Um novo tipo de agente de inteligência artificial treinado para entender como o software é construído pela Rumbing Corporate Data e a aprender como isso leva a um produto final, é um assistente de software mais capaz e pode ser um pequeno passo para a IA muito mais inteligente.
Um novo agente chamado Asimov foi desenvolvido pela Reflection, uma startup pequena, mas ambiciosa, confusa com os principais pesquisadores da IA do Google. O Asimov visa ler código, e -mails, mensagens de folga, atualizações do projeto e outros documentos e aprender como tudo isso pode se unir para criar um software acabado.
O objetivo final da reflexão é construir a IA próxima, na qual outros principais laboratórios de IA dizem que estão trabalhando. A Meta criou recentemente um novo laboratório de superinteligência. Isso prometeu muito dinheiro para pesquisadores interessados em participar de novos esforços.
Visitamos a sede da Reflection na área do Brooklyn, em Williamsburg, Nova York, e do outro lado da estrada do Pickleball Club, de aparência incrivelmente de aparência, para ver como o reflexo chega ao alcance próximo da competição.
Misha Laskin, CEO da empresa, diz que a maneira ideal de construir um agente de IA SuperSmart é verdadeiramente a codificação, pois é a maneira mais simples e natural de interagir com o mundo. Outras empresas estão construindo agentes que usam interfaces de usuário humano para navegar na web, mas Laskin, que anteriormente trabalhou nos gêmeos e agentes do Google DeepMind, diz que isso naturalmente raramente vem a modelos de idiomas maiores. A Laskin acrescenta que, ao ensinar a IA a entender o desenvolvimento de software, também gera assistentes de codificação mais úteis.
Ruskin diz que Asimov foi projetado para gastar mais tempo lendo, em vez de escrever código. “Todo mundo está realmente focado na geração de código”, ele me disse. “Mas a maneira de tornar os agentes úteis nas configurações de equipe não é realmente resolvido. Somos como esse estágio semi-autônomo quando os agentes estão apenas começando a trabalhar”.
Asimov é realmente composto de vários pequenos agentes em uma trincheira. Todos os agentes trabalham juntos para entender o código e responder às perguntas do usuário. Os agentes menores recuperam informações e um agente de inferência maior integra essas informações em uma resposta consistente à consulta.
A reflexão argumenta que Asimov já é percebido para superar algumas ferramentas principais de IA por algumas medições. Em uma pesquisa realizada pela Reflection, a empresa constatou que os desenvolvedores que trabalham em um grande projeto de código aberto que preferem respostas de 82% dos Asimov’s, executando o modelo Sonnet 4, executando o modelo Sonnet 4.
Daniel Jackson, cientista da computação do Instituto de Tecnologia de Massachusetts, diz que a abordagem de reflexão é promissora, dado o escopo mais amplo da coleta de informações. No entanto, Jackson acrescenta que os benefícios dessa abordagem ainda não foram vistos, acrescentando que a investigação da empresa não é suficiente para convencê -lo dos benefícios mais amplos. Ele ressalta que essa abordagem pode aumentar os custos computacionais e levar a novos problemas de segurança. “Você provavelmente está lendo todas essas mensagens particulares”, diz ele.
A reflexão diz que a abordagem multi-agente reduz os custos computacionais e utiliza um ambiente seguro que fornece mais segurança do que algumas ferramentas tradicionais de SaaS.
