رویکردی نوین برای عاملهای هوش مصنوعی
شرکت Plurai در تلاش است تا با بهرهگیری از متدولوژیهای مشابه آنچه در توسعه خودروهای خودران به کار میرود، عملکرد عاملهای هوش مصنوعی را بهبود بخشد. این شرکت معتقد است که چالشهای پیش روی عاملهای هوش مصنوعی در محیطهای پویا و غیرقابل پیشبینی، شباهت زیادی به پیچیدگیهای هدایت خودروهای خودران دارد.
مدلهای سرتاسری و محیطهای غیرقابل پیشبینی
هسته اصلی این استراتژی بر استفاده از مدلهای «سرتاسری» (End-to-End) استوار است. در صنعت خودروهای خودران، این مدلها به سیستم اجازه میدهند تا به جای تکیه بر قوانین سختگیرانه و برنامهنویسی شده، مستقیماً از دادههای ورودی به تصمیمات حرکتی برسند. Plurai قصد دارد همین رویکرد احتمالی را برای عاملهای هوش مصنوعی پیادهسازی کند تا آنها بتوانند در شرایطی که با عدم قطعیت همراه است، تصمیمات دقیقتری اتخاذ کنند.
- تطبیقپذیری با محیطهای متغیر
- کاهش وابستگی به منطقهای شرطی سنتی
- افزایش دقت در پردازش احتمالی
این رویکرد نشاندهنده تغییری بنیادین در نحوه طراحی سیستمهای هوشمند است. با در نظر گرفتن عاملهای هوش مصنوعی به عنوان سیستمهای احتمالی، Plurai امیدوار است که بتواند شکاف موجود بین مدلهای نظری و کاربردهای عملی در دنیای واقعی را پر کند. این انتقال از سیستمهای مبتنی بر قاعده به مدلهای یادگیری عمیق سرتاسری، میتواند پایداری و کارایی عاملها را در مواجهه با سناریوهای پیچیده به طرز چشمگیری افزایش دهد.
: TechCrunch. .
