| 0 |
|
Корпорація Fujitsu оголосила про розробку революційної технології «самоевалюційних мультиагентних AI-систем». Нова архітектура дозволяє кільком AI-агентам працювати в команді, безперервно та безпечно навчаючись безпосередньо в процесі щоденного виконання завдань, на основі відгуків людей, а також у відповідь на зміну законодавства чи регламентів.
У сучасному корпоративному середовищі правила гри змінюються постійно: оновлюються закони, специфікації та внутрішні інструкції. Раніше адаптація AI-систем під ці зміни повністю залежала від ІТ-фахівців, яким доводилося вручну переписувати підказки (промпти), алгоритми пошуку та критерії оцінювання. Звичайні AI-агенти могли виконувати чіткі інструкції, але не вміли аналізувати причини власних помилок для коригування майбутньої роботи. Технологія від Fujitsu повністю автоматизує цей процес.
Головна особливість розробки полягає в тому, що під час виконання бізнес-операцій AI-агенти самостійно виявляють причини успіхів і невдач та витягують з них корисні знання. Вони не просто накопичують пропозиції щодо покращення, а автоматично коригують власні промпти та критерії оцінювання - роботу, яку раніше годинами виконували високооплачувані аналітики. Розгортання такого AI всередині компанії дозволяє йому гнучко адаптуватися до унікальних локальних правил конкретного бізнесу.
Fujitsu вже протестувала нову технологію у двох складних практичних сферах.
Так мультиагентна система повністю взяла на себе процес побудови та оптимізації специфічних для бізнесу LLM: від вибору даних та налаштування умов навчання до оцінки результатів. Впровадивши цю технологію, Fujitsu автоматично покращила власну велику мовну модель «Takane» для сфер виробництва, охорони здоров'я, фінансів та держуправління.
У процесі щоденної експлуатації точність відповідей моделі зросла в середньому на 28 пунктів порівняно з її базовими показниками до спеціалізації.
Наприклад, у медицині система навчилася безпосередньо з неструктурованих медичних карток та аналізів чітко і в єдиному форматі витягувати діагнози, стадії захворювання та протоколи лікування. Це дозволяє компаніям швидко створювати експертний AI під власні потреби без залучення дефіцитних AI-фахівців.
Технологію також застосували для інтелектуального пошуку в базах даних електронних медичних карток великих лікарень та рішень для муніципалітетів. Раніше, щоб оцінити, як зміна закону вплине на архітектуру величезного програмного комплексу, потрібні були експерти з глибоким знанням коду та нормативних актів.
Тепер AI-агенти навчаються на базі минулих пошукових запитів та виправлень, які вносили люди. AI перейняв логіку досвідчених інженерів: наприклад, він навчився не відкидати документи, які, на перший погляд, здаються непов'язаними, якщо вони належать до того самого бізнес-домену, та перевіряти супутні периферійні інструкції.
Fujitsu інтегрує цю розробку у свою фірмову платформу Fujitsu Kozuchi AI для автоматизації складних операцій.
Крім того, компанія об'єднала зусилля з науковцями з Університету Карнегі-Меллон доцентом Гремом Ньюбігом (Graham Neubig) та асистентом професора Тімом Деттмерсом (Tim Dettmers). Разом вони розробляють методи стиснення цієї технології, щоб самонавчальні AI-команди вимагали значно менше пам'яті та енергії.
Це дозволить запускати «AI, що еволюціонує» не лише у хмарі, а й локально - у закритих корпоративних мережах (on-premises) та на кінцевих пристроях (edge), де діють суворі правила конфіденційності. Компанія прагне створити так званий суверенний AI, який зможе в реальному часі вчитися на помилках просто на робочому місці, розв'язуючи проблему дефіциту кадрів та передачі експертних знань.
Стратегія охолодження ЦОД для епохи AI
| 0 |
|
