В настоящее время агенты искусственного интеллекта (ИИ) терпят неудачу в ошеломляющих 63% сложных задач. Это является серьезным препятствием для компаний, стремящихся внедрить автономные системы. Теперь Patronus AI, стартап, получивший 20 миллионов долларов венчурного капитала, заявляет о решении: динамически генерируемые, адаптивные учебные среды, которые моделируют реальные проблемы в реальном времени.
Проблема с традиционными бенчмарками ИИ
В течение многих лет индустрия ИИ полагалась на статические бенчмарки для измерения прогресса. Однако эти стандартизированные тесты не учитывают непредсказуемость задач реального мира. Традиционные бенчмарки измеряют изолированные навыки, игнорируя прерывания, изменения контекста и многоуровневое принятие решений. В результате, агенты ИИ часто демонстрируют плохие результаты за пределами контролируемых лабораторных условий.
Генеральный директор Patronus AI Ананд Каннаппан объясняет: «Традиционные бенчмарки измеряют изолированные возможности, но упускают из виду прерывания, переключения контекста и многоуровневое принятие решений, которые определяют реальную работу». Это означает, что агент с даже небольшой частотой ошибок может быстро стать ненадежным в сложных сценариях. Например, частота ошибок в 1% на каждом этапе приводит к 63% вероятности отказа к сотому шагу.
Генеративные симуляторы: ИИ, который учится как люди
Подход Patronus AI, названный «Генеративные симуляторы», создает учебные среды, которые постоянно эволюционируют. Эти симуляторы генерируют новые задачи, динамически корректируют правила и оценивают производительность агента в реальном времени. Это имитирует то, как учатся люди: посредством динамического опыта и постоянной обратной связи.
Главный технический директор компании, Ребекка Цянь, отмечает, что грань между обучением и оценкой стирается. «За последний год мы наблюдаем смещение от традиционных статических бенчмарков к более интерактивным учебным площадкам», — говорит она. «Бенчмарки превратились в среды».
Как работает адаптивное обучение: «Золотая середина»
Ключ к эффективному обучению ИИ — найти «золотую середину» — уровень сложности, который не слишком прост и не слишком сложен. Система Patronus AI использует «регулятор учебной программы», чтобы анализировать поведение агента и динамически изменять учебные сценарии.
Этот адаптивный подход предотвращает «взлом вознаграждения», когда ИИ-системы эксплуатируют лазейки вместо решения проблем. В статических средах легко жульничать; развивающиеся среды заставляют агентов искренне адаптироваться.
Бизнес-эффект: рост доходов и рыночный спрос
Patronus AI продемонстрировал 15-кратный рост доходов, обусловленный высоким спросом на его RL-среды. Платформа компании уже используется компаниями из списка Fortune 500 и ведущими лабораториями ИИ. Это свидетельствует о явной рыночной потребности в более эффективных решениях для обучения ИИ.
Почему крупные технологические компании не могут сделать все в одиночку
В то время как OpenAI, Anthropic и Google инвестируют в собственную инфраструктуру обучения, Patronus AI утверждает, что широта реальных приложений создает нишу для специализированных сторонних поставщиков.
«Они хотят улучшить агентов в разных областях… Решение всех этих различных оперативных проблем очень трудно для одной компании», — говорит Каннаппан.
Будущее обучения ИИ: среды как новая нефть
Patronus AI представляет будущее, в котором все человеческие рабочие процессы преобразуются в структурированные, обучаемые среды. Компания считает, что контроль над этими средами определит возможности будущих ИИ-систем.
«Мы думаем, что все должно быть средой — внутри компании мы шутим, что среды — это новая нефть». — Генеральный директор Patronus AI Ананд Каннаппан
Эта смелая перспектива позиционирует Patronus AI как ключевого игрока в формировании следующего поколения ИИ. Подход компании является важным шагом к созданию агентов ИИ, которые могут надежно выполнять сложные задачи в реальном мире.
