H2O.ai повышает точность работы агентов ИИ с помощью прогностических моделей

Платформа h2oGPTe использует модели искусственного интеллекта компании Mississippi и Danube, но также может получать доступ к другим доступным большим и малым языковым моделям. Компания заявила, что h2oGPTe работает в изолированных, локальных и облачных системах.

Шри Амбати, основатель и генеральный директор H2O, рассказал VentureBeat, что наличие как генеративного, так и предиктивного ИИ дает предприятиям больше уверенности в том, что агенты будут работать именно так, как им нужно, без ущерба для безопасности.

«Главная проблема с агентами — это согласованность. Могу ли я получить согласованный ответ от [большой языковой модели] LLM на один и тот же запрос? Я думаю, что вы получаете два разных, как бы множественных ответа прямо сейчас», — сказал Амбати. «Но вы можете использовать несколько моделей, которые согласовывают, планируют и предоставляют результат. Подумайте об этом, как о людях, которые могут немного отличаться друг от друга, но вы все равно ожидаете согласованного ответа, и это область предиктивного ИИ в сочетании с генеративным ИИ».

Амбати объяснил, что генеративные модели ИИ «хороши в генерации контента и очень хороши в генерации кода», но предиктивные модели привносят больше моделирования сценариев. Он сказал, что предиктивные модели привносят согласованность в агентские ответы, поскольку они не просто генерируют ответы, но и учатся на шаблонах в данных.

Платформа создана для финансовых, телекоммуникационных, медицинских и государственных предприятий, которым необходимо управлять многоэтапными задачами. Агент H2O.ai лучше всего подходит для организаций, которые хотят получить представление о своем бизнесе, а не просто руководство, которое проходит через их рабочие процессы. Это связано с тем, что агенты на платформе h2oGPTe могут считывать мультимодальные данные, такие как диаграммы, и создавать ответы на такие вопросы, как «Должна ли моя компания продавать больше кукол в этом году?», которые учитывают исторические финансовые данные предприятия или информацию о рыночных тенденциях, которые они хранят.

Мультимодальные агенты

Как и другие агенты ИИ, h2oGPTe автоматизирует задачи рабочего процесса, поэтому сотрудникам-людям не приходится выполнять эти действия самостоятельно. Амбати сказал, что мультимодальные возможности агентов H2O.ai открывают больше информации, из которой он может извлечь уроки, чтобы предложить пользователям лучшие и наиболее последовательные ответы.

Компания заявила, что агенты также могут создавать PDF-документы с диаграммами и таблицами, основанными на корпоративных данных, для визуализации информации для пользователя-человека. H2O.ai позаботилась о том, чтобы агенты ссылались на свои источники для отслеживания данных и предлагали настраиваемые ограничения.

Платформа агентов H2O.ai построена на тестировании моделей, включая автоматическую генерацию вопросов, где модель ИИ будет создавать вариации подсказки и забрасывать агента вопросами, чтобы увидеть, последовательно ли он отвечает. Она также имеет панель управления, на которой люди могут определить, какой тип базы данных, модели или части рабочего процесса использовали агенты.

Последовательность и точность в агентах

Поскольку ажиотаж вокруг агентов ИИ, как прогнозируется, сохранится и в следующем году, необходимо гарантировать, что агенты представляют ценность для предприятий, в том числе выполняя работу последовательно, надежно и точно.

Надежность имеет решающее значение, поскольку агенты ИИ призваны автоматизировать большую часть рабочего процесса предприятия без вмешательства человека.

Подход H2O.ai к смешиванию генеративных и предиктивных моделей — один из способов, но другие компании также ищут способы гарантировать, что агенты ИИ не будут создавать проблем для предприятий. Стартап xpander.ai представил свою систему Agent Graph для многошаговых агентов. Salesforce также выпустила ограниченную предварительную версию своего центра тестирования Agentforce для проверки согласованности ответов агентов.