Memori peningkatan diri untuk agen

Model mental yang populer dalam AI adalah menganggap agen sebagai pekerja. Kemampuan baru mungkin setara dengan "lulusan baru perguruan tinggi," atau "analis tahun kedua." Ini bukanlah cara terbaik untuk memikirkan kemampuan AI, tetapi hal ini mengilustrasikan konsep penting AI yang sedang bekerja: kapan pun Anda mempekerjakan pekerja apa pun, Anda mengharapkan mereka untuk belajar dan berkembang dalam pekerjaan tersebut.

Agen AI harus melakukan hal yang sama. Hal ini memicu tinjauan lebih dekat mengenai apa arti "memori" yang sebenarnya dalam AI.

Memperkenalkan Brain

Hari ini kami meluncurkan pendekatan yang sepenuhnya baru untuk memori dalam AI. Kami menyebutnya Brain.

Brain adalah sistem memori yang dapat meningkatkan diri secara mandiri. Sistem ini membangun grafik konteks dari pekerjaan yang dilakukan Computer. Pada interval yang ditentukan, seperti semalam, Brain meninjau grafik konteks dan mengajari dirinya sendiri cara melakukan pekerjaan dengan lebih baik.

Semakin banyak pekerjaan yang Anda lakukan, semakin baik dan efisien Brain membuat Computer Anda.

Model yang lebih baik untuk memori AI

Ada dua poros kepentingan untuk memori dalam AI. Yang pertama adalah tentang apa memori tersebut, dan yang kedua adalah untuk apa memori tersebut digunakan.

Secara tradisional, memori AI berkaitan dengan Anda, sang pengguna. Preferensi, selera, gaya kerja, kontak, peran Anda, dan banyak lagi. Brain memelopori model yang jauh lebih efektif untuk agen AI: Brain mengingat apa yang dilakukan agen. Brain mengingat apa yang berhasil dan apa yang gagal, serta koreksi apa yang dibuat pada pekerjaan tersebut. Brain belajar untuk melakukan pekerjaan dengan lebih baik.

Kedua, memori AI tentang pengguna berfungsi agar Anda merasa lebih terlibat dengan agen AI. Memori kerja seperti Brain berfungsi untuk membantu agen menjadi lebih baik dalam pekerjaannya. Ini adalah tujuan terpenting dari memori.

Secara bersama-sama, pendekatan terhadap memori ini meningkatkan performa Computer dari waktu ke waktu. Setiap hari, Computer dengan Brain memiliki titik awal yang lebih baik untuk setiap tugas baru. Itu karena Brain membuat peta baru tentang apa yang paling ingin dicapai oleh pengguna berdasarkan sesi masa lalu, apa yang berhasil, dan apa yang tidak.

Artinya, Computer dapat memperoleh jawaban lebih cepat, mengakses sumber paling andal, dan menghindari pemborosan waktu serta token.

Peningkatan diri secara rekursif

Brain menjadi lebih baik saat Anda menggunakan Computer. Agen menjadi lebih efektif dalam memperbarui konteks saat mereka mempelajari proyek, konektor, Artifact, dan sumber lain yang mengarah ke hasil terbaik.

Mereka juga belajar dari kesalahan mereka, mengingat kapan pengguna membuat koreksi atau kapan suatu sumber menemui jalan buntu. Hal tersebut menghasilkan lebih sedikit giliran, lebih sedikit pemanggilan model, dan hasil yang lebih baik.

Lingkaran umpan balik inilah yang membuat Brain terus meningkatkan diri secara mandiri.

Bagi pengguna, agen menjadi lebih baik dalam memahami konteks yang mereka perlukan untuk melakukan pekerjaan. Hal ini juga berarti bahwa penggunaan token saat ini adalah investasi untuk penggunaan token yang lebih efisien di kemudian hari.

Grafik konteks

Brain membentuk grafik konteks yang dinamis untuk Computer dengan membuat grafik yang dapat dilacak yang membantu Computer memahami dunia pengguna, belajar dari pekerjaan mereka, dan menerapkan pekerjaan tersebut pada tugas di masa mendatang.

Lapisan konteks berbentuk wiki LLM yang dimuat secara otomatis ke dalam kotak pasir agen. Halaman wiki LLM pengguna mencerminkan ide, orang, proyek, dan elemen lain yang membentuk dunia mereka, yang memungkinkan Computer menelusuri jaringan informasi pribadi ini.

Wiki tersebut diperbarui secara bertahap oleh sistem Brain semalam saat sistem mensintesis sesi pengguna beserta hasil konektor, perubahan pada dokumen sumber, dan koreksi yang dibuat.

Konteks yang terus diperbarui tersebut memberi Computer sinyal yang lebih kuat tentang apa yang harus dilakukan, di mana harus mencari, dan bagaimana memberikan hasil bagi pengguna.

Peningkatan performa

Perbesar

Hasil pengukuran awal menunjukkan bahwa Brain meningkatkan kebenaran jawaban sebesar 25% pada tugas-tugas yang pernah dilihat Computer sebelumnya. Dan perolehan kembali meningkat sebesar 16%.

Hasil yang sama menunjukkan Brain memangkas biaya tugas yang memerlukan konteks historis sebesar 13%. Dan hasil bagi orang-orang yang menggunakan Brain lebih lama akan meningkat seiring agen mempelajari dunia mereka.

Brain juga menunjukkan pekerjaannya, seperti hasil lain yang dihasilkan oleh Perplexity. Setiap entri memori menautkan kembali ke sesi, file, atau sumber asalnya.

Memberdayakan AI proaktif

Hanya melalui pembelajaran berkelanjutan, Computer menjadi AI proaktif yang diminta oleh pengguna dan bisnis. Agen mempelajari dan mengingat pekerjaan serta cara untuk meningkatkannya.

AI terdepan adalah sistem individual yang Anda bangun untuk AI di organisasi Anda sendiri. Ketika agen secara aktif belajar dari pekerjaan yang kita lakukan, mereka dapat mengidentifikasi peluang yang tidak kita tanyakan, atau menandai masalah sebelum ada yang menyadarinya.

Versi Brain ini baru permulaan. Kami akan mengumumkan kemampuan baru segera.

Brain diluncurkan hari ini untuk pelanggan Max dan Enterprise Max dalam Pratinjau Riset.