Amazonning mashinaviy oʻrganish boʻyicha vitse-prezidenti Rajiv Rastogi biznes texnologiyalari sohasida chuqur transformatsiya yuzaga kelayotganini taʼkidlab, butun operatsion qatlam agentlikka aylanishini qayd etdi.
Bu statik dasturiy taʼminotdan mustaqil tizimlarga oʻtishni anglatadi, ular tabiiy tilda berilgan koʻrsatmalarni talqin qila oladi. Anʼanaviy dasturiy taʼminot qattiq, oldindan belgilangan ssenariylarga amal qilishi bilan farqli oʻlaroq, agentlik tizimlar dinamik bajarilish yoʻllariga ega.
TechSparks tadbiridagi suhbatda Rastogi agentlar vazifalarni hal qilish uchun mustaqil reja tuzishini va tegishli vositalarni faollashtirishini tushuntirdi. Inson aralashuvi doimiy ravishda talab qilinmasligi kerak; bu mustaqil agentlar soʻrovlarni tahlil qiladi, harakatlar ketma-ketligini shakllantiradi va murakkab jarayonlarni boshidan oxirigacha yakunlash uchun maxsus raqamli vositalardan foydalanadi.
Amazon ichida bu operatsion qatlam Rufus kabi tizimlarda ishlatiladi, u xaridlar yordamchisi boʻlib, mijoz soʻrovlarini tushuna oladi, narx filtrlarini qoʻllaydi, qidiruv tizimlarini chaqiradi va foydalanuvchilarni mahsulotlarni taqqoslash va buyurtma berish orqali yoʻnaltiradi. Shunga oʻxshab, mustaqil sotuvchi yordamchilari mahsulot kartochkalarini toʻldirishga, zaxiralarni nazorat qilishga va kichik biznesga xalqaro eksport normalariga rioya qilish masalalari boʻyicha maslahat berishga yordam beradi.
Bozor generativ sunʼiy intellekt (Gen AI)ga nisbatan katta ishtiyoq koʻrsatgan boʻlsa-da, Rastogi generativ modellar barcha hisoblash muammolari uchun universal yechim emasligini taʼkidladi. Generativ AI murakkab argumentatsiya, matnni umumlashtirish, fikr-mulohazalarni tahlil qilish va mahsulot rasmlarining fonini tahrirlash kabi ijodiy vazifalarda yaxshi natija beradi. Biroq, u yuqori quvvat va past kechikishni talab qiladigan ilovalarda qiyinchiliklarga duch keladi.
Rastogi baʼzi vazifalar uchun anʼanaviy mashinaviy oʻrganish modellarining samaradorligi generativ modellar samaradorligiga hech qachon teng kelmasligini qayd etdi. Gradient boosting daraxtlari yoki standart neyron tarmoqlari kabi klassik algoritmlar tuzilgan sonli maʼlumotlarni istisno tezlikda qayta ishlaydi.
Elektron tijoratda mahsulotlarni qidirish kabi keng miqyosdagi operatsion ehtiyojlar uchun, yuzlab milliardlar sonidagi pozitsiyalarni qayta ishlash talab qilinganda, generativ modellar juda katta hisoblash xarajatlari va sekin javob berish vaqtiga duch keladi. Shu sababli, yuqori samarali arxitekturalar inson niyatlarini tushunish uchun agent tipidagi orkestratorlardan foydalanadi va shu bilan birga maʼlumotlarni tezkor olish uchun asosiy qidiruv tizimlariga tayanadi.
Haqiqatda generativ imkoniyatlar talab qilinganda, korxona rahbarlari faqat ulkan fundamental tizimlarga tayanmasliklari kerak. Eng katta va eng resurs talab qiluvchi AI arxitekturalari boʻlgan chekka modellar sezilarli ekspluatatsiya xarajatlarini keltirib chiqaradi. Rastogi yanada iqtisodiyroq muqobil taklif qildi, shuni koʻrsatdiki, «baʼzi ochiq asosiy modellarni qayta oʻqitish... sizga bu yirik modellarining baʼzilari kabi ancha yaxshi ishlaydigan modellar berishi mumkin... yarmi yoki oʻn biri qiymatda».
Qayta oʻqitish kichikroq, ommaviy ochiq modelni, masalan, Qwen kabi, olib, uni ilovaning maxsus proprietar maʼlumotlari ustida oʻqitishni anglatadi. Ochiq qayta oʻqitilgan modellarni qabul qilish orqali kompaniyalar gigant yopiq modellar, masalan, Claude yoki ChatGPT bilan taqqoslaganda, maxsus tasniflash yoki bashorat qilish vazifalari uchun teng yoki undan yuqori aniqlikka erishishi mumkin, shu bilan birga hisoblash xarajatlarini sezilarli darajada kamaytiradi.
Texnologik tadbirkorlar va korxona arxitektorlari uchun eng istiqbolli imkoniyatlar fundamental modellar yaratishga urinishlar emas, balki vertikal ish oqimlarini avtomatlashtirishda yotadi. Yangi chekka modellar yaratish barqaror moliyaviy kapital va hisoblash infratuzilmasini talab qiladi. Buning oʻrniga, Rastogi maslahat beradi: «chekka modellar ustiga qurish, domenlardagi ish oqimlarini avtomatlashtirish uchun agentlik AI dan foydalanish... albatta umidlantiruvchi».
Cursor kabi kodlash vositalaridan ilhomlangan holda, huquqshunoslik, moliya, sogʻliqni saqlash, qishloq xoʻjaligi va inson resurslari kabi maxsus sohalarda katta imkoniyatlar mavjud. Ayniqsa qimmatli, toʻldirilmagan joy standart operatsion protseduralarni avtomatlashtirishdir — bu xodimlar uchun murakkab operatsion muammolarni hal qilish boʻyicha bosqichma-bosqich koʻrsatmalar beruvchi tabiiy tildagi hujjatlardir.
Agent avtomatlashtirish platformasi yomon yozilgan koʻrsatmalarni ichki bilim bazalaridan foydalanib aniqlashtira oladi, uzun jarayonlarni boshqariladigan kichik vazifalarga ajratadi va ularni maxsus kichik agentlar tarmogʻiga topshiradi, ular avtomatik ravishda ichki vositalarni koʻrib chiqadi, hujjatlardan maʼlumotlarni ajratib oladi, tasvirlarni tahlil qiladi va muammolarni hal qiladi.
Kelajakka qaraganda, AI modellarining asosiy tuzilmasi barqarorligini saqlab qolish uchun evolyutsiya qilishi kerak. Zamonaviy chekka modellar jiddiy fizik va moliyaviy cheklovlarga duch kelmoqda. Rastogi shunday dedi: «Bugungi chekka modellar juda katta, hisoblash jihatidan juda qimmat, koʻp energiya va resurs isteʼmol qiladi... va men bu barqaror deb oʻylamayman».
Bundan tashqari, bugungi monolit modellar asosan keyingi tokenni statistik bashorat qilish mexanizmlari sifatida ishlaydi, ketma-ketlikdagi eng ehtimoliy keyingi soʻzni taxmin qiladi, fizika qonunlari, uch oʻlchovli geometriya yoki sabab-oqibat aloqalar haqiqiy tushunishi boʻlmaydi. Rastogining fikricha, bu chegaralarni yengish uchun kelajakdagi manzara kichik, predmetga yoʻnaltirilgan modellar tarmoqlariga oʻtadi, ular markaziy yoʻnaltiruvchi orkestratorlar tomonidan boshqariladi. Gigant model parametrlari ichida dunyo bilimlarining katta hajmini saqlash oʻrniga, kelajakdagi AI arxitekturalari asosiy fikrlash va maʼlumotlarni saqlash imkoniyatlarini ajratadi, maʼlumotlarni olish uchun tashqi yuqori tezlikdagi qidiruv tizimlariga tayanadi. Natijada, soha ichki fizik fazolar va atrof-muhit xatti-harakatlarini tushunadigan haqiqiy global modellarga oʻtadi, korporativ avtomatlashtirish uchun amaliy va iqtisodiy jihatdan samarali asos yaratadi.