AI-mallit ja alustat
Backboard asettaa uuden maailmanlaajuisen standardin tekoälymuistissa — Askel kohti todella agenteellista tekoälyä

Keskeiset kohdatBackboardin muisti-lähtöinen arkkitehtuuri mahdollistaa pysyvän jaettujen kontekstien…
Näytä lisää
- Backboardin muisti-lähtöinen arkkitehtuuri mahdollistaa pysyvän jaettujen kontekstien säilyttämisen eri tekoälyagenteille ja -malleille.
- Muisti-infrastruktuuri on muodostumassa kriittiseksi pullonkaulaksi siirrettäessä agenttipohjaista tekoälyä demoista tuotantokäyttöön.
- Backboardin vertailutestien kärkeä saavuttava suorituskyky juontaa juurensa järjestelmätason suunnittelusta, ei tehtäväkohtaisesta optimoinnista.
Backboard on ylittänyt tärkeän kynnyksen tekoälyjärjestelmissä osoittamalla, että muistia voidaan käsitellä ydininfrastruktuurina eikä hauraana lisäominaisuutena. Yritys ilmoitti johtavansa molempia suuria tekoälymuistin mittareita, LoCoMo ja LongMemEval, ja on ensimmäinen alusta, joka on saavuttanut tämän johdonmukaisten akateemisten ja riippumattomien arviointimenetelmien avulla.
Riippumattomassa arvioinnissa, jonka NewMathData suoritti, Backboard saavutti 93,4 prosentin tarkkuuden antaneen LongMemEval-tuloksen, joka on korkein julkaistu tulos tähän mennessä, kun se suoritetaan benchmarkin alkuperäisen määrittelyn mukaisesti. Tämä tulos perustuu aiemmin julkaistuun 90,1 prosentin tulokseen LoCoMo-mittauksessa, jolloin Backboard kuuluu hyvin pieneen järjestelmien joukkoon, jotka pystyvät ylläpitämään sekä lyhyen aikavälin tarkkuutta että pitkän aikavälin kontekstuaalista jatkuvuutta.
Huomattavaa on, että arvioijat havaitsivat useita tapauksia, joissa Backboardin vastaukset merkittiin virheellisiksi, vaikka ne olivat kontekstuaalisesti tarkempia kuin benchmarkin odotetut vastaukset. Näissä tapauksissa järjestelmä otti huomioon jo aiemmin vuorovaikutuksessa esitettyjä tosiasiatietoja eikä siten noudattanut suppeampaa tulkintaa kysymyksestä. Tämän seurauksena ilmoitettu tulos edustaa konservatiivista perustaa eikä suorituskyvyn ylärajaa.
Miksi muisti on muodostunut tekoälyssä pullonkaulaksi
Useimmat nykyiset tekoälyjärjestelmät käyttäytyvät edelleen kuin niillä ei olisi todellista menneisyyttä. Vaikka suuret kielimallit ovat erittäin hyviä luomaan sujuvia vastauksia, ne taipuvat unohtamaan kontekstin istunnon päätyttyä tai kun kysymysikkuna täyttyy. Tämä rajoitus pakottaa kehittäjiä rakentamaan tilan uudelleen hakukikkauksien, kehotteiden suunnittelun tai hauraiden työkalujen ketjujen avulla, jotka usein murtuvat, kun järjestelmät kasvavat monimutkaisemmiksi.
Muistissa ei ole kyse vain asioiden palauttamisesta mieleen. Käytännön käytössä muisti määrää, voivatko tekoälyjärjestelmät säilyä koherentteina ajan myötä, koordinoida tehtävien välillä ja luoda luottamusta käyttäjien kanssa. Ilman kestävää muistia järjestelmät nollautuvat, hallusinoivat tai ovat ristiriidassa itsensä kanssa. Kun tekoäly siirtyy yksittäisistä vuorovaikutuksista pitkäkestoisiin työnkulkuihin, muisti on muodostunut ensisijaiseksi pullonkaulaksi.
Backboard lähestyy tätä ongelmaa käsittelemällä muistia ensisijaisena infrastruktuurina. Sen sijaan, että muisti olisi kiinnitetty sovelluskerrokseen, se integroi pysyvyyden, upotukset, hakutoiminnot ja orkestraation yhtenäiseen alustaan, johon pääsee käsiksi yhden API:n kautta.
Järjestelmätasoinen lähestymistapa benchmarkin säätöön nähden
Backboard ei suunnitellut arkkitehtuuriaan benchmark-pisteytyksiä ajatellen. Arviot olivat joko itsenäisesti käynnistettyjä tai käytettiin sisäisesti ymmärtämään, miten järjestelmä vertautui akateemiseen tutkimukseen. Saavutettu suorituskyky heijastaa järjestelmän käyttäytymistä realistisissa olosuhteissa eikä tehtävän mukaan räätälöityä optimointia.
Tämä ero on merkittävä, koska useimmat benchmarkit mittaavat mallin käyttäytymistä eristyneisyydessä, kun taas todelliset tekoälyjärjestelmät koostuvat monista liikkuvista osista. Backboardin tulokset osoittavat, että muistin suorituskyky ei ole yksinomaan mallin koosta tai brutaaliin laskentaan perustuva, vaan siitä, miten muisti on järjestetty, päivitetty ja jaettu ajan myötä.
Alusta yhdistää pysyvän pitkäaikaisen muistin, alkuperäiset upotukset ja vektoroinnin, sisäänrakennetun hakutäydennetyn generoinnin, jaetun muistin eri agenttien välillä sekä pääsyn yli 17 000:een suureen kielimalliin, mukaan lukien oman API-avaimen käytön tuki. Yhdistämällä nämä elementit Backboard poistaa tarpeen yrityksille koota avoimen lähdekoodin komponentteja, jotka usein epäonnistuvat tuotantoon liittyvissä rajoituksissa.
Agenteellisen tekoälyn käytännöllistäminen
Kiinnostus agenteelliseen tekoälyyn kasvaa edelleen, mutta useimmat toteutukset kamppailevat siirtymisen demojen ulkopuolelle. Syy on yksinkertainen: agentit ilman jaettua, pysyvää muistia eivät voi koordinoida tehokkaasti. Ne hajoavat, menettävät kontekstin ja käyttäytyvät arvaamattomasti vuorovaikutusten pitkittyessä.
Backboard mahdollistaa pysyvän, jaetun muistin agenttien välillä, vaikka ne perustuvat eri perusmalleihin. Kun muisti on luotettavaa, agenteellinen käyttäytyminen ilmenee luonnostaan sen sijaan, että se määriteltäisiin skripteillä. Järjestelmät voivat muistaa aiemmat päätökset, ylläpitää jatkuvuutta istuntojen välillä ja koordinoida toimia ilman jatkuvaa uusien kehotteiden antamista.
Alustan muistirunko on suunniteltu säilyttämään ajallisen johdonmukaisuuden eikä rakentamaan tilaa staattisten graafien tai toistuvan hakutoiminnon kautta. Tämä mahdollistaa tekoälyjärjestelmien säilymisen johdonmukaisina ja tarkasteltavina, kun ne kasvavat monimutkaisemmiksi.
Rakennettu järjestelmille, joilla ei ole varaa unohtaa
Backboardin arkkitehtuuri perustuu sen perustajan ja toimitusjohtajan, Rob Imbeaultin, kokemuksiin, joka aiemmin auttoi rakentamaan Assentin varhaisesta startup-vaiheesta yli 1,4 miljardin dollarin arvoiseksi globaaliksi yritys-alustaksi. Assentissa Imbeault työskenteli järjestelmissä, jotka olivat upotettuina asiakkaiden toimintoihin, tukien sääntelyn noudattamista ja toimitusketjujen monimutkaisia työnkulkuja, jossa jatkuvuus, oikeellisuus ja luottamus eivät olleet neuvotteltavissa.
Se kokemus muovasi selkeän vakaumuksen. Arvokkain infrastruktuuri on harvoin loistava. Se on infrastruktuuri, joka toimii hiljaisesti, johdonmukaisesti ja pitkän ajan yli. Näissä ympäristöissä järjestelmät eivät voi nollautua kontekstin kadottua. Jos tila katoaa tai luottamus heikkenee, järjestelmä epäonnistuu toiminnallisesti, ei pelkästään teknisesti.
Imbeault näki modernin tekoälyssä rakenteellisen epäsymmetrian. Vaikka suuret kielimallit kehittyivät nopeasti, ne säilyivät perustavanlaatuisesti tilattomina. Konteksti katosi istuntojen välillä, pakottaen kehittäjiä rakentamaan muistin hauraiden kysymysketjujen ja tilapäisten hakukerrosten kautta. Nämä lähestymistavat saattavat toimia demoissa, mutta ne murtuvat, kun tekoälyjärjestelmiä odotetaan toimivan jatkuvasti, koordinoida agenttien välillä ja kehittyvän ajan myötä.
Backboard luotiin tämän aukon sulkemiseksi. Muistia kohdellaan kestävänä infrastruktuurina eikä sovelluslogiikkana, mikä mahdollistaa tekoälyjärjestelmien ylläpitämisen tilaa vuorovaikutusten, mallien ja agenttien välillä. Pysyvyyden, oikeellisuuden ja pitkäaikaisen luotettavuuden painopiste heijastaa uskomusta, joka muodostui jo ennen Backboardin perustamista: tuotantoympäristöissä muistivirheet eivät ole vähäisiä virheitä, vaan järjestelmätason riskejä.
Tämä näkemys on Backboardin suunnittelufilosofian perusta. Tavoitteena ei ole esittää älykkyyttä eristyneissä hetkissä, vaan mahdollistaa tekoälyjärjestelmät, jotka käyttäytyvät luotettavina ohjelmistoina, vaikka monimutkaisuus kasvaa ja aikahorisontti laajenee.
Miten tämä vaikuttaa tekoälyn tulevaisuuteen
Laajempi implikaatio Backboardin tuloksista on, että seuraava vaihe tekoälyssä ei johdu ainoastaan suuremmista malleista tai pidemmistä konteksti-ikkunoista. Se johtuu järjestelmistä, jotka voivat muistaa, päätellä ja kehittyä ajan myötä.
Kun yritykset käyttävät tekoälyä asiakastukeen, operaatioihin, tutkimukseen ja sääntelyyn, pysyvä muisti muodostuu luottamuksen ja skaalautuvuuden perustaksi. Alustat, jotka ratkaisevat muistin infrastruktuuritasolla, määrittävät, miten agenteellinen tekoäly siirtyy kokeilusta arkipäivään.
Kun Backboardin muistiarkkitehtuuri on nyt validoitu sekä akateemisissa että riippumattomissa vertailutesteissä, yritys kääntää huomionsa auttamaan tiimejä ymmärtämään ja arvioimaan tekoälyjärjestelmien käyttäytymistä todellisissa rajoituksissa. Yrityksen tuleva Switchboard-ominaisuus pyrkii tekemään monimutkaiset tekoälykonfiguraatiot läpinäkyvimmiksi ja ennustettavammiksi.
Tekoälyn tulevaisuus muotoillaan vähemmän älykkäiden kysymyskikkaiden temppujen ja enemmän järjestelmien avulla, joihin voidaan luottaa ajan myötä. Muisti on tämän muutoksen perusta, ja Backboardin viimeisimmät tulokset osoittavat, että tämä perusta on vihdoin muotoutumassa.












