Självförbättrande minne för agenter

En populär mental modell inom AI är att se en agent som en arbetare. En ny förmåga kan motsvara "en nyexaminerad högskoleingenjör" eller "en andraårsanalytiker". Det här är inte det bästa sättet att se på AI-förmågor, men det illustrerar ett kritiskt koncept för AI i arbete: när du anställer en arbetare förväntar du dig att de läser in sig och utvecklas i rollen.

AI-agenter bör göra detsamma. Detta inbjuder till en närmare titt på vad "minne" egentligen innebär inom AI.

Vi presenterar Brain

Idag lanserar vi ett helt nytt tillvägagångssätt för minne inom AI. Vi kallar det Brain.

Brain är ett självförbättrande minnessystem. Det bygger en kontextgraf över det arbete som Computer utför. Med jämna mellanrum, till exempel över natten, granskar Brain kontextgrafen och läser upp sig på hur arbetet kan utföras bättre.

Ju mer arbete du utför, desto bättre och mer effektiv gör Brain din Computer.

En bättre modell för AI-minne

Det finns två viktiga axlar för minne inom AI. Den första handlar om vad minnet handlar om, och den andra handlar om vad minnet är till för.

Traditionellt har AI-minne handlat om dig, användaren. Dina preferenser, smaker, arbetsstilar, kontakter, roll med mera. Brain banar väg för en mycket mer effektiv modell för AI-agenter: Brain kommer ihåg vad agenten gjorde. Den kommer ihåg vad som fungerade och vad som misslyckades, samt vilka korrigeringar som gjordes i arbetet. Den lär sig att utföra bättre arbete.

För det andra fyller AI-minne om användaren syftet att hjälpa dig att känna dig mer engagerad i AI-agenten. Arbetsminne som Brain fyller syftet att hjälpa agenten att bli bättre på jobbet. Detta är minnets viktigaste syfte.

Tillsammans förbättrar detta tillvägagångssätt för minne Computers prestanda över tid. Varje dag har Computer med Brain en bättre utgångspunkt för varje ny uppgift. Det beror på att Brain skapar en färsk karta över vad användaren sannolikt hoppas uppnå baserat på tidigare sessioner, vad som har fungerat och vad som inte har gjort det.

Det innebär att Computer kan få svar snabbare, komma åt de mest tillförlitliga källorna och undvika att slösa tid och tokens.

Rekursiv självbättring

Brain blir bättre ju mer du använder Computer. Agenter blir mer effektiva på att uppdatera kontext när de lär sig projekt, anslutningar, artefakter och andra källor som leder till de bästa resultaten.

De lär sig också av sina misstag och kommer ihåg när en användare har gjort en rättelse eller när en källa var en återvändsgränd. Det resulterar i färre vändor, färre modellanrop och bättre resultat.

Denna återkopplingsslinga är det som gör Brain kontinuerligt självförbättrande.

För användare blir agenterna bättre på att förstå den kontext de behöver känna till för att utföra arbetet. Det innebär också att den aktuella tokenanvändningen är en investering i effektivare tokenanvändning senare.

Kontextgrafen

Brain bildar en levande kontextgraf för Computer genom att skapa en spårbar graf som hjälper Computer att förstå användarens värld, lära sig av deras arbete och tillämpa det arbetet på framtida uppgifter.

Kontextlagret tar formen av en LLM-wiki som laddas in automatiskt i agentsandlådan. En användares LLM-wikisidor återspeglar de idéer, personer, projekt och andra element som utgör deras värld, vilket gör att Computer kan navigera genom detta nät av personlig information.

Wikisidan uppdateras inkrementellt av Brain-systemet över natten när det sammanställer användarens sessioner tillsammans med anslutningsresultat, ändringar i källdokument och gjorda rättelser.

Denna ständigt uppdaterade kontext ger Computer starkare signaler om vad som ska göras, var man ska titta och hur man levererar resultat för en användare.

Förbättrad prestanda

Förstora

Tidiga mätresultat visar att Brain ökar svarskorrektheten med 25 % för uppgifter som Computer har sett tidigare. Och återkallelsen ökar med 16 %.

Samma resultat visar att Brain minskar kostnaden för uppgifter som kräver historisk kontext med 13 %. Och resultaten för personer som använder Brain längre förbättras i takt med att agenterna lär känna deras värld.

Brain visar också sitt arbete, liksom andra resultat som genereras av Perplexity. Varje minnespost länkar tillbaka till den session, fil eller källa som den kom ifrån.

Driva proaktiv AI

Det är enbart genom kontinuerligt lärande som Computer blir den proaktiva AI som användare och företag efterfrågar. Agenter lär sig och minns arbetet och hur de blir bättre på det.

Framtidens AI är det individuella system du bygger för AI i din egen organisation. När agenter aktivt lär sig av det arbete vi utför kan de identifiera möjligheter vi inte frågade om, eller flagga för ett problem innan någon har märkt det.

Denna version av Brain är bara början. Vi kommer att tillkännage nya funktioner inom kort.

Brain lanseras idag för Max- och Enterprise Max-prenumeranter i Research Preview.