مصنوعی موجود عمل می‌کند. با این حال، این رویکرد گاهی اوقات با یک برداشت منفی عجیب در رسانه‌های اجتماعی مواجه شده است. در نهایت، Manus در ایجاد یک رابط کاربری خوب طراحی شده که به طور موثر از پتانسیل عاملی یک مدل هوش مصنوعی بنیادی استفاده می‌کند، موفقیت نشان داده است.

Aidan McLaughlin، یکی از متخصصان OpenAI، در X اظهار داشت که جنبه “wrapper” نگرانی مهمی نیست. او تاکید کرد: “اگر ارزش ایجاد کرده باشد، شایسته احترام من است. به قابلیت‌ها اهمیت دهید، نه معماری.”

علاوه بر این، بررسی‌های اولیه Manus پتانسیل دست‌نخورده مدل‌های هوش مصنوعی فعلی را برجسته می‌کند، قابلیت‌هایی که حتی آزمایشگاه‌هایی که آنها را توسعه می‌دهند به طور کامل متوجه نشده‌اند. Richardson Dackam، بنیانگذار GitGlance.co، اظهار داشت: “Manus فقط یک API را روی یک مدل قرار نداده است. آنها یک سیستم مستقل ساخته‌اند که می‌تواند تحقیقات عمیق، تفکر عمیق و وظایف چند مرحله‌ای را به گونه‌ای انجام دهد که هیچ هوش مصنوعی دیگری نمی‌تواند.”

این یک سوال جالب را مطرح می‌کند: اگر Manus بر روی مدل‌های موجود از ایالات متحده ساخته شده است، چرا سازندگان آن مدل‌ها نتوانسته‌اند قابلیت‌های مشابهی را خودشان ارائه دهند؟ Dean W Ball، محقق هوش مصنوعی، پیشنهاد کرد: “من فرض می‌کنم که هر آزمایشگاه ایالات متحده این قابلیت‌ها یا بهتر از آن را در پشت صحنه دارد و به دلیل ریسک‌گریزی، که بخشی از آن ناشی از ریسک نظارتی است، آنها را ارائه نمی‌دهد.”

آرزوهای متن‌باز و ظهور OpenManus

این واقعیت که Manus بر روی LLMهای موجود ساخته شده است، نشان می‌دهد که قابلیت‌های آن به طور بالقوه می‌تواند تکرار شود. این درک موجی از انتظار را در میان بسیاری از کاربران در X برانگیخت و برخی ابراز امیدواری کردند که یک نسخه متن‌باز ارائه شود.

به نظر می‌رسد این امیدها نسبتاً سریع برآورده شده‌اند. گروهی از توسعه‌دهندگان در GitHub قبلاً یک جایگزین متن‌باز برای Manus ایجاد کرده‌اند که به درستی “OpenManus” نامیده می‌شود. این پروژه اکنون به صورت عمومی در GitHub در دسترس است.

انتقادات و چالش‌های پیش روی Manus

با وجود استقبال مثبت، Manus با انتقاداتی نیز مواجه شده است. برخی از کاربران گزارش داده‌اند که Manus زمان زیادی را برای تکمیل وظایف صرف کرده است و در برخی موارد، اصلاً نتوانسته آنها را به پایان برساند. Derya Unutmaz، دانشمند زیست‌پزشکی، Manus را با Deep Research OpenAI مقایسه کرد و خاطرنشان کرد که در حالی که دومی یک کار را در 15 دقیقه تکمیل کرد، Manus AI پس از 50 دقیقه شکست خورد و در مرحله 18 از 20 گیر کرد.

Simon Smith، معاون اجرایی هوش مصنوعی مولد در Klick Health، این مشکلات را به این احتمال نسبت داد که مدل زیربنایی Manus ممکن است به اندازه Deep Research OpenAI قوی نباشد. او همچنین پیشنهاد کرد که چون Manus از چندین مدل استفاده می‌کند، ممکن است به زمان بیشتری نسبت به Deep Research برای تولید یک گزارش کامل نیاز داشته باشد.

کاربر دیگری تاکید کرد که Manus گاهی اوقات در طول جستجوهای وب گیر می‌کند، به دلیل مشکلات متنی در وظایف مبتنی بر کد، “وقفه هایی در بین” را تجربه می‌کند و به طور کلی کند است.

برخی از منتقدان همچنین رویکرد دسترسی فقط با دعوت Manus را هدف قرار داده‌اند و اظهار داشته‌اند که دعوت‌نامه‌ها عمدتاً برای ایجاد هیاهو در رسانه‌های اجتماعی بین اینفلوئنسرها توزیع شده‌اند.

آینده Manus و چشم‌انداز گسترده‌تر هوش مصنوعی

باید اذعان کرد که Manus هنوز در مراحل اولیه توسعه خود قرار دارد و احتمالاً دستخوش اصلاحات و بهبودهای بیشتری خواهد شد. با این حال، یک سوال اساسی باقی می‌ماند: چه مدت طول می‌کشد تا بازیگران بزرگی مانند OpenAI، Anthropic یا حتی Google نسخه ای در دسترس‌تر از آنچه Manus در حال حاضر ارائه می‌دهد، معرفی کنند؟ ظهور Manus به عنوان نمایشی قانع‌کننده از پتانسیل عوامل هوش مصنوعی و ارزش ایجاد رابط‌های کاربرپسند برای باز کردن قابلیت‌های مدل‌های هوش مصنوعی موجود عمل می‌کند. در حالی که چالش‌ها و انتقاداتی وجود دارد، Manus نشان‌دهنده یک گام مهم رو به جلو در تکامل ابزارهای مبتنی بر هوش مصنوعی و توانایی آنها در مقابله با وظایف پیچیده و واقعی است. توسعه OpenManus بیشتر بر علاقه جامعه به کاوش و گسترش امکانات ارائه شده توسط این رویکرد جدید به عوامل هوش مصنوعی تاکید می‌کند. آینده احتمالاً شاهد نوآوری و رقابت مستمر در این فضا خواهد بود که منجر به توسعه عوامل هوش مصنوعی پیچیده‌تر و در دسترس‌تر خواهد شد.