ایجنت‌های هوش مصنوعی مایکروسافت با سرعت ۴ برابر و مصرف کمتر توکن

مایکروسافت با معرفی یک قابلیت آزمایشی نوآورانه، گام بلندی در جهت بهینه‌سازی ایجنت‌های هوش مصنوعی برداشته است. این فناوری جدید با بازسازی ساختار سازمان‌دهی داده‌ها، قادر است سرعت پاسخ‌گویی ابزارهای هوشمند را تا چهار برابر افزایش داده و در عین حال، هزینه‌های پردازشی را به شدت کاهش دهد.

تحول در عملکرد ایجنت‌های هوش مصنوعی بدون تغییر مدل

برخلاف روال معمول که بهبود عملکرد تنها از طریق به‌روزرسانی مدل‌های زبانی عظیم (LLM) حاصل می‌شود، مایکروسافت نشان داده است که مدیریت هوشمندانه اطلاعات نیز می‌تواند نتایج خیره‌کننده‌ای داشته باشد. این رویکرد جدید، بدون نیاز به تغییرات بنیادین در مدل‌های کنترل‌کننده، باعث افزایش چشمگیر راندمان شده است.

طبق اعلام رسمی این شرکت، نتایج حاصل از این متدولوژی شامل موارد زیر است:

• افزایش سرعت: ارتقای ۴ برابری سرعت پردازش و پاسخ‌گویی.
• بهینه‌سازی مصرف: کاهش ۳۰ درصدی میزان مصرف توکن‌ها.
• دقت بالاتر: بهبود توانایی استناد به منابع پراکنده اطلاعاتی.

نقش موتور Work IQ در سازمان‌دهی داده‌های سازمانی

هسته اصلی این فناوری، موتور Work IQ نام دارد که وظیفه دسته‌بندی و آماده‌سازی داده‌ها را بر عهده دارد. در محیط‌های کاری پیچیده، اطلاعات اغلب در قالب ایمیل‌های متعدد، گفتگوهای Teams و اسناد فنی پراکنده هستند. ایجنت‌های هوش مصنوعی در حالت سنتی باید زمان زیادی را صرف جستجو و گردآوری این داده‌ها کنند.

قابلیت جدید مایکروسافت، داده‌ها را در قالب فایل‌های سازمان‌یافته‌ای قرار می‌دهد که ایجنت‌ها می‌توانند با سرعتی بی‌سابقه آن‌ها را تحلیل و از آن‌ها استفاده کنند.

این سیستم همچنین قابلیت به‌روزرسانی خودکار را داراست؛ به این معنا که با ورود اطلاعات جدید به منابع مختلف، ایجنت‌ها می‌توانند بدون نیاز به دستور مستقیم، دانش خود را به‌روزرسانی کنند.

زمان عرضه و پلتفرم‌های هدف

در مرحله نخست، این قابلیت در اختیار سازمان‌ها و شرکت‌هایی قرار می‌گیرد که در برنامه آزمایشی Frontier مایکروسافت عضو هستند. همچنین، توسعه این فناوری برای سایت‌های مبتنی بر SharePoint در دستور کار قرار دارد.

برنامه‌های آتی مایکروسافت شامل موارد زیر است:

1. اضافه کردن قابلیت به Copilot Studio.
2. گسترش خدمات به تمامی بخش‌های پلتفرم Microsoft 365.

در نهایت، این پیشرفت نشان‌دهنده تغییر پارادایم در توسعه هوش مصنوعی است؛ جایی که مدیریت ساختار داده‌ها به اندازه قدرت مدل‌های زبانی در دستیابی به کارایی حداکثری اهمیت می‌یابد.