Meta mô tả cách một tác nhân AI có thể được thiết kế để đảm nhận tính logic và kiến thức chuyên môn của các chuyên gia trong lĩnh vực, thay vì chỉ lưu trữ tài liệu hoặc truy xuất thông tin liên quan. Hệ thống này, được gọi là “bộ não tổ chức thứ hai”, được xây dựng cho một miền tuân thủ cụ thể, nhưng Meta cho biết kiến trúc này khái quát hóa cho các lĩnh vực như an ninh, tài chính, kỹ thuật và mua sắm.
Chúng tôi đã xây dựng một tác nhân AI hoạt động như một chuyên gia thứ cấp cho một miền nhất định, giúp mọi người trong tổ chức có thể truy cập, chia sẻ và cải thiện kiến thức chuyên môn sâu một cách dễ dàng và được bảo vệ.
Theo Meta, cách tiếp cận của họ khác với các tác nhân theo miền cụ thể truyền thống bằng cách kết hợp “kiến trúc kiến thức có cấu trúc và có thể kiểm tra được” với vòng lặp tự cải tiến nhằm “thu thập ý kiến chuyên gia vào các bản cập nhật được kiểm tra hồi quy mà không cần đào tạo lại mô hình”. Kiến trúc bao gồm bốn lớp: một hệ thống kiến thức để củng cố tất cả các kiến thức thể chế; quy trình lý luận, tách biệt những gì tác nhân biết với cách nó lý luận; khung đánh giá để cung cấp các chỉ số tự động; và vòng tròn cải tiến tự quản lý đã được đề cập.
Hệ thống kiến thức sử dụng kiến thức chuyên môn được rút ra từ hơn 200 tệp có cấu trúc được tổ chức thành một phân loại chặt chẽ. Chúng bao gồm tập tin vị trícó được bí quyết uy tín; tập tin phân loại và từ điểnlàm bảng chú giải thuật ngữ cho các loại thực thể, danh mục hoạt động, cấp độ phân loại và các thuật ngữ khác được sử dụng trong toàn tổ chức; chỉ số định tuyếnánh xạ đầu vào vào các tệp tương ứng mà không dựa vào kết quả khớp tương tự; Và tập tin cổngxác định các bài kiểm tra nhằm xác định khi nào một tác nhân có thể sử dụng kiến thức chuyên môn một cách an toàn.
Lớp lý luận sử dụng “công thức nấu ăn” để xác định cách tác nhân nên phân tích vấn đề. Các quy định được phát triển và chỉ định những gì tác nhân nên kiểm tra trước, những kiến thức nào cần tải ở mỗi bước, thứ tự quyết định nào cần tuân theo và cách xác định khi nào quá trình phân tích hoàn tất. Công thức nấu ăn cũng giúp xác định liệu thất bại là do thiếu kiến thức hay do lý luận sai.
Đặc điểm chính trong cách tiếp cận của Meta là sử dụng các điểm kiểm tra được xác định trước trong phân tích, trong đó cần có sự giám sát của con người và các tình huống không chắc chắn được chuyển giao cho các chuyên gia trong lĩnh vực. Khi một chuyên gia xác định một lỗi, các sửa chữa sẽ được ghi lại vĩnh viễn, cho dù lỗi đó xuất phát từ việc thiếu kiến thức, thứ tự bằng chứng không chính xác hay sự mơ hồ thực sự giữa các chuyên gia.
Ý tưởng chính thực hiện điều này bánh đà tự hỗ trợ có thể giữ kiến thức về tổ chức tránh xa các trọng số của mô hình và thay vào đó lưu trữ nó trong các tệp văn bản được kiểm soát theo phiên bản để có thể truy cập và kiểm tra cẩn thận thông qua các quy trình suy luận rõ ràng:
Các bản sửa lỗi của chuyên gia được chẩn đoán dựa trên nguyên nhân cốt lõi, được tổng hợp thành các chỉnh sửa tối thiểu được phê duyệt và được đánh giá trước khi được xem xét cũng như kiểm tra lặp lại và hồi quy. Sau đó, mỗi lần điều chỉnh sẽ được xếp lại vào gói hồi quy, do đó mức tăng là không đổi.
Dựa trên đánh giá của chính Meta, cách tiếp cận của Meta nhằm xây dựng các chuyên gia tổ chức với các đại lý đã giảm thời gian cần thiết cho các đánh giá cá nhân từ vài ngày xuống còn vài phút và các chuyên gia tên miền hầu như luôn nhận thấy kết quả này hữu ích. Hơn nữa, hệ thống tự động cải tiến kiến thức mà trước đây yêu cầu phải chạy nước rút kỹ thuật và không gặp phải sự hồi quy nào trong các chu kỳ cải tiến.
Cách tiếp cận của Meta nhằm tạo ra các tác nhân có khả năng phục vụ như các chuyên gia về tổ chức có nhiều điều hơn những gì có thể được đề cập ở đây. Hãy chắc chắn đọc bài viết gốc để biết chi tiết đầy đủ.
