Um novo tipo do agente de inteligência synthetic, treinado para entender como o software program é construído com os dados de uma empresa e aprendendo como isso leva a um produto remaining, pode ser um assistente de software program mais capaz e um pequeno passo em direção a IA muito mais inteligente.
O novo agente, chamado Asimov, foi desenvolvido pela Reflection, uma startup pequena, mas ambiciosa, confundida pelos principais pesquisadores da IA do Google. Asimov lê código, bem como e -mails, mensagens de folga, atualizações do projeto e outra documentação com o objetivo de aprender como tudo isso leva juntos a produzir um software program acabado.
O objetivo remaining da reflexão é a criação de IA superinteligente – algo que outros laboratórios de IA líderes dizem que estão trabalhando. A Meta criou recentemente um novo laboratório de Superintelligence, prometendo grandes quantias para pesquisadores interessados em ingressar em seu novo esforço.
Visitei a sede da Reflection no bairro do Brooklyn, de Williamsburg, Nova York, do outro lado da estrada de um clube de pickleball de aparência oscilante, para ver como a reflexão planeja chegar à superinteligência antes da competição.
O CEO da empresa, Misha Laskin, diz que a maneira ideally suited de construir agentes da IA SuperSmart é fazê -los realmente dominar a codificação, já que essa é a maneira mais simples e pure de interagir com o mundo. Enquanto outras empresas estão construindo agentes que usam interfaces de usuário humano e navegam na internet, Laskin, que anteriormente trabalhou em Gêmeos e agentes no Google DeepMind, diz que isso dificilmente vem naturalmente para um grande modelo de linguagem. Laskin acrescenta que o ensino da IA a entender o desenvolvimento de software program também produzirá assistentes de codificação muito mais úteis.
Laskin diz que Asimov foi projetado para gastar mais tempo lendo o código do que em escrevê -lo. “Todo mundo está realmente focado na geração de código”, ele me disse. “Mas como tornar os agentes úteis em um ambiente de equipe realmente não são resolvidos. Estamos nessa fase semi-autônoma em que os agentes estão apenas começando a trabalhar”.
Asimov realmente consiste em vários agentes menores dentro de um casaco. Todos os agentes trabalham juntos para entender o código e responder às consultas dos usuários sobre isso. Os agentes menores recuperam informações e um agente de raciocínio maior sintetiza essas informações em uma resposta coerente a uma consulta.
A reflexão alega que o Asimov já é percebido para superar algumas ferramentas de IA líder por algumas medidas. Em uma pesquisa realizada por reflexão, a Companhia constatou que os desenvolvedores que trabalham em grandes projetos de código aberto que fizeram perguntas preferiam as respostas da Asimov 82 % das vezes em comparação com 63 % para o código Claude da Anthropic que executa seu modelo Sonnet 4.
Daniel Jackson, cientista da computação do Instituto de Tecnologia de Massachusetts, diz que a abordagem da Reflection parece promissora, dado o escopo mais amplo de sua coleta de informações. Jackson acrescenta, no entanto, que os benefícios da abordagem ainda precisam ser vistos, e a pesquisa da empresa não é suficiente para convencê -lo de amplos benefícios. Ele observa que a abordagem também pode aumentar os custos de computação e potencialmente criar novos problemas de segurança. “Seria ler todas essas mensagens privadas”, diz ele.
A reflexão diz que a abordagem multiagente mitiga os custos de computação e que utiliza um ambiente seguro que fornece mais segurança do que algumas ferramentas de SaaS convencionais.
