«Իդեալական» AI ճարտարապետության որոնումները վաղուց ի վեր հանգում են մեկ, ամենակարող մոդելի ստեղծմանը։ Տարիներ շարունակ ոլորտի հիմնական ուղղվածությունը եղել է պարամետրերի մասշտաբավորումը՝ ավելի մեծ ու ընդհանրացված մոդելների կառուցումը, որոնք ընդունակ են կատարել ցանկացած առաջադրանք՝ ծրագրավորումից մինչև ստեղծագործական գրություն։ Սակայն այսօր մենք ականատես ենք լինում հիմնարար շրջադարձի։ Ձեռնարկությունների ինտելեկտի ապագան ոչ թե միաձույլ մոնոլիտ համակարգերի, այլ ավելի փոքր, մասնագիտացված համակարգերի բարդ խորեոգրաֆիայի մեջ է։ Նոր սահմանագիծ է գծվել, որի առաջամարտիկները Mostik ստարտափի հետազոտողներն են։ Նրանք վերաիմաստավորում են AI մոդելների հաղորդակցության ձևը՝ ընտրելով մի պարադիգմ, որը շրջանցում է մարդու համար ընթեռնելի լեզուն՝ հօգուտ լատենտային (թաքնված), բարձր ճշգրտության տվյալների փոխանակման։

Mostik-ի մոտեցումը մեքենայից մեքենա հաղորդակցության մեջ պարադիգմային փոփոխություն է։ Ավանդաբար, երբ մենք խնդրում ենք AI-ին փոխազդել մեկ այլ համակարգի հետ, մենք ապավինում ենք բնական լեզվի մշակմանը (NLP)՝ մի միջանկյալ քայլ, որը հակված է ուշացումների (latency), երկիմաստության և տեղեկատվության կորստի։ Մշակելով մի մեթոդ, որը թույլ է տալիս մոդելներին տեղեկատվությունը փոխանցել իրենց ներքին «լատենտային տարածքում» (տվյալների մաթեմատիկական ներկայացումներ, որոնք AI-ն հասկանում է բնիկ մակարդակով), Mostik-ը փաստացի հեռացնում է մարդ-թարգմանչին գործընթացից։ Սա նման է նրան, թե ինչպես են երկու դիվանագետներ փորձում պայմանագիր կնքել ժեստերի լեզվով, ընդդեմ երկու համակարգերի, որոնք կիսվում են գաղտնագրված, գերարագ տվյալների հոսքով։

Լեզվական պատնեշի հաղթահարումը բազմագործակալային համակարգերում (Multi-Agent Systems)

Բազմագործակալային համակարգերի (MAS) համար սրա նշանակությունը չափազանց մեծ է։ Այսօր ձեռնարկությունները պայքարում են իրարից անջատ գործող AI գործակալների կառավարման հետ։ Օրինակ, դուք կարող եք ունենալ ավտոմատացված գործակալ, որը կառավարում է ձեր CRM (Հաճախորդների հետ հարաբերությունների կառավարման) տվյալները, մինչդեռ մեկ ուրիշը զբաղվում է մատակարարման շղթայի լոգիստիկայով։ Ներկայումս այս գործակալները «խոսում» են՝ իրենց պատկերացումները վերածելով տեքստի, որը հաջորդ գործակալը պետք է նորից վերլուծի (re-parse)՝ դեպի տվյալներ վերածելու համար։ Այս գործընթացը ոչ միայն դանդաղ է, այլև առաջացնում է զգալի «իմաստային շեղում» (semantic drift), երբ տվյալի նրբերանգը կորչում է թարգմանության ժամանակ։

Թույլ տալով մոդելներին հաղորդակցվել առանց բառերի՝ մենք հասնում ենք գործառնական ճկունության նոր մակարդակի։ Դիտարկենք այս «լատենտային հաղորդակցության» մոտեցման տեխնիկական առավելությունները.

  • Ուշացումների կտրուկ նվազեցում: Շրջանցելով տոկենիզացիայի գործընթացը (տվյալների փոխակերպումը մարդկային լեզվի), մոդելները կարող են իրավիճակի վերաբերյալ բարդ տեղեկատվություն փոխանցել հաշվարկի արագությամբ, այլ ոչ թե ընթերցանության։
  • Համատեքստային ամբողջականություն: Լատենտային տարածքում ներկայացված տեղեկատվությունը պարունակում է AI-ի ըմբռնման ամբողջականությունը։ Երբ «Մոդել Ա»-ն «խոսում» է «Մոդել Բ»-ի հետ, այն միայն ամփոփում չի ուղարկում, այլ փոխանցում է այդ ամփոփման հիմքում ընկած կոնցեպտուալ շրջանակը։
  • Հաշվողական ծանրաբեռնվածության նվազում: Մոդելների համար մարդու կողմից ընթեռնելի տեքստային հաջորդականություններ ստեղծելու անհրաժեշտության վերացումը խնայում է GPU-ի զգալի ռեսուրսներ՝ էկոհամակարգը դարձնելով ավելի էներգաարդյունավետ և մասշտաբային ձեռնարկությունների համար։

Այս էվոլյուցիան թվային փոխակերպման կարևորագույն հանգրվան է։ Ընկերություններն այլևս չեն փնտրում «ամեն ինչ իմացող չաթ-բոտ», նրանք փնտրում են «թվային աշխատուժ», որտեղ մասնագիտացված գործակալները գործում են միլիվայրկյանից պակաս կոորդինացմամբ։ Երբ ձեր ֆինանսական վերլուծության գործակալը կարող է ազդանշան ուղարկել գնումների գործակալին հում, մաթեմատիկական մտադրության մակարդակով, ձեր բիզնեսի որոշումների կայացման ցիկլի ուշացումը րոպեներից հասնում է միկրովայրկյանների։

Գործակալների միջև արդյունավետության ROI-ն

Ձեռնարկության ղեկավարի համար հարցը միայն ոչ բանավոր հաղորդակցության տեխնիկական նրբագեղությունը չէ, այլ՝ վերջնական արդյունքը։ Տեքստի վրա հիմնված ինտեգրման ներկայիս կախվածությունը գործում է որպես «հարկ» AI-ի արտադրողականության վրա։ Ամեն անգամ, երբ մոդելը պետք է դուրս բերի և նորից ներմուծի տվյալներ, սխալի հավանականությունը մեծանում է, իսկ ինֆերենցիայի (եզրակացության) արժեքը՝ բարձրանում։ Անմիջական լատենտային հաղորդակցումը թույլ է տալիս ընկերություններին տեղակայել ավելի ինքնավար աշխատանքային հոսքեր՝ առանց API-ի ստանդարտ կանչերի թանկարժեք ծախսերի կամ մարդկային միջամտության սահմանափակումների։

Որդեգրման միտումները վկայում են, որ մենք շարժվում ենք դեպի մոդուլային, «լավագույնն իր դասում» ենթակառուցվածք։ Փոխարենը ամբողջ ձեռնարկության կառուցվածքը մեկ հիմնարար մոդելի վրա խաղադրույք կատարելու, ընկերությունները սկսում են համակարգել մասնագիտացված, փոքր գործակալների կլաստերներ։ Այս ճարտարապետական կայունությունը թույլ է տալիս բիզնեսին փոխարինել կամ թարմացնել իրենց AI համակարգի հատուկ բաղադրիչները՝ առանց ամբողջ շարժիչը քանդելու։

Քանի որ այս տեխնոլոգիան հասունանում է, մենք կարող ենք ակնկալել հետևյալ զարգացումները ձեռնարկությունների ոլորտում.

  • Միասնական գործակալային ճարտարապետություններ: Համակարգման շերտերի վերելք, որոնք լատենտային հաղորդակ