Integracja systemów sztucznej inteligencji – dziedzina integracji systemów zajmująca się łączeniem odrębnych komponentów sztucznej inteligencji (np. modułów rozpoznawania mowy, widzenia komputerowego, wnioskowania czy baz wiedzy) w większe, spójne systemy o szerszych możliwościach. Podstawowym problemem integracji jest zapewnienie interoperacyjności komponentów, zwykle za pomocą wspólnych protokołów komunikacyjnych, oprogramowania pośredniczącego lub współdzielonych struktur danych, takich jak systemy tablicowe (ang. blackboard systems).

Choć niemal każdy praktyczny system sztucznej inteligencji łączy kilka technologii, od początku XXI wieku integracja jest coraz częściej traktowana jako odrębny problem badawczy i inżynierski. Jej znaczenie wzrosło wraz z upowszechnieniem dużych modeli językowych, które w zastosowaniach produkcyjnych działają zazwyczaj jako element złożonych systemów korzystających z zewnętrznych narzędzi, źródeł danych i innych modeli.

Geneza i motywacja mały|Marvin Minsky, współautor postulatu łączenia wielu metod reprezentacji wiedzy i wnioskowania w jednej architekturze. Idea budowania inteligencji z wielu współpracujących, wyspecjalizowanych mechanizmów ma długą tradycję. Marvin Minsky, Push Singh i Aaron Sloman argumentowali w 2004 roku, że żadna pojedyncza metoda nie okaże się „najlepsza”, a przyszłe systemy sztucznej inteligencji o zdroworozsądkowych kompetencjach będą musiały łączyć wiele sposobów reprezentowania wiedzy, wnioskowania i uczenia się w ramach wspólnej architektury.

Praktyczną motywacją jest fakt, że badania nad sztuczną inteligencją wytworzyły wiele wyizolowanych komponentów rozwiązujących cząstkowe problemy (synteza i rozpoznawanie mowy, wnioskowanie logiczne, planowanie, percepcja). Łączenie istniejących, często otwartych komponentów uznaje się za bardziej realistyczną drogę do systemów o szerokich kompetencjach niż budowanie monolitycznych rozwiązań od podstaw. Thórisson i współpracownicy wskazywali, że rozwój takich systemów wymaga wsparcia dla współpracy interdyscyplinarnej, koordynacji zespołów i integracji na dużą skalę.

Integracja jest szczególnie istotna w systemach multimodalnych i ucieleśnionych (np. robotach humanoidalnych lub wirtualnych agentach), które muszą jednocześnie przetwarzać mowę, obraz i gesty, planować działania oraz sterować własnymi zachowaniami w czasie rzeczywistym.

Podejścia architektoniczne

Systemy tablicowe Jednym z najstarszych wzorców integracji jest model tablicowy (ang. blackboard), w którym niezależne źródła wiedzy komunikują się wyłącznie poprzez wspólną, hierarchicznie zorganizowaną strukturę danych, a moduł sterujący decyduje, które źródło ma zostać uruchomione. Pierwszym systemem tego typu był Hearsay-II, system rozumienia mowy rozwijany w latach 1971-1976 na Carnegie Mellon University, w którym różnorodne, niepewne źródła wiedzy (akustyczne, leksykalne, syntaktyczne, semantyczne) współpracowały w rozpoznawaniu wypowiedzi. Model tablicowy stał się następnie podstawą wielu architektur systemów ekspertowych i był rozwijany jako ogólny schemat rozwiązywania problemów.

Architektury kognitywne Architektury kognitywne, takie jak Soar czy ACT-R, stanowią próbę zintegrowania w jednym systemie wielu zdolności poznawczych: percepcji, pamięci, uczenia się, wnioskowania i działania. Przegląd czterdziestu lat badań w tej dziedzinie obejmuje kilkadziesiąt takich architektur oraz ich zastosowania praktyczne. W 2017 roku John Laird, Christian Lebiere i Paul Rosenbloom zaproponowali „standardowy model umysłu” - wspólne ramy obliczeniowe mające ułatwić integrację wyników sztucznej inteligencji, kognitywistyki, neuronauki i robotyki.

Metodologia konstrukcjonistyczna Metodologia konstrukcjonistyczna (ang. constructionist design methodology, CDM), zaproponowana w 2004 roku przez Kristinna R. Thórissona i współpracowników, jest formalną metodą projektowania interaktywnych systemów inteligentnych. Zakłada iteracyjne budowanie sieci nazwanych, współpracujących modułów, które komunikują się za pomocą jawnie typowanych strumieni danych i dyskretnych komunikatów. Nazwa nawiązuje do postulatu korzystania z modułowych „klocków” oraz wcześniejszych prac innych zespołów. Metodę przetestowano, budując wirtualnego agenta ucieleśnionego, który postrzegał obiekty rzeczywiste i wirtualne w pomieszczeniu rozszerzonej rzeczywistości oraz prowadził z użytkownikiem multimodalny dialog.

Systemy wieloagentowe i standardy komunikacji W systemach wieloagentowych integracja odbywa się przez wymianę komunikatów między autonomicznymi agentami. Standaryzacją języków komunikacji agentów i protokołów interakcji zajmowała się organizacja FIPA (Foundation for Intelligent Physical Agents), której specyfikacje, w tym język ACL (Agent Communication Language), stały się podstawą wielu platform agentowych.

Oprogramowanie pośredniczące w robotyce mały|Robot TurtleBot 2 firmy Willow Garage, jedna z pierwszych platform rozwijanych w oparciu o ROS. W robotyce rolę warstwy integracyjnej pełni oprogramowanie pośredniczące. Najszerzej stosowanym jest Robot Operating System (ROS), dostarczający modułowej architektury oraz zbioru swobodnie dostępnych komponentów do percepcji, planowania, nawigacji i sterowania. Jego druga generacja, ROS 2, została zaprojektowana od nowa z myślą o wdrożeniach produkcyjnych, w tym o niezawodności, bezpieczeństwie i pracy w czasie rzeczywistym.

Systemy hybrydowe i neurosymboliczne Odrębnym nurtem jest łączenie różnych paradygmatów sztucznej inteligencji w obrębie jednego systemu. Inteligentne systemy hybrydowe powstają przez połączenie systemów ekspertowych, sieci neuronowych, logiki rozmytej i algorytmów genetycznych tak, aby zalety jednych składników kompensowały wady innych. Współczesną postacią tego podejścia jest sztuczna inteligencja neurosymboliczna, która integruje uczenie oparte na sieciach neuronowych z symboliczną reprezentacją wiedzy i wnioskowaniem logicznym, m.in. w celu poprawy interpretowalności i wiarygodności systemów.

Integracja w erze dużych modeli językowych Wraz z rozwojem dużych modeli językowych ciężar prac przesunął się z pojedynczych modeli na tzw. złożone systemy AI (ang. compound AI systems), które realizują zadania za pomocą wielu współdziałających komponentów: wielokrotnych wywołań modeli, mechanizmów wyszukiwania oraz zewnętrznych narzędzi. Zwolennicy tego podejścia wskazują, że część zadań łatwiej poprawić przez projektowanie systemu niż przez skalowanie modelu, a systemy dają większą kontrolę nad danymi, kosztami i wiarygodnością odpowiedzi. Same modele językowe mogą również uczyć się korzystania z zewnętrznych interfejsów (kalkulatorów, wyszukiwarek, systemów tłumaczących), co pokazano m.in. w pracy o modelu Toolformer.

Rozwój agentów opartych na modelach językowych doprowadził do wykształcenia powtarzalnych wzorców integracyjnych. Anthropic w 2024 roku rozróżnił przepływy pracy (ang. workflows), w których modele i narzędzia są orkiestrowane przez z góry zdefiniowany kod, od agentów, które same dynamicznie sterują swoim procesem i użyciem narzędzi, opisując wzorce takie jak łańcuchowanie zapytań, routing, zrównoleglanie, orkiestrator–wykonawcy oraz ewaluator–optymalizator. Architekturę orkiestrator–wykonawcy zastosowano m.in. w systemie Claude, w którym agent wiodący dekomponuje zadanie i uruchamia równolegle podagentów, a następnie syntetyzuje ich wyniki. W wewnętrznej ewaluacji układ wieloagentowy przewyższył pojedynczy model o ok. 90%, zużywając jednak około 15 razy więcej tokenów niż zwykła rozmowa.

Dostawcy modeli udostępnili też narzędzia do budowy systemów agentowych. W marcu 2025 roku OpenAI wprowadziło Responses API z wbudowanymi narzędziami (wyszukiwanie w sieci, wyszukiwanie w plikach, sterowanie komputerem) oraz otwartoźródłowy Agents SDK do orkiestracji przepływów wieloagentowych, obejmujący przekazywanie zadań między agentami (ang. handoffs), mechanizmy zabezpieczające i śledzenie wykonania. nowe API zastąpiło wcześniejsze Assistants API.

Potrzeba łączenia modeli z narzędziami i danymi doprowadziła do powstania otwartych protokołów integracyjnych. W listopadzie 2024 roku firma Anthropic opublikowała Model Context Protocol (MCP) – otwarty standard łączenia asystentów AI ze źródłami danych i narzędziami, mający zastąpić rozproszone, budowane od zera integracje jednym wspólnym protokołem. W grudniu 2025 roku protokół został przekazany do Agentic AI Foundation, funduszu działającego w ramach Linux Foundation, współzałożonego przez Anthropic, Block i OpenAI. Wraz z MCP do fundacji wniesiono standard AGENTS.md firmy OpenAI (plik Markdown z instrukcjami projektowymi dla agentów programistycznych) oraz framework goose firmy Block. OpenAI zadeklarowało też przyjęcie MCP jako podstawy konektorów i aplikacji w ChatGPT. W kwietniu 2025 roku Google ogłosiło protokół Agent2Agent (A2A), umożliwiający komunikację i koordynację zadań między agentami AI różnych dostawców. A2A jest przedstawiany jako uzupełnienie MCP, które koncentruje się na dostępie do narzędzi i kontekstu. W czerwcu 2025 roku A2A został przekazany Linux Foundation jako projekt neutralny wobec dostawców, wspierany przez ponad 100 firm technologicznych. W sierpniu 2025 roku z A2A połączono protokół ACP firmy IBM, w marcu 2026 roku ukazała się wersja 1.0, a w sierpniu 2026 roku projekt przeniesiono do Agentic AI Foundation, gdzie stanowi warstwę komunikacji między agentami uzupełniającą MCP. Przeglądy literatury porównują MCP, A2A oraz inne protokoły interoperacyjności agentów (ACP, ANP), wskazując na ich komplementarne role: od dostępu do narzędzi, przez delegowanie zadań między agentami, po zdecentralizowane wykrywanie agentów.

Wyzwania Integracja komponentów uczenia maszynowego wiąże się ze specyficznymi kosztami utrzymania. Badacze z Google opisali w 2015 roku zjawisko „ukrytego długu technicznego” w systemach uczenia maszynowego, obejmujące m.in. erozję granic między modułami, splątanie zależności, ukryte pętle sprzężenia zwrotnego, nieudokumentowanych konsumentów danych oraz problemy z zależnościami danych i konfiguracją.

Innym wyzwaniem pozostaje brak wspólnych standardów: różnorodność formatów danych, interfejsów i założeń architektonicznych utrudnia ponowne użycie komponentów i skłania zespoły do tworzenia własnych rozwiązań zamiast korzystania z istniejących. W przypadku złożonych systemów opartych na modelach językowych dochodzą do tego problemy optymalizacji całości systemu (a nie pojedynczych komponentów), zapewnienia jakości danych oraz kontroli nad kosztami i bezpieczeństwem.

Systemy wieloagentowe oparte na modelach językowych są dodatkowo trudne w utrzymaniu z powodu niedeterministycznego działania, kumulowania się drobnych błędów w długotrwałych procesach oraz wysokiego zużycia zasobów.

Przykłady mały|Watson firmy IBM w 2011: system łączył setki algorytmów analizy języka, wyszukiwania i oceny hipotez w architekturze DeepQAWatson firmy IBM, oparty na architekturze DeepQA, łączył wiele algorytmów analizy języka naturalnego, wyszukiwania informacji, reprezentacji wiedzy i uczenia maszynowego w jeden system odpowiadający na pytania w czasie rzeczywistym. Twórcy podkreślali, że DeepQA zaprojektowano jako rozszerzalną platformę do łączenia i oceny różnych technik. Hearsay-II, system rozumienia mowy, w którym po raz pierwszy zastosowano architekturę tablicową do integracji niezależnych źródeł wiedzy. Systemy robotyczne budowane w oparciu o ROS 2, w tym roboty mobilne i autonomiczne wdrażane w środowiskach komercyjnych. TacAir-Soar, system oparty na architekturze Soar, który generował zachowanie pilotów wojskowych w rozproszonych symulacjach na dużą skalę, integrując hierarchiczne wykonywanie celów, koordynację między jednostkami, świadomość sytuacyjną oraz komunikację w czasie rzeczywistym z ludźmi i symulowanymi obiektami. Podczas ćwiczenia Synthetic Theater of War 1997 sterował wszystkimi amerykańskimi samolotami przez 48 godzin nieprzerwanej pracy.