Saya mempelopori ‘machine teaching’ di Microsoft. Membina agen AI umpama membina pasukan bola keranjang, bukan memilih seorang pemain.

(SeaPRwire) –   l and yang memberi tumpuan kepada aplikasi industri praktikal AI menunjukkan bahawa perusahaan sedang bergerak perlahan-lahan ke arah sistem autonomi. Ia adalah kemajuan yang bermakna kerana pagar keselamatan yang kukuh, ujian dan penilaian adalah asas kepada AI agenik. Tetapi langkah seterusnya yang kebanyakannya masih tiada sekarang ialah amalan, memberikan pasukan ejen pengalaman berulang dan berstruktur. Sebagai perintis Machine Teaching, satu metodologi untuk melatih sistem autonomi yang telah digunakan di beberapa syarikat 500, saya telah mengalami impak amalan ejen semasa membina dan mengerahkan lebih 200 sistem multi-agen autonomi di dan kini di untuk perusahaan di seluruh dunia.

Setiap CEO yang melabur dalam AI menghadapi masalah yang sama: berbelanja berbilion-bilion untuk projek perintis yang mungkin atau mungkin tidak memberikan autonomi sebenar. Ejen seolah-olah cemerlang dalam demo tetapi terhenti apabila kerumitan dunia sebenar melanda. Hasilnya, pemimpin perniagaan tidak mempercayai AI untuk bertindak secara bebas ke atas jentera atau aliran kerja bernilai berbilion dolar. Pemimpin sedang mencari fasa seterusnya keupayaan AI: kepakaran perusahaan sebenar. Kita tidak sepatutnya bertanya berapa banyak pengetahuan yang boleh disimpan oleh ejen, tetapi sebaliknya sama ada ia mempunyai peluang untuk membangunkan kepakaran dengan berlatih seperti yang dilakukan manusia.

Ilusi Pengujian

Sebagaimana pasukan manusia membangunkan kepakaran melalui pengulangan, maklum balas dan peranan yang jelas, ejen AI mesti membangunkan kemahiran di dalam persekitaran amalan realistik dengan orkestrasi berstruktur. Amalan adalah apa yang mengubah kecerdasan menjadi prestasi autonomi yang boleh dipercayai.

Ramai pemimpin perusahaan masih menganggap bahawa beberapa syarikat LLM utama akan membangunkan model yang cukup berkuasa dan set data yang besar untuk mengurus operasi perusahaan yang kompleks dari hujung ke hujung melalui “Kecerdasan Umum Buatan.”

Tetapi itu bukan cara perusahaan beroperasi.

Tiada proses kritikal, sama ada perancangan rantaian bekalan atau pengoptimuman tenaga, dijalankan oleh satu orang dengan satu set kemahiran. Fikirkan pasukan bola keranjang. Setiap pemain perlu bekerja pada kemahiran mereka, sama ada mendribel atau lompatan, tetapi setiap pemain juga mempunyai peranan dalam pasukan. Tujuan pemain tengah adalah berbeza daripada pengawal. Pasukan berjaya dengan peranan, kepakaran dan tanggungjawab yang ditakrifkan. AI memerlukan struktur yang sama.

Walaupun anda mencipta model yang sempurna atau mencapai AGI, saya meramalkan ejen-ejen itu masih akan gagal dalam pengeluaran kerana mereka tidak pernah menghadapi kebolehubahan, hanyutan, anomali, atau isyarat halus yang dilayari manusia setiap hari. Mereka belum membezakan set kemahiran mereka atau belajar bila untuk bertindak atau berhenti. Mereka juga tidak didedahkan kepada gelung maklum balas pakar yang membentuk pertimbangan sebenar.

Bagaimana Machine Teaching Mencipta Amalan

Machine Teaching menyediakan struktur yang diperlukan oleh sistem agenik moden. Ia membimbing ejen untuk:

• Melihat persekitaran dengan betul.
• Menguasai kemahiran asas yang meniru pengendali manusia.
• Mempelajari strategi peringkat tinggi yang mencerminkan pertimbangan pakar.
• Berkordinasi di bawah ejen penyelia yang memilih strategi yang betul pada masa yang tepat.

Ambil contoh satu syarikat 500 yang saya bekerjasama dengannya yang sedang menambah baik proses pembuatan nitrogen. Ejen-ejen kami berlatih di dalam AMESA Agent Cloud, bertambah baik melalui eksperimen dan maklum balas. Dalam masa kurang daripada satu hari, pasukan ejen mengatasi sistem kawalan industri binaan khas yang tidak dapat ditandingi oleh alat automasi lain dan aplikasi AI ejen tunggal.

Ini menghasilkan anggaran peningkatan kecekapan tahunan $1.2 juta, dan yang lebih penting, memberikan keyakinan kepada kepimpinan untuk mengerahkan autonomi pada skala besar kerana sistem itu berkelakuan seperti pengendali terbaik mereka.

Mengapa CEO dan Pemimpin Memerlukan AI yang Terlatih

Amalan adalah apa yang mendorong autonomi sebenar dalam ejen. Saya menjemput setiap pemimpin untuk mula membingkai semula beberapa andaian:

1. Berhenti berfikir dari segi model dan berfikir dari segi pasukan. Interaksi harian dengan sistem seperti ChatGPT atau Claude adalah berkuasa, tetapi ia mengukuhkan tanggapan salah bahawa model bahasa besar adalah jalan kepada autonomi perusahaan. Autonomi timbul dari ejen khusus yang mengambil alih peranan persepsi, kawalan, perancangan dan penyeliaan melalui pelbagai teknologi.
2. Kenal pasti di mana kepakaran semakin hilang dan simpan ia dalam ejen. Banyak operasi penting bergantung kepada pakar yang hampir bersara. CEO harus bertanya proses mana yang paling terdedah jika pakar ini meninggalkan syarikat esok. Kawasan tersebut adalah titik permulaan yang ideal untuk pendekatan Machine Teaching. Biarkan pengendali teratas anda mengajar pasukan ejen dalam persekitaran amalan yang selamat supaya kepakaran mereka menjadi boleh diskalakan dan kekal.
3. Sedari bahawa anda sudah mempunyai infrastruktur untuk autonomi. Pelaburan bertahun-tahun dalam sensor, sistem MES dan SCADA, integrasi ERP dan telemetri IoT sudah membentuk tulang belakang organisasi anda untuk kembar digital dan simulasi berketepatan tinggi. Kejayaan memerlukan orkestrasi, struktur, dan memanfaatkan asas data yang telah anda bina.

Hasil Amalan

Apabila perusahaan memberikan ruang kepada ejen untuk berlatih sebelum penyerahan, beberapa perkara berlaku:

• Pasukan manusia mula mempercayai AI dan memahami batasannya.
• Pemimpin boleh mengira ROI sebenar dan bukannya unjuran spekulatif.
• Ejen menjadi lebih selamat, lebih konsisten dan selari dengan pertimbangan pakar.
• Pasukan manusia ditingkatkan dan bukannya digantikan kerana AI kini memahami aliran kerja mereka dan menyokong mereka.

Ejen tidak akan benar-benar berprestasi tanpa pengalaman, dan pengalaman hanya datang dari amalan. Syarikat yang melabur dalam dan menerima bingkai kerja ini akan menjadi yang terlepas dari keadaan projek perintis yang terperap dan melihat impak sebenar.

Pendapat yang dinyatakan dalam kepingan ulasan adalah semata-mata pandangan penulis dan tidak semestinya mencerminkan pendapat dan kepercayaan .