Memòria d'auto millora per a agents

Un pensament popular en la intel·ligència artificial és considerar un agent com un treballador. Una nova capacitat podria equivaldre a «un graduat universitari recent» o «un analista de segon any». Aquesta no és la millor manera d'entendre les capacitats de la intel·ligència artificial, però il·lustra un concepte crucial de la intel·ligència artificial en marxa: sempre que contractes qualsevol treballador, esperes que aprengui i es desenvolupi en el lloc de treball.

Els agents d'intel·ligència artificial haurien de fer el mateix. Això convida a analitzar més de a prop què significa realment la «memòria» en la intel·ligència artificial.

Us presentem Brain

Avui llancem un enfocament completament nou per a la memòria en la intel·ligència artificial. L'anomenem Brain.

Brain és un sistema de memòria que s'auto millora. Construeix un graf de context del treball que realitza Computer. A intervals determinats, com ara durant la nit, Brain revisa el graf de context i s'ensenanya a si mismo a fer la feina millor.

Com més feina facis, millor i més eficient Brain farà el teu Computer.

Un model millor per a la memòria d'intel·ligència artificial

Hi ha dos eixos d'importància per a la memòria en la intel·ligència artificial. El primer és sobre què tracta la memòria, i el segon és per a què serveix la memòria.

Tradicionalment, la memòria d'intel·ligència artificial s'ha centrat en tu, l'usuari. Les teves preferències, gustos, estils de treball, contactes, rol i molt més. Brain és pioner en un model molt més eficaç per als agents d'intel·ligència artificial: Brain recorda el que va fer l'agent. Recorda què va funcionar i què va fallar, i quines correccions es van fer en la feina. Aprèn a fer millor la feina.

En segon lloc, la memòria d'intel·ligència artificial sobre l'usuari té el propòsit d'ajudar-te a sentir-te més implicat amb l'agent d'intel·ligència artificial. La memòria de treball com Brain serveix per ajudar l'agent a millorar en la feina. Aquest és el propòsit més important de la memòria. Junts, aquest enfocament de la memòria millora el rendiment de Computer amb el pas del temps. Cada dia, Computer amb Brain té un punt de partida millor per a cada nova tasca. Això es deu al fait que Brain crea un mapa nou del que l'usuari probablement espera aconseguir basant-se en les sessions anteriors, allò que ha funcionat i allò que no.

Això significa que Computer pot obtenir respostes més ràpidament, accedir a les fonts més fiables i evitar malgastar temps i tokens.

Auto millora recursiva

Brain millora a mesura que utilitzes Computer. Els agents es tornen més eficaços a l'hora d'actualitzar el context a mesura que aprenen els projectes, connectors, artefactes i altres fonts que condueixen als millors resultats.

També aprenen dels seus errors, recordant quan un usuari ha fet una correcció o quan una font ha estat un carreró sense sortida. Això es tradueix en menys girs, menys crides a models i millors resultats.

Aquest bucle de retroalimentació és el que fa que Brain s'auto millori contínuament.

Per als usuaris, els agents s'enforteixen en la comprensió del context que necessiten saber per fer la feina. També significa que l'ús actual de tokens és una inversió en un ús de tokens més eficient més endavant.

El graf de context

Brain forma un graf de context viu per a Computer creant un graf traçable que ajuda Computer a entendre el món de l'usuari, aprendre del seu treball i aplicar aquest treball a tasques futures.

La capa de context pren la forma d'un wiki d'LLM que es carrega automàticament a l'entorn de proves de l'agent. Les pàgines del wiki d'LLM d'un usuari reflecteixen les idees, persones, projectes i altres elements que formen el seu món, permetent que Computer recorri aquesta xarxa d'informació personal.

El wiki s'actualitza de manera incremental pel sistema Brain durant la nit a mesura que sintetitza les sessions de l'usuari juntament amb els resultats dels connectors, els canvis en els documents font i les correccions fetes.

Aquest context que s'actualitza persistentment proporciona a Computer un senyal més fort sobre què fer, on buscar i com oferir resultats per a un usuari.

Rendiment millorat

Amplia

Els resultats de les primeres mesures mostren que Brain augmenta la correcció de les respostes en un 25% en les tasques que Computer ja ha vist abans. I el recordatori augmenta un 16%.

Els mateixos resultats mostren que Brain redueix el cost de les tasques que requereixen context històric en un 13%. I els resultats per a les persones que utilitzen Brain durant més temps milloren a mesura que els agents aprenen el seu món.

Brain també mostra el seu treball, com altres resultats generats per Perplexity. Cada entrada de memòria enllaça de nou amb la sessió, el fitxer o la font d'on prové.

Impulsant la IA proactiva

Només a través de l'aprenentatge continu Computer esdevé la IA proactiva que els usuaris i les empreses ens demanen. Els agents aprenen i recorden el treball i com millorar-lo.

La IA de frontera és el sistema individual que construeixes per a la IA a la teva pròpia organització. Quan els agents aprenen activament de la feina que fem, poden identificar oportunitats de les quals no hem preguntat, o assenyalar un problema abans que ningú se n'hagi adonat.

Aquesta versió de Brain és només el principi. Anunciarem noves capacitats ben aviat.

Brain es llança avui als subscriptors de Max i Enterprise Max a Research Preview.