Yapay zekâ ajanları büyük ilgi görüyor, ancak henüz onları sunan şirketlerin iddia ettiği kadar yetenekli değiller. TechCrunch'ın aktardığına göre karmaşık görevlerde ajanları ölçen testler, bu sistemlerin yakın gözetim olmadan çalışacak kadar güvenilir olmadığını gösteriyor. LiveBench 2.0'da Claude Fable 5.2 ve ChatGPT-6 Astra 100 görevin sırasıyla 82,9 ve 75,6'sını başarıyla tamamladı. Yapay zekâ altyapı şirketi EON'un simüle edilmiş bir şirket ortamında yaptığı testte ise en başarılı model olan Claude Opus 4.8 görevleri yüzde 76,8 doğrulukla yerine getirdi.
Plurai adlı girişim, bu rakamları sürücüsüz araçları yollara çıkaran tekniklerle yükseltmek istiyor. Yöntem, modelleri zorlu uç senaryolara hazırlamak için şirketin kendi dijital sistemlerine dayanan sentetik verilerle simülasyonlar oluşturmaya dayanıyor.
Sürücüsüz araç deneyimi
Kurucu ortaklar Ilan Kadar ve Elad Levi, daha önce otonom sürüş teknolojisi geliştiren Nexar'da çalıştı. Kadar, Waymo ile birlikte şirketin uçtan uca derin öğrenme sürüş yazılımını simüle etme ve değerlendirme üzerinde çalıştı.
Kadar, "Yapay zekâ ajanları dalgasını gördüğümüz anda aynı kalıbı gördük. Bir demo yapmak çok kolay, ama güvenilir ve maliyet açısından verimli bir şey elde etmek zor. Aynı kalıbı gördüğümüz için bu simülasyon katmanını kurmak istedik" dedi.
Şirket çarşamba günü, Team8'in liderliğinde, U&I, Velocity ve Mercer'in de katıldığı turda 13 milyon dolar tohum yatırımı topladığını açıkladı.
Şirketin dijital ikizi
Yapay zekâ ajanları da otomobil süren uçtan uca modeller gibi öngörülemeyen ortamlarda çalışan olasılıksal sistemler. Seyahat rezervasyonu yapmakla görevlendirilen ajanlar, müşteriler ısrar ettiğinde harcama politikalarını görmezden gelebiliyor. Tek bir veri tabanını sorgularken güvenilir yanıtlar veren ajanlar, birden fazla veri kümesini birleştirmekte zorlanabiliyor. Bir müşteri hizmetleri botuyla yapılan uzun bir konuşma ise ajanı çok fazla bağlamla boğup yanlış yönlere sapmasına yol açabiliyor.
Plurai bunu çözmek için, ajanın gerçek kullanımda erişeceği bilgi tabanı ve araçlar dahil şirketin elektronik sistemlerinin dijital bir ikizini oluşturuyor. Ardından ajanların izleyebileceği tüm olası akışları haritalandırıyor ve bu grafiği kullanarak modeli olası uç durumlar için değerlendirmeler ve düzeltmelerle hazırlıyor. Platform, Claude Code, Codex, Copilot ve Cursor gibi mevcut ajan araçlarıyla birlikte çalışıyor.
Daha küçük, daha ucuz modeller
Kadar'a göre şirketin asıl vaadi, topladığı verileri müşterilerin ihtiyaçlarına göre uyarlanmış küçük, açık ağırlıklı modelleri eğitmek için kullanmak. Nvidia ve Nebius ile birlikte yapılan testlerde şirketin modelleri, orta seviye öncü modelleri daha düşük maliyetle geride bıraktı. Kadar, bu yöntemle kalitenin öncü modellerle aynı ya da daha yüksek olduğunu ve maliyetin 10 ila 100 kat düştüğünü söyledi.
Kadar, "Benim görüşüme göre OpenAI ve Anthropic modelleri ne kadar akıllı olursa olsun, ki çok daha akıllı olacaklar, sizin işinizi ve politikanızı bilmeyecekler" dedi.
Bu yazı hakkında ifade bırakın
OHA!falan’ı takip edinGünün haberleri, kısa videolar ve özetler her gün sosyal medyada.
İlginizi çekebilir
Uber'in eski ürün şefi yapay zekâ seyahat asistanı kurdu
Google Haritalar'ın ve Uber'in eski ürün yöneticisi Manik Gupta'nın kurduğu Voyage Labs, seyahat planlamaya odaklanan y…
Google'ın yapay zekâ ajanı Gemini'de ücretsiz oldu
Google, yalnızca ücretli abonelere sunduğu Spark yapay zekâ ajanının adını Görevler olarak değiştirdi ve altı ülkede he…
OpenAI ajanları hastanelerde evrak işini üstleniyor
OpenAI, GPT-6 Astra ve GPT-6 Luna modellerini klinik yazılımlarında ve sigorta portallarında tıklayıp yazarak çalışan d…

MongoDB analitik veritabanı Firebolt'u satın aldıYazılım
Canva'ya üretken yapay zekâyı kapatma düğmesi geldiYapay zekâ
Xbox kullanıcıların arka planını GTA 6 reklamına çevirdiOyun
Burun damlası yaşlı farelerin hafızasını gençleştirdiGenel
Google'ın uzaydaki yapay zekâ sunucularını Blue Origin taşıyacakTeknoloji
Wolf Alice ve Disclosure Boardmasters 2027'nin manşetindeMüzik



