The Progression of Generative AIGenerative AI-ийн хөгжлийн үе шат

The 5 Levels of AI ProgressionAI-ийн ахиц дэвшлийн 5 түвшин

Chatbot → Reasoning → AI Agent → Research Agent → AGI. This is the first ladder — and it's not the one you climb.Chatbot → Reasoning → AI Agent → Research Agent → AGI. Энэ бол эхний шаталбар бөгөөд таны авирах ёстой замаас өөр юм.

Level 1: ChatbotLevel 1: Chatbot

Very simple: you type, it responds. And you already know why from Module 1 — it's predictive text. No thinking before answering, no actions, just text in and text out.Маш энгийн: та бичнэ, энэ хариулна. Модуль 1-ээс та яагаад гэдгийг нь аль хэдийн мэднэ — энэ бол таамаглагч текст юм. Хариулахаас өмнө тунгаан бодохгүй, ямар нэгэн үйлдэл хийхгүй, зөвхөн текст оруулаад текст авна.

Level 2: ReasoningLevel 2: Reasoning

This is where it gets interesting. Starting with OpenAI's o1 model (released late 2024), models began to reason over the text instead of answering without thinking.Эндээс л сонирхолтой болж эхэлнэ. OpenAI-ийн o1 model-оос эхлэн (2024 оны сүүлээр гарсан) model-ууд бодолгүй шууд хариулахын оронд эх текстийг тунгаан бодож эхэлсэн.

But what is "thinking" in an AI model? It's a concept called chain-of-thought reasoning — basically a scratchpad where the AI writes down what things mean, what it thinks, and reasons through what the objective is and what the output should be. Only then does it answer. Same predictive engine underneath — but now it drafts its way to the answer instead of blurting the first prediction.Тэгвэл AI model-ийн хувьд "сэтгэх" гэж юу вэ? Энэ бол chain-of-thought reasoning гэж нэрлэгддэг ойлголт юм — үндсэндээ AI нь зүйлсийн утга учир, өөрийн бодол, зорилго болон эцсийн output юу байх ёстойг тэмдэглэн тунгаадаг scratchpad юм. Зөвхөн үүний дараа л хариулдаг. Гүндээ ижилхэн таамаглагч engine хэвээр боловч одоо шууд эхний таамаглалыг бурахын оронд хариулт руу бага багаар тунгаан төлөвлөдөг болсон.

Level 3: AI Agent — the phase we're in right nowLevel 3: AI Agent — бидний одоогийн байгаа үе шат

Now the AI starts to take actions and connect to other tools.Одоо AI нь үйлдэл хийж, бусад хэрэгслүүдтэй холбогдож эхэлнэ.

Example: Claude can now connect to Google's whole application suite — Gmail, Calendar, Tasks, Sheets, Docs, Slides, Analytics, whatever's there. I use Google as the example because it's big and has all the software every enterprise runs on — but it could just as well be Microsoft. You get the point.Жишээ нь: Claude одоо Google-ийн бүх application suite-тэй холбогдох боломжтой — Gmail, Calendar, Tasks, Sheets, Docs, Slides, Analytics гэх мэт юу ч байсан. Би Google-ийг жишээ болгосон нь томоохон компани бүрийн ашигладаг бүх software тэнд байдагтай холбоотой, гэхдээ энэ нь Microsoft ч байж болно. Та гол санааг нь ойлгосон байх.

This is where it gets really fun: the agent takes actions on your behalf simply by you writing or speaking. We'll go much deeper on this in the exercise modules.Эндээс бүр ч сонирхолтой болно: agent таны ердөө бичсэн эсвэл ярьсны үндсэн дээр таны өмнөөс үйлдэл хийнэ. Бид дадлага ажлын модуль хэсэгт энэ талаар илүү гүнзгий үзэх болно.

Level 4: Research AgentLevel 4: Research Agent

Now it gets more interesting again — the AI researches and finds new scientific breakthroughs. This isn't hypothetical: AlphaFold predicted the structure of essentially every known protein — a problem biologists had worked on for 50 years — and won its creators the 2024 Nobel Prize in Chemistry.Одоо бүр сонирхолтой болж байна — AI нь судалгаа хийж, шинжлэх ухааны шинэ нээлтүүд хийдэг. Энэ бол зүгээр нэг таамаглал биш: AlphaFold нь биологичдын 50 жилийн турш ажилласан асуудал болох мэдээжийн бараг бүх уургийн бүтцийг таамаглаж, бүтээгчид дээ 2024 оны Нобелийн химийн шагналыг авчирсан.

There is so much still to learn about biology, new chemical compounds, physics, mathematics. Every breakthrough in understanding the world we live in means more innovation, more abundance, a better life ahead.Биологи, шинэ химийн нэгдэл, физик, математикийн талаар суралцах зүйл асар их байна. Бидний амьдарч буй дэлхий ертөнцийг ойлгох нээлт бүр нь илүү их инноваци, илүү арвин боломж, илүү сайн сайхан амьдралыг авчирдаг.

And here's the part most people miss: AI itself is one of the research subjects. The AI labs are pointing the research agent at their own field. This explains something you might have wondered about — why are the labs so obsessed with coding capability specifically? Because AI research is coding: designing experiments, writing training code, testing architectures, analyzing results. An AI that codes at researcher level can automate pieces of AI research itself. And when AI starts meaningfully improving AI, each generation builds a better next generation — the feedback loop compounds. That's the scenario the field calls an intelligence explosion, and it's the labs' stated path to Level 5.Ихэнх хүмүүсийн орхигдуулдаг хэсэг нь энд байна: AI өөрөө судалгааны сэдвүүдийн нэг юм. AI лабораториуд судалгааны agent-аа өөрсдийн салбар руу чиглүүлж байна. Энэ нь таны гайхаж байсан байж болох нэг зүйлийг тайлбарлана — лабораториуд яагаад ялангуяа coding хийх чадварт тийм их анхаарал хандуулаад байгаа юм бэ? Учир нь AI судалгаа бол coding хийх явдал юм: туршилт зохиомжлох, сургалтын код бичих, архитектурыг турших, үр дүнг шинжлэх. Судлаачийн түвшинд код бичдэг AI нь AI судалгааны зарим хэсгийг өөрөө автоматжуулж чадна. Мөн AI нь AI-ийг мэдэгдэхүйц сайжруулж эхлэхэд үе шат бүр нь дараагийн илүү сайн үе шатыг бүтээж, эргэх холбооны давуу тал улам бүр нэмэгддэг. Энэ салбарынхны intelligence explosion гэж нэрлэдэг хувилбар бөгөөд энэ нь лабораториудын Level 5 руу хүрэхээр тодорхойлсон зам юм.

Coding isn't a feature race; it's the ignition mechanism.Код бичих нь боломжийн өрсөлдөөн биш, харин асаах механизм юм.

Level 5: AGI5-р түвшин: AGI

Everything above, combined and self-directed: it can research, it can take action — and it can think on its own, hold a goal, and do anything a person could do on a computer. Potentially even reach into the physical world through APIs, as robots start to take part in it.Дээрх бүх зүйл нэгдэж, бие даасан байдалтай болох: энэ нь судалгаа хийж, үйлдэл хийж чадахаас гадна бие даан сэтгэж, зорилгоо хадгалж, хүний компьютерт хийж чадах бүхнийг хийж чадна. Роботууд оролцож эхлэхийн хэрээр API-аар дамжуулан физик ертөнцөд ч нөлөөлөх боломжтой.

The 5 Levels of AI Use CasesAI-ийг ашиглах кейсийн 5 түвшин

Chatbot → AI tools in silo → AI automation → Coding Agent as General Agent → Autonomous Agent. This is the second ladder — the one that's yours, and it doubles as the course roadmap: each module takes you up a level.Chatbot → AI tools in silo → AI automation → Coding Agent-ийг General Agent болгон ашиглах → Autonomous Agent. Энэ бол хоёр дахь шаталбар буюу таны ахиц дэвшлийн замаас гадна сургалтын roadmap юм: модуль бүр таныг нэг шат ахиулна.

There's a reason this is five levels, not five categories: each level is a capability expansion. Every step up, you can do more than the step before.Энэ нь таван ангилал биш, таван түвшин байгаагийн нэг шалтгаан бий: түвшин бүр нь боломжийн тэлэлт юм. Дээшлэх алхам бүрд та өмнөхөөсөө илүү ихийг хийж чадна.

The mainstream is at Level 3. The frontier is at Level 5. This course takes you to the frontier.Үндсэн чиглэл 3-р түвшинд байна. Хөгжлийн түүчээ 5-р түвшинд байна. Энэхүү сургалт таныг энэхүү хөгжлийн түүчээд хүргэх болно.

Level 1: ChatbotLevel 1: Chatbot

We already know this one — text in, text out.Бид үүнийг аль хэдийн мэднэ — текст оруулаад, текст авна.

Level 2: AI tools in siloLevel 2: AI tools in silo

Software-as-a-service became agent-as-a-service — specialized AI tools, each doing one job well:Software-as-a-service нь agent-as-a-service болсон — тус бүрдээ нэг ажлыг сайн хийдэг мэргэшсэн AI хэрэгслүүд:

• Voice & avatar tools — clone your voice and your face; type the text and your avatar speaks it like a real person. Videos of you, without you.Voice & avatar хэрэгслүүд — өөрийн дуу хоолой болон нүүр царайг хувилах; текст бичихэд таны аватар бодит хүн шиг ярина. Та өөрөө оролцохгүйгээр таны видео үүснэ.
• Transcription tools — you talk, it transcribes into whatever language you want.Transcription хэрэгслүүд — та ярихад, энэ нь таны хүссэн ямар ч хэл рүү буулгана.
• Customer-facing tools — an AI call center that actually answers the phone.Хэрэглэгчдэд чиглэсэн хэрэгслүүд — утсанд үнэхээр хариулдаг AI дуудлагын төв.

Powerful — but each tool lives in its own silo. That's the limit of this level.Хүчирхэг — гэхдээ хэрэгсэл бүр өөрийн гэсэн тусгаарлагдмал орчинд ажилладаг. Энэ бол уг түвшний хязгаарлалт юм.

Level 3: AI automationLevel 3: AI automation

The n8n / make.com level. Those silo tools all have APIs — so now you connect them and build workflows (even agentic workflows) that automate simple tasks end-to-end.n8n / make.com-ийн түвшин. Тэдгээр тусгаарлагдмал хэрэгслүүд бүгд API-тай тул одоо та тэдгээрийг холбож, энгийн даалгавруудыг эхнээс нь дуустал автоматаар гүйцэтгэх workflow (бүр agentic workflow)-уудыг үүсгэнэ.

Example: someone fills out a form → it gets logged → the AI categorizes it into the buckets you defined → it lands in the right list. Nobody touched it.Жишээ нь: хэн нэгэн form бүглэнэ → тэр нь бүртгэгдэнэ → AI үүнийг таны тодорхойлсон ангилалд оруулна → зөв жагсаалтад орно. Хэн ч гараар хүрээгүй.

Level 4: Coding Agent as General AgentLevel 4: Coding Agent-ийг General Agent болгон ашиглах

First, the short history of coding agents:Эхлээд, coding agent-уудын товч түүх:

• It started with GitHub Copilot — autocomplete for programmers.Энэ нь программистуудад зориулсан автоматаар гүйцээгч GitHub Copilot-оос эхэлсэн.
• Then Cursor, the famous one — an IDE (Integrated Development Environment: the app programmers write code in; think "Word, but for code").Дараа нь алдартай Cursor — IDE (Integrated Development Environment: программчид код бичдэг аппликейшн; "кодонд зориулсан Word" гэж ойлгож болно).
• Then came the terminal coding agents — Claude Code, Codex.Дараа нь terminal coding agents болох Claude Code, Codex гарч ирсэн.
• And now they've become desktop apps with coding power inside: Claude and Codex desktop, where you chat and it codes.Одоо тэд код бичих чадалтай desktop app-ууд болсон: та харилцан ярилцаж, тэр код бичдэг Claude болон Codex desktop.

And watch how fast the capability climbed alongside the tools:Хэрэгслүүдийг дагаад чадамж хэр хурдан өссөнийг хараарай:

1. Fill in the blank — predicting the next line of code; you just press Tab.Fill in the blank — кодын дараагийн мөрийг таамаглах; та зүгээр л Tab дээр дарахад хангалттай.
2. Components — writing a small, self-contained piece of the code for you.Components — танд зориулж кодын жижиг, бие даасан хэсгийг бичиж өгнө.
3. One-shotting — a full application or website from a single prompt.One-shotting — ганцхан prompt-оос бүрэн хэмжээний аппликейшн эсвэл вебсайт бүтээх.
4. Security-grade — today's frontier: it can build a properly secured application for you — or find the holes in one.Security-grade — өнөөгийн тэргүүлэх түвшин: энэ нь танд зориулж аюулгүй байдлыг зохих ёсоор хангасан аппликейшн бүтээх, эсвэл түүнээс эмзэг байдлыг олж чадна.

Notice the pattern — it's Module 1's next-word predictor again, just aimed at code and scaled up. The same engine went from finishing your line to shipping your app.Загварыг анзаараарай — энэ бол Модуль 1-ийн дараагийн үгийг таамаглагчтай адил бөгөөд зөвхөн код руу чиглэж, хэмжээг нь томруулсан төдий. Нэг л хөдөлгүүр таны мөрийг гүйцээж бичихээс эхлээд аппыг тань нэвтрүүлэх хүртэл хөгжжээ.

Here's why a coding agent works as a general agent: you create a project — your work, even your whole company, as a project — and use the coding agent as the orchestrator of all your work. Because it's a coding agent, it can connect to any software through the three connection methods: API, CLI, or MCP (MCP is the newest, built for agents, and heavily used now). Get the API key, the MCP link, or CLI authorization — and you're orchestrating your work from a simple chat interface.Coding agent яагаад general agent болж ажилладаг вэ: та өөрийн ажил, бүр бүх компаниа төсөл болгон үүсгэж, coding agent-ийг бүх ажлынхаа orchestrator болгон ашиглана. Учир нь энэ бол coding agent бөгөөд холболтын гурван аргаар ямар ч software-тэй холбогдож чадна: API, CLI, эсвэл MCP (MCP нь agent-уудад зориулан бүтээгдсэн хамгийн шинэлэг, одоо өргөн ашиглагдаж буй арга юм). API key, MCP link, эсвэл CLI authorization авснаар та ажлаа энгийн chat interface-ээс зохицуулах боломжтой болно.

There are caveats — and there are ways to manage them effectively and seamlessly. That's exactly what the exercise modules are for.Энд анхаарах зүйлс бий — мөн тэдгээрийг үр дүнтэй бөгөөд саадгүй удирдах аргууд ч бий. Дасгал модулиуд яг үүнд зориулагдсан.

Level 5: Autonomous Agent5-р түвшин: Autonomous Agent

This was the moment OpenClaw came out — and ooh wee, it was a special moment.Энэ бол OpenClaw гарч ирсэн мөч байсан бөгөөд үнэхээр онцгой мөч байлаа.

This is when an agent lives on your computer. And it can control your whole computer — through the terminal, aka the CLI.Энэ нь agent таны компьютер дээр байрших үе юм. Тэгээд энэ нь терминалаар буюу CLI-аар дамжуулан таны бүхэл компьютерыг удирдах боломжтой.

What's a CLI? Command Line Interface — the terminal, where you command your computer simply by typing. No mouse, no clicking through menus: type the command, the computer does it. And if typing commands controls the whole machine, then an AI that types commands controls the whole machine too. That's the level.CLI гэж юу вэ? Command Line Interface — буюу та зүгээр л бичиж компьютертоо тушаал өгдөг терминал юм. Хулгана хэрэглэхгүй, цэс хооронд клик хийхгүй: тушаалаа бичнэ, компьютер биелүүлнэ. Хэрэв тушаал бичих нь бүх төхөөрөмжийг удирддаг юм бол тушаал бичдэг AI нь мөн л бүх төхөөрөмжийг удирдана гэсэн үг. Ийм л түвшин юм.

What makes it autonomous: it can be proactive. You can put in a cron job — at a set time, like an alarm, it triggers an action on its own. Say, every morning at 9am it does a news run for you from the sources you like. Nobody prompted it. It just runs.Үүнийг юу autonomous болгодог вэ гэвэл: энэ нь идэвхтэй байж чаддаг. Та cron job тохируулж болно — сэрүүлэгтэй адил тохируулсан цагт энэ нь өөрөө бие даан үйлдэл хийнэ. Жишээ нь, өглөө бүр 09:00 цагт таны дуртай эх сурвалжаас танд зориулж мэдээ цуглуулдаг. Хэн ч prompt өгөөгүй. Энэ зүгээр л ажиллана.

The anatomy is the same as any agent — model, memory, tools — but now you're managing it on three fronts:Анатоми буюу бүтэц нь ямар ч agent-тай адилхан — model, memory, tools — гэхдээ одоо та үүнийг гурван чиглэлд удирдаж байна:

• Knowledge (long-term memory) — you manage what it knows and retainsKnowledge (урт хугацааны санах ой) — түүний юу мэддэг болон санан тогтоож үлддэг зүйлийг та удирдана
• Context (short-term memory) — you manage the context window, just like Module 1 taughtContext (богино хугацааны санах ой) — Module 1 дээр заасны дагуу та context window-ийг удирдана
• Autonomy — you manage what actions it's allowed to take on its ownAutonomy — бие даан ямар үйлдэл хийхийг нь та удирдана

That autonomy question is the interesting one. Logging simple data from your bank statement into your database? Fine — let it run autonomously. Sending money from your bank account? Very tricky — you don't want to hand over that kind of autonomy. Although in the future, with good guardrails, you might be comfortable with it.Автомат байдлын тухай энэ асуулт хамгийн сонирхолтой нь. Банкны хуулгаасаа дата бааз руугаа энгийн дата бүртгэх үү? Болно — үүнийг бие даан ажиллуул. Банкны данснаасаа мөнгө шилжүүлэх үү? Маш эрсдэлтэй — та ийм бие даасан эрхийг шилжүүлж өгөхийг хүсэхгүй. Гэвч ирээдүйд сайн guardrails-тай болсноор та үүнд сэтгэл амгалан байж магадгүй.

After OpenClaw came Hermes — the Hermes agent is more reliable, and it has a desktop application now, which makes it much easier to use. I'd recommend trying both. Hermes is what we'll build with in Module 6.OpenClaw-ийн дараа Hermes гарч ирсэн — Hermes agent нь илүү найдвартай бөгөөд одоо desktop аппликейшнтэй болсон нь ашиглахад хавьгүй хялбар болгож байна. Хоёуланг нь туршиж үзэхийг зөвлөж байна. Hermes бол бидний Module 6 дээр хамтран бүтээх зүйл юм.