پلورای می‌خواهد به عوامل هوش مصنوعی کمک کند تا با استفاده از همان رویکردی که به رساندن خودروهای خودران به جاده‌ها کمک می‌کند بهتر کار کنند.

عوامل هوش مصنوعی بسیار خشمگین هستند، اما آن‌قدر که تامین‌کنندگانشان می‌خواهند باور کنید، توانایی ندارند.

تلاش‌ها برای محک زدن عواملی که وظایف پیچیده‌ای را بر عهده دارند نشان می‌دهد که آنها معمولا به اندازه کافی قابل اعتماد نیستند تا بدون نظارت دقیق عمل کنند. LiveBench 2.0 نشان می دهد که Claude Fable 5.2 و ChatGPT-6 Astra به ترتیب در 82.9 و 75.6 از 100 کار موفق بوده اند و تلاش شرکت زیرساخت هوش مصنوعی EON برای آزمایش عوامل در یک محیط شرکتی شبیه سازی شده، موفق ترین مدل آزمایش شده، Claude Opus 8% accuracy را انجام داده است.

اکنون، یک استارت‌آپ به نام Plurai می‌خواهد این اعداد را با همان تکنیک‌هایی که اتومبیل‌های خودران را در خیابان قرار می‌دهد، افزایش دهد: شبیه‌سازی با استفاده از داده‌های مصنوعی مبتنی بر سیستم‌های دیجیتالی خود یک شرکت، به منظور آماده‌سازی مدل‌هایی برای مقابله با موارد لبه دشوار.

ایلان کادار و الاد لوی، بنیانگذاران مشترک، قبلا برای Nexar کار می کردند که فناوری رانندگی خودران را توسعه می دهد. Kadar با Waymo کار کرد تا نرم‌افزار رانندگی یادگیری عمیق را شبیه‌سازی و ارزیابی کند.

کادار به تک‌کرانچ گفت: «لحظه‌ای که موج عوامل هوش مصنوعی را دیدیم، الگوی مشابهی را دیدیم: اینکه ساخت یک نسخه نمایشی بسیار آسان است، اما [سخت] به دست آوردن چیزی که قابل اعتماد و مقرون‌به‌صرفه باشد». از آنجایی که ما الگوی یکسانی را دیدیم، همان قدمی بود که می‌خواهیم این لایه شبیه‌سازی را بسازیم.»

مانند مدل‌های سرتاسری که برای رانندگی ماشین‌ها آموزش دیده‌اند، عوامل هوش مصنوعی سیستم‌های احتمالی هستند که در محیط‌های غیرقابل پیش‌بینی کار می‌کنند. هنگامی که مشتریان تحت فشار قرار می گیرند، نمایندگانی که وظیفه رزرو سفر را دارند می توانند سیاست های هزینه را نادیده بگیرند. یا، هنگامی که مأمور به جستجو در یک پایگاه داده می شود، عامل ها می توانند به طور قابل اعتماد پاسخی ارائه دهند، اما ترکیب اطلاعات از مجموعه داده های چندگانه باعث می شود کارها به هم بخورد. یک مکالمه طولانی با یک ربات خدمات مشتری می تواند یک نماینده با زمینه بیش از حد را تحت تأثیر قرار دهد و منجر به چرخش های اشتباه شود.

برای رفع آن، Plurai یک دوقلوی دیجیتالی از سیستم‌های الکترونیکی شرکت، از جمله پایگاه دانش و ابزارهایی که یک نماینده در تولید به آنها دسترسی خواهد داشت، ایجاد می‌کند. سپس تمام جریان‌های ممکن عامل‌ها را نقشه‌برداری می‌کند و از آن نمودار برای تهیه مدل با ارزیابی‌ها و اصلاح موارد لبه احتمالی استفاده می‌کند. این پلتفرم در کنار ابزارهای عامل موجود مانند Claude Code، Codex، Copilot و Cursor کار می کند.

با این حال، Kadar می‌گوید که وعده واقعی این شرکت استفاده از داده‌هایی است که جمع‌آوری می‌کند تا پس از آموزش مدل‌های کوچک و وزن باز متناسب با نیازهای مشتری استفاده کند. آزمایش‌های انجام‌شده با همکاری Nvidia و Nebius نشان داد که مدل‌های این شرکت با هزینه‌های کمتر از مدل‌های مرزی متوسط ​​بهتر عمل می‌کنند.

او گفت: «ما می‌توانیم یک مدل زبان بزرگ را انتخاب کنیم، می‌توانیم آن را با استفاده از شبیه‌سازی به یک کار کوچک‌تر تجزیه کنیم، یک مدل [یک وزن باز] را آموزش دهیم، و با استفاده از شبیه‌سازی، بررسی کنیم که کیفیت بالاتر یا قابل مقایسه با مدل مرزی است و یک یا دو مرتبه کاهش هزینه‌ها».

Reah Miyara، محقق Google DeepMind که از Plurai به عنوان یک سرمایه‌گذار فرشته حمایت می‌کند، می‌گوید مزیت این شرکت از درک حالت‌های شکست در تولید و تولید داده‌های مصنوعی برای تنظیم مدل‌ها ناشی می‌شود. میارا گفت، از آنجایی که کسب‌وکارها سعی می‌کنند هزینه‌های هوش مصنوعی خود را بهینه کنند، رویکرد Plurai می‌تواند یک مزیت واقعی باشد، زیرا رهبران فناوری اطلاعات می‌بینند که «مدل‌های دارای قابلیت مرزی با داده‌های خاص من توزیع نمی‌شوند و هزینه این چیزها در دراز مدت پایدار نیست».

پلورای امیدوار است تشابه بین عوامل هوش مصنوعی در محیط های فیزیکی و دیجیتالی بتواند پیش بینی کننده باشد: در حالی که مدل های قدرتمند هوش مصنوعی عمومی قابلیت های شگفت انگیزی را در ربات ها ایجاد می کنند، اما هنوز آنقدر قابل اعتماد نیستند که به طور گسترده به کار گرفته شوند. در همین حال، ربات‌های مجهز به مدل‌های هوش مصنوعی که برای کارهای خاص ساخته شده‌اند در حال حاضر در میدان هستند و برای مشتریان کار می‌کنند و داده‌های با ارزش دنیای واقعی را جمع‌آوری می‌کنند.

کادار گفت: «نظر من این است که هر چقدر هم که مدل OpenAI و Anthropic هوشمند باشند - و بسیار باهوش‌تر خواهند بود - آنها تجارت و سیاست شما را نمی‌دانند.

وقتی از طریق پیوندهای موجود در مقالات ما خرید می کنید، ممکن است کمیسیون کمی کسب کنیم. این بر استقلال تحریریه ما تأثیر نمی گذارد.

نگاهی اولیه به Next TechCrunch Disrupt Disrupt، Startup Battlefield و موارد دیگر در سال آینده بازخواهد گشت و می توانید در خط مقدم باشید. برای لیست انتظار ما ثبت نام کنید

آنتروپیک جلسات کلود را راه اندازی می کند تا بحث های محل کار را به برنامه ها و وظایف عایشه مالک تبدیل کند

رسوایی ادعایی جنسن هوانگ الهام بخش برخی از میم های درجه یک دومینیک-مادوری دیویس لوکاس روپک شده است.

کریستن کوروسک، فدرال‌رزرو می‌گوید که Waymo robotaxis پس از تعمیر نرم‌افزاری، به طور غیرقانونی از اتوبوس‌های مدرسه رد می‌شود

ماسک می گوید تسلا برخی از سپرده های Cybertruck را بازپرداخت می کند، از تصمیم برای پایان دادن به تولید Kirsten Korosec دفاع می کند.

تسلا ساخت Cybertruck را در سال 2027 شان اوکین متوقف خواهد کرد

کلود اکنون می تواند هزینه های شما را با ابزار جدید مالی شخصی خود عایشه مالک تجزیه و تحلیل کند