Memorija za agente koja se sama usavršava

Popularni mentalni model u veštačkoj inteligenciji jeste da se agent posmatra kao radnik. Nova sposobnost može biti ekvivalentna „skoro svršenom studentu” ili „analitičaru druge godine”. Ovo nije najbolji način razmišljanja o sposobnostima veštačke inteligencije, ali ilustruje ključni koncept veštačke inteligencije na delu: kada god zaposlite nekog radnika, od njega očekujete da uči i napreduje tokom rada.

AI agenti bi trebalo da rade isto. Ovo zahteva bliže razmatranje šta „memorija” zapravo znači u veštačkoj inteligenciji.

Predstavljamo Brain

Danas pokrećemo potpuno novi pristup memoriji u veštačkoj inteligenciji. Nazivamo ga Brain.

Brain je sistem memorije koji se sam usavršava. On gradi graf konteksta rada koji Computer obavlja. U određenim intervalima, kao što je preko noći, Brain pregledava graf konteksta i uči sebe kako da posao obavlja bolje.

Što više posla obavite, Brain čini vaš Computer boljim i efikasnijim.

Bolji model za memoriju veštačke inteligencije

Postoje dve ose važnosti za memoriju u veštačkoj inteligenciji. Prva se odnosi na ono o čemu je memorija, a druga na ono čemu memorija služi.

Tradicionalno, memorija veštačke inteligencije se ticala vas, korisnika. Vaših preferencija, ukusa, stilova rada, kontakata, uloge i još mnogo toga. Brain uvodi pionirski, znatno efikasniji model za AI agente: Brain pamti šta je agent uradio. Pamti šta je funkcionisalo, šta nije, i koje su korekcije napravljene u radu. On uči kako bi obavljao bolji posao.

Kao drugo, memorija veštačke inteligencije o korisniku služi svrsi da se osećate angažovanije sa AI agentom. Radna memorija poput Brain-a služi svrsi da pomogne agentu da postane bolji u poslu. Ovo je najvažnija svrha memorije.

Zajedno, ovaj pristup memoriji poboljšava performanse sistema Computer tokom vremena. Svakog dana, Computer sa sistemom Brain ima bolju polaznu tačku za svaki novi zadatak. To je zato što Brain kreira svežu mapu onoga što korisnik najverovatnije želi da postigne na osnovu prošlih sesija, onoga što je funkcionisalo i onoga što nije.

To znači da Computer može brže dolaziti do odgovora, pristupati najpouzdanijim izvorima i izbeći gubljenje vremena i tokena.

Rekurzivno samousavršavanje

Brain postaje bolji kako koristite Computer. Agenti postaju efikasniji u ažuriranju konteksta dok uče o projektima, konektorima, artefaktima i drugim izvorima koji dovode do najboljih rezultata.

Takođe uče na svojim greškama, pamteći kada je korisnik napravio korekciju ili kada je izvor bio ćorsokak. To rezultira manjim brojem koraka, manjim brojem poziva modela i boljim rezultatima.

Ova povratna sprega je ono što čini Brain sistemom koji se kontinuirano usavršava.

Za korisnike, agenti postaju bolji u razumevanju konteksta koji im je potreban da obave posao. To takođe znači da je trenutna potrošnja tokena investicija u efikasniju potrošnju tokena u budućnosti.

Graf konteksta

Brain formira živi graf konteksta za Computer kreiranjem sledljivog grafa koji pomaže sistemu Computer da razume svet korisnika, uči iz njegovog rada i primenjuje taj rad na buduće zadatke.

Sloj konteksta poprima oblik LLM vikija koji se automatski učitava u okruženje peščanika agenta. Stranice LLM vikija korisnika odražavaju ideje, ljude, projekte i druge elemente koji čine njihov svet, omogućavajući sistemu Computer da pretražuje ovu mrežu ličnih informacija.

Viki inkrementalno ažurira Brain sistem preko noći dok sintetiše sesije korisnika zajedno sa rezultatima konektora, promenama u izvornim dokumentima i izvršenim korekcijama.

Taj kontekst koji se stalno osvežava pruža sistemu Computer snažniji signal o tome šta treba uraditi, gde tražiti i kako isporučiti rezultate za korisnika.

Poboljšane performanse

Uvećaj

Rani rezultati merenja pokazuju da Brain povećava tačnost odgovora za 25% na zadacima koje je Computer ranije već video. A opoziv se povećava za 16%.

Isti rezultati pokazuju da Brain smanjuje troškove zadataka koji zahtevaju istorijski kontekst za 13%. A rezultati za ljude koji duže koriste Brain se poboljšavaju kako agenti uče njihov svet.

Brain takođe prikazuje svoj rad, poput drugih rezultata koje generiše Perplexity. Svaki unos u memoriju vodi nazad do sesije, datoteke ili izvora iz kojeg je nastao.

Pokretanje proaktivne veštačke inteligencije

Samo kroz kontinuirano učenje Computer postaje proaktivna veštačka inteligencija koju korisnici i preduzeća traže od nas. Agenti uče i pamte rad i način na koji mogu da se poboljšaju.

Granica veštačke inteligencije je individualni sistem koji gradite za veštačku inteligenciju u sopstvenoj organizaciji. Kada agenti aktivno uče iz rada koji obavljamo, oni mogu identifikovati prilike o kojima nismo pitali ili ukazati na problem pre nego što ga iko primeti.

Ova verzija sistema Brain je tek početak. Uskoro ćemo najaviti nove mogućnosti.

Brain se od danas uvodi za pretplatnike paketa Max i Enterprise Max u okviru istraživačkog pregleda (Research Preview).