Memoria auto-mellorable para axentes

Un modelo mental popular na IA é pensar nun axente como un traballador. Unha nova capacidade podería ser equivalente a "un graduado universitario recente" ou "un analista de segundo ano". Esta non é a mellor maneira de pensar nas capacidades da IA, pero ilustra un concepto crítico da IA no traballo: sempre que contratas a calquera traballador, esperas que aprenda e se desenvolva no posto.

Os axentes de IA deberían facer o mesmo. Isto require unha ollada máis preto a que significa realmente a "memoria" na IA.

Presentación de Brain

Hoxe lanzamos un enfoque totalmente novo para a memoria na IA. Chamámoslle Brain.

Brain é un sistema de memoria que se auto-mellora. Constrúe un grafo de contexto do traballo que realiza Computer. En intervalos establecidos, como durante a noite, Brain revisa o grafo de contexto e ensínase a si mesmo a facer o traballo mellor.

Canto máis traballo fas, mellor e máis eficiente fai Brain o teu Computer.

Un modelo mellor para a memoria da IA

Hai dous eixes de importancia para a memoria na IA. O primeiro é sobre que trata a memoria, e o segundo é para que serve a memoria.

Tradicionalmente, a memoria da IA trataba sobre ti, o usuario. As túas preferencias, gustos, estilos de traballo, contactos, rol e moito máis. Brain é pioneiro nun modelo moito máis efectivo para os axentes de IA: Brain lembra o que fixo o axente. Lembra o que funcionou e o que fallou, e que correccións se fixeron no traballo. Aprende a facer un traballo mellor.

En segundo lugar, a memoria da IA sobre o usuario ten o propósito de axudarche a sentirte máis comprometido co axente de IA. A memoria de traballo como Brain ten o propósito de axudar ao axente a mellorar no traballo. Este é o propósito máis importante da memoria. Xuntos, este enfoque da memoria mellora o rendemento de Computer co paso do tempo. Todos os días, Computer con Brain ten un punto de partida mellor para cada nova tarefa. Iso é porque Brain crea un mapa fresco do que o usuario probablemente espera acadar en base ás sesións pasadas, o que funcionou e o que non.

Iso significa que Computer pode obter respostas máis rápido, acceder ás fontes máis fiables e evitar perder tempo e tokens.

Auto-mellora recursiva

Brain mellora a medida que usas Computer. Os axentes fanse máis eficaces na actualización do contexto a medida que aprenden os proxectos, conectores, artefactos e outras fontes que levan aos mellores resultados.

Tamén aprenden dos seus erros, lembrando cando un usuario fixo unha corrección ou cando unha fonte foi un rueiro sen saída. Iso resulta en menos xiros, menos chamadas ao modelo e mellores resultados.

Este bucle de retroalimentación é o que fai que Brain se auto-melle de forma continua.

Para os usuarios, os axentes melloran na comprensión do contexto que necesitan coñecer para facer o traballo. Tamén significa que o uso actual de tokens é un investimento nun uso máis eficiente de tokens máis tarde.

O grafo de contexto

Brain forma un grafo de contexto vivo para Computer creando un grafo rastrexable que axuda a Computer a entender o mundo do usuario, aprender do seu traballo e aplicar ese traballo a tarefas futuras.

A capa de contexto toma a forma dun wiki de LLM que se carga automaticamente no contorno illado do axente. As páxinas do wiki de LLM dun usuario reflecten as ideas, persoas, proxectos e outros elementos que compoñen o seu mundo, permitindo que Computer percorra esta rede de información persoal.

O wiki é actualizado de forma incremental polo sistema Brain durante a noite mentres sintetiza as sesións do usuario xunto cos resultados dos conectores, os cambios nos documentos de fonte e as correccións realizadas.

Ese contexto que se actualiza persistentemente dálle a Computer un sinal máis forte sobre que facer, onde mirar e como entregar resultados para un usuario.

Rendemento mellorado

Ampliar

Os primeiros resultados de medición mostran que Brain aumenta a corrección das respostas nun 25% en tarefas que Computer xa viu antes. E a recuperación sube un 16%.

Os mesmos resultados mostran que Brain reduce o custo das tarefas que requiren contexto histórico nun 13%. E os resultados para as persoas que usan Brain durante máis tempo melloran a medida que os axentes aprenden o seu mundo.

Brain tamén mostra o seu traballo, como outras saídas xeradas por Perplexity. Cada entrada de memoria enlaza de volta coa sesión, ficheiro ou fonte da que provén.

Potenciando a IA proactiva

Só a través da aprendizaxe continua Computer convértese na IA proactiva que os usuarios e as empresas nos piden. Os axentes aprenden e lembran o traballo e como mellorar nel.

A IA de vangarda é o sistema individual que constrúes para a túa propia organización. Cando os axentes aprenden activamente do traballo que facemos, poden identificar oportunidades que non pedimos, ou sinalar un problema antes de que ninguén o note.

Esta versión de Brain é só o comezo. Anunciaremos novas capacidades pronto.

Brain está dispoñible hoxe para os suscritores de Max e Enterprise Max en vista previa de investigación.