Sekite ZDNET: Pridėkite mus kaip pageidaujamą šaltinį Google.
Pagrindiniai ZDNET pasiūlymai
- Įmonės tiria dirbtinio intelekto agentus įvairiais būdais.
- Profesionalai turi pagalvoti, kaip išnaudoti šias technologijas.
- Matavimas, bendradarbiavimas ir eksperimentavimas yra labai svarbūs.
AI agentai turės įtakos kiekvienam profesiniam vaidmeniui. Jei jūsų įmonė dar nepradėjo naudoti agentų, tai netrukus imsis naudojant jau paruoštus programinės įrangos produktus arba vidinius įrankius, kurie remiasi dideliais kalbų modeliais ir duomenų šaltiniais.
Profesionalams, tyrinėjantiems, kaip pasitelkti agentus savo vaidmenims, patartina ieškoti geriausios praktikos patarimų. Vienas iš tokių informacijos šaltinių yra Joelis Hronas, „Thomson Reuters Labs“ technologijų vadovas, padedantis informacinių paslaugų įmonei išnaudoti generatyvųjį AI, mašininį mokymąsi ir agentų technologijas.
Taip pat: susirūpinę AI agentai pakeis jus? 5 būdai, kaip nerimą darbe paversti veiksmais
Hronas ZDNET sakė, kad „Thomson Reuters“ savo dirbtinio intelekto naujovėms maitinti naudoja vidaus modelius ir paruoštus įrankius. „Big Tech“ firmų pasienio laboratorijų pažanga Hronas ir jo komanda užtikrina, kad įmonė išnaudotų savo patentuotas žinias ir turtą.
„Jei pažvelgsite į tai, ką mes darome gerai, galime sintezuoti žmonių žinias ir informaciją į sprendimą, kuris gali būti grąžintas profesionalams“, – sakė jis.
“Šiuo metu tobulinamas tos patirties perdavimo mechanizmas. Tradiciškai ji teikiama naudojant programinę įrangą. Tačiau vis dažniau ji teikiama per agentus arba agentus ir programinę įrangą.”
Hronas atkreipia dėmesį į kelis pagrindinius „Thomson Reuters“ agentų pasiekimus, įskaitant dirbtinio intelekto pagrindu sukurtą teisinių tyrimų įrankį Westlaw Advantage ir įmonės „Deep Research“ agentą, kuris peržiūri įžvalgas ir strategiją, kaip tai darytų tyrėjas.
Taip pat: DI agentai yra greiti, laisvi ir nekontroliuojami, teigia MIT tyrimas
Iš šių tyrinėjimų Hronas sakė išmokęs keturias pagrindines pamokas, kurias specialistai gali panaudoti kurdami patikimas agentines AI sistemas.
1. Išmatuokite savo sėkmę
Hron sakė, kad pirmoji sritis, į kurią reikia sutelkti dėmesį, yra vertinimai: „Jūs turite žinoti, kaip atrodo gėris“.
Nors šis dėmesys vertinimams skamba kaip akivaizdus reikalavimas, Hronas teigė, kad tai sunku padaryti teisingą, kiekybiškai įvertinti ir sisteminti.
„Pastaruosius trejus metus sakėme, kad tai yra vienas iš svarbiausių dalykų kuriant geras dirbtinio intelekto sistemas, ir tai tebėra tiesa ir šiandien agentų eroje“, – sakė jis.
Hronas: „Vis dar norime mūsų ekspertų pasitikėjimo“.
Thomson Reuters
Hron komanda stebi ir matuoja agentų sėkmę keliais būdais. Pirma, jie naudoja viešuosius etalonus, kurie, pasak jo, yra geri ankstyvieji teigiamo potencialaus naujų modelių veikimo rodikliai.
Taip pat: 5 saugumo taktikos, kurių jūsų verslas negali suklysti AI amžiuje – ir kodėl jos yra labai svarbios
Antra, jie sukūrė savo vidinius etalonus su griežtomis automatizuoto vertinimo kryptimis: „Užuot tiesiog sakę: „Ar sugeneruotas atsakymas yra arti gero atsakymo?“, mūsų procesas yra skirtas iš tikrųjų apibrėžti: „Na, kas daro atsakymą gerą?“.
Galiausiai, Thomas Reuters informuoja žmones ir užtikrina, kad vertinimai būtų didesni nei automatiniai vertinimai.
“Automatiniai vertinimai padeda greičiau paleisti smagratį mūsų kūrėjų komandoms, jie gali palyginti greitai išbandyti daugybę idėjų, ir tai yra gerai. Tačiau prieš išsiųsdami vis tiek norime, kad mūsų žmogiškieji ekspertai pasitikėtų ir įvertintų veiklą”, – sakė jis.
“Nuolatinis pasitikėjimas šiuo požiūriu leido mums pristatyti puikius produktus, kurie rinkoje gerai veikia. Manau, kad žmogaus indėlis yra esminė sudedamoji dalis, kad galėtume tai atlikti gerai ir daryti tai užtikrintai.”
2. Priverskite ekspertus susėsti kartu
Hron patarė specialistams giliai suprasti, ką agentai veikia ir kaip jie veikia laikui bėgant.
„Vis svarbesnis tampa šio supratimo susiejimas su vartotojo patirtimi“, – sakė jis. „Jei galvojate apie šias agentines sistemas, tokias kaip žmogaus AI bendradarbiai, tada žmogui ir agentui reikia bendros kalbos ir bendros sąsajos, kuria jie dirba.
Taip pat: Kodėl įmonių AI agentai gali tapti didžiausia viešai neatskleista grėsme
Hronas teigė, kad ši bendra kalba ir sąsaja turėtų suteikti žmonėms vertingos įžvalgos apie agentų mąstymo procesus ir atvirkščiai.
„Ši sritis yra nauja ir svarbi vartotojo sąsajos patirtis, todėl manau, kad labai svarbu glaudžiai susieti gilų techninį agento supratimą su gera vartotojo patirtimi.
Nors daugelis ekspertų kalba apie žmogaus ir agento ryšio svarbą, Hronas teigė, kad raktas į sėkmę yra paprastas: suburti komandas versle.
„Šis procesas nėra mokslinis – tai susiję su mano dizainerių privertimu sėdėti su duomenų mokslininkais ir kalbėti apie tai, kas vyksta“, – sakė jis. „Kuo suartinsime šias dvi žmonių grupes ir kuo dažniau jie galės sėdėti kartu, tuo geresnis mąstymo osmosas tose dviejose srityse.
3. Sukurti patikrintus gebėjimus
Nepaisant bet kokių ažiotažų, galinčių priversti jus tikėti kitaip, Hronas teigė, kad profesionalai turi pripažinti, kad agentai ir juos valdantys modeliai toli gražu nėra visažiniai.
Hronas teigė, kad dirbtinio intelekto modeliai tobulėja trimis aspektais: kodo rašymas, planų vykdymas ir kelių žingsnių samprotavimas. Naujausi pažanga leidžia modelio galimybes išplėsti naudojant kitus programinės įrangos įrankius.
„Tai, ką mums, kaip įmonei, reiškia tas vystymasis, yra labiau teigiamas nei neigiamas, nes tai reiškia, kad jei visus tuos šimtus programų, kurias pardavinėjome daugelį dešimtmečių, galime paimti į rinką ir jas suskaidyti, tuomet turime įrodytas galimybes profesionalams“, – sakė jis.
Taip pat: 90 % AI projektų žlunga – pateikiame 3 būdus, kaip užtikrinti, kad jūsų projektas neįvyktų
“Jei galime išskaidyti šiuos elementus kaip agento įrankius, mes iš tikrųjų labai išplečiame šių modelių galimybes ir tai iš tikrųjų yra agentų ateitis.”
Užuot matęs agentinį AI kaip visažinį modelį, kuris bando daryti viską po saule, Hronas patarė profesionalams suteikti agentams prieigą prie patikrintų galimybių, kurias žmonės jau naudoja, o tai ir yra jo komandos dėmesys.
„Mes žiūrime į savo sistemas ir klausiame savęs: „Gerai, tai daug daug metų kūrėme žmonėms. Dabar, kokios ergonomikos reikia, kad agentas dirbtų su šia sistema? Kaip pritaikyti procesą, kad darbas būtų palankus darbui su agentu, o ne visais atvejais – su žmogumi? O ką toks požiūris reiškia, kaip įrankis atrodo, jaučiasi ir veikia?
4. Pažiūrėkite už ugniasienės
„Thomson Reuters Labs“ neseniai įkūrė „Trust in AI Alliance“ – kūrėjų vadovaujamą forumą vyresniems AI tyrėjams iš Anthropic, AWS, „Google Cloud“, „OpenAI“ ir „Thomson Reuters“, kad aptartų, kaip pasitikėjimas paverčiamas agentinėmis sistemomis.
Hronas sakė, kad Aljansas, kuris viešai dalijasi pamokomis, siekdamas informuoti apie platesnį pramonės pokalbį apie patikimą AI, taip pat padeda vyresniesiems jo komandos nariams mokytis geriausios praktikos iš pramonės pionierių.
„Stengiamės sutelkti dėmesį į paaiškinamumą ir skaidrumą šių modelių veikimo požiūriu“, – sakė jis.
Taip pat: 5 būdai, kaip sustabdyti AI testavimą ir pradėti atsakingai jį keisti
Hron teigė, kad technologijų pionieriai ir jų modeliai žymiai sumažino laiką ir pastangas, kurių reikia norint pasiekti nuo nulinio tikslumo iki 90%.
„Bet mes nežaidžiame 90 proc.“, – sakė jis. „Mes žaidžiame 99% ir 99,9% ir turime apsvarstyti, kaip mes gauname tuos papildomus devynis ar du devynetukus, o tai skiriasi nuo pasitikėjimo.
Vykdydama šį procesą, Thomson Reuters taip pat bendradarbiauja su akademinėmis institucijomis. Praėjusių metų pabaigoje bendrovė paskelbė apie penkerių metų partnerystę, siekdama sukurti bendrą Frontier AI tyrimų laboratoriją Londono Imperial College.
„Šiose iniciatyvose mes orientuojamės į tuos paskutinius du tikslumo devintukus, nes būtent tai žmonės nori pirkti iš mūsų, kai išleidžiame savo produktus į rinką“, – sakė Hronas.
“Pasienio technologijų organizacijos ir toliau stums ribas tam, kas įmanoma. Tačiau mums konkurencinis pranašumas teisės, mokesčių ir reikalavimų laikymosi srityje yra laimimas ir prarandamas. Taigi tai yra tai, ko mums iš tikrųjų reikia, kad padarytume teisingą.”
