Backboard встановлює новий глобальний стандарт у сфері пам’яті штучного інтелекту — стрибок до真正ої агентської штучної інтелектуальності

Backboard перетнув важливий поріг для систем штучного інтелекту, продемонструвавши, що пам’ять можна розглядати як основну інфраструктуру, а не як крихкий додаток. Компанія оголосила, що тепер вона лідирує в обидвох основних бенчмарках пам’яті штучного інтелекту, LoCoMo і LongMemEval, ставши першою платформою, яка зробила це під консистентними академічними та незалежними методами оцінки.

У незалежній оцінці, проведеній NewMathData, Backboard досягла 93,4 відсоткової точності на LongMemEval, що є найвищим публічно заявленим балом на сьогодні при виконанні бенчмарка згідно з його原始ною специфікацією. Цей результат будується на попередньому опублікованому результаті 90,1 відсоткової точності на LoCoMo, що ставить Backboard серед дуже малої групи систем, здатних підтримувати як короткострокову точність, так і довгострокову контекстну безперервність.

Відомо, що рецензенти визначили кілька випадків, коли відповіді Backboard були позначені як неправильні, хоча вони були контекстно більш точними, ніж очікувані відповіді бенчмарка. У цих випадках система включила фактичну інформацію, яка вже була присутня в взаємодії, а не дотримувалася вузької інтерпретації запиту. В результаті заявлений бал становить консервативну базову лінію, а не верхню межу продуктивності.

Чому пам’ять стала обмежувальним фактором у штучному інтелекті

Більшість сучасних систем штучного інтелекту все ще поводяться так, як якщо б вони не мали справжнього минулого. Хоча великі мовні моделі є чудовими у генерації плавних відповідей, вони схильні забувати контекст після закінчення сесії або заповнення вікна запиту. Це обмеження змушує розробників повторно відновлювати стан через хитрі методи отримання даних, інженерія запиту або крихкі ланцюги інструментів, які часто ламаються, коли системи стають більш складними.

Пам’ять не лише про回忆. У практичних розгортаннях пам’ять визначає, чи може система штучного інтелекту залишатися узгодженою з часом, координувати завдання та будувати довіру з користувачами. Без стійкої пам’яті системи перезапускаються, галлюцинують або суперечать собі. Коли штучний інтелект переходить від взаємодій одного ходу до довгострокових робочих процесів, пам’ять стала основним瓶頸ом.

Backboard підходить до цієї проблеми шляхом лікування пам’яті як першокласної інфраструктури. Натомість ніж прикріплювати пам’ять до шару застосування, вона інтегрує збереження, вкладення, отримання та оркестрацію в єдину платформу, доступну через єдиний API.

Системний підхід замість налаштування бенчмарка

Backboard не проектувала свою архітектуру для погоні за балами бенчмарка. Оцінки були або ініційовані незалежно, або використовувалися внутрішньо для розуміння того, як система порівнюється з академічними дослідженнями. Результаційна продуктивність відображає системну поведінку в реалістичних умовах, а не оптимізацію завдання.

Ця відмінність має значення, оскільки більшість бенчмарків вимірюють поведінку моделі в ізоляції, тоді як реальні системи штучного інтелекту складаються з багатьох рухомих частин. Результати Backboard свідчать про те, що продуктивність пам’яті не є виключно функцією розміру моделі чи примусової обчислювальної техніки, а функцією того, як пам’ять структурована, оновлюється та спільно використовується з часом.

Платформа поєднує постійну довгострокову пам’ять, рідні вкладення та векторизацію, вбудоване отримання та генерацію, спільну пам’ять між агентами та доступ до понад 17 000 великих мовних моделей, включаючи підтримку bring-your-own-key. Об’єднавши ці елементи, Backboard усуває необхідність для підприємств шити разом відкриті компоненти, які часто виходить з ладу під виробничими обмеженнями.

Розробка практичної агентської штучної інтелектуальності

Зацікавленість в агентській штучній інтелектуальності продовжує зростати, але більшість реалізації боротьба за переміщення за межі демонстрацій. Причина проста. Агенти без спільної, постійної пам’яті не можуть координувати ефективно. Вони фрагментуються, втрачають контекст та поводяться непередбачувано з часом.

Backboard дозволяє постійну, спільну пам’ять між агентами навіть у тих випадках, коли ці агенти використовують різні моделі. Коли пам’ять є надійною, агентська поведінка виникає природно, а не за допомогою сценаріїв. Системи можуть пам’ятати попередні рішення, підтримувати безперервність між сесіями та координувати дії без постійного повторного запиту.

Базова структура пам’яті платформи призначена для збереження тимчасової узгодженості, а не для відновлення стану через статичні графи чи повторне отримання. Це дозволяє системам штучного інтелекту залишатися узгодженими та аудитованими при зростанні складності.

Розроблено для систем, яким не можна забувати

Архітектура Backboard заснована на досвіді її засновника та генерального директора, Rob Imbeault, який раніше допоміг побудувати Assent з раннього стартапу в глобальну корпоративну платформу, оцінена в понад 1,4 мільярда доларів. В Assent системи, над якими працював Imbeault, були глибоко вбудовані в операції клієнтів, підтримуючи нормативну відповідність та складні робочі процеси ланцюга постачання, де безперервність, правильність та довіра були непоговорними.

Цей досвід сформував чітку переконання. Найціннішою інфраструктурою рідко буває щось фантастичне. Це інфраструктура, яка працює тихо, послідовно та протягом тривалого часу. У таких середовищах системи не можуть перезапускати, коли контекст втрачено. Якщо стан зникає або довіра підірвана, система виходить з ладу операційно, а не лише технічно.

Imbeault побачив структуру розбіжності, що виникає в сучасному штучному інтелекті. Хоча великі мовні моделі швидко просунулися вперед, вони залишилися фундаментально безстанними. Контекст зникав між сесіями, змушуючи розробників відновлювати пам’ять через крихкі ланцюги запиту та адгокові шари отримання. Ці підходи можуть працювати в демонстраціях, але вони виходять з ладу, коли системи штучного інтелекту очікується працювати безперервно, координувати між агентами та розвиватися з часом.

Backboard була створена для закриття цієї прогалини. Пам’ять обробляється як тривка інфраструктура, а не як логіка застосування, що дозволяє системам штучного інтелекту зберігати стан між взаємодіями, моделями та агентами. Акцент на збереженні, правильності та довгостроковій надійності відображає переконання, сформоване ще до появи Backboard: у виробничих середовищах помилки пам’яті не є незначними дефектами. Вони є системними ризиками.

Цей погляд підтримує філософію дизайну Backboard. Метою не є демонстрація інтелекту в ізольованих моментах, а надання систем штучного інтелекту, які поводяться як надійне програмне забезпечення, навіть коли складність зростає та часові горизонти розширюються.

Що це означає для майбутнього штучного інтелекту

Ширше значення результатів Backboard полягає в тому, що наступна фаза прогресу штучного інтелекту не буде визначатися виключно більшістю моделей чи довшими вікнами контексту. Вона буде визначатися системами, які можуть пам’ятати, розуміти та розвиватися з часом.

Когда підприємства розгортають штучний інтелект по всьому світу для підтримки клієнтів, операцій, досліджень та відповідності, постійна пам’ять стає основою для довіри та масштабованості. Платформи, які вирішують проблему пам’яті на рівні інфраструктури, визначатимуть, як агентська штучна інтелектуальність переходить від експериментів до щоденного використання.

З своєю архітектурою пам’яті, тепер підтвердженою як академічними, так і незалежними бенчмарками, Backboard звертає свою увагу на допомогу командам краще зрозуміти та оцінити поведінку систем штучного інтелекту під реальними обмеженнями. Наступна здатність Switchboard компанії має на меті зробити складні конфігурації штучного інтелекту більш прозорими та передбачуваними.

Майбутнє штучного інтелекту буде визначатися не так сильно хитрими трюками запиту, як системами, яким можна довіряти з часом. Пам’ять є основою цього зрушення, і останні результати Backboard свідчать про те, що ця основа нарешті починає формуватися.