Kiedy twoja AI ostatnio stała się lepsza, twój zespół nie miał z tym nic wspólnego. Laboratorium wytrenowało nową wersję według własnego harmonogramu, a każdy, kto używa tego modelu, dostał tę samą aktualizację tego samego dnia.
Tymczasem ludzie, którzy najlepiej znają twoją pracę, każdego dnia próbują czegoś ją nauczyć: księgowa, która wie, który dostawca zawsze spóźnia się z fakturą, inżynier, który wie, który alert zignorować, kierownik wsparcia, który wie, co mają na myśli twoi klienci, gdy piszą. To inteligencja, która najbardziej liczy się dla twojej firmy, a dotąd jedynym sposobem, by nauczyć AI czegokolwiek z tego, był trening.
ACI, Adaptive Continual Intelligence, zmienia to, kto może uczyć AI. Księgowa, inżynier i kierownik wsparcia stają się jej nauczycielami w trakcie pracy, a to, czego się uczy, należy do ciebie. Uczenie się wychodzi z kilku laboratoriów i trafia do dnia pracy każdego z nas.
Dotąd AI uczyła się w laboratorium, w długich treningach, a każdy dostawał ten sam model.
Uczenie AI było zadaniem laboratoriów.
Żeby model się czegoś nauczył, potrzebny był potok treningowy, klaster akceleratorów i zespół, który to wszystko obsługuje. Dlatego uczenie odbywało się w laboratoriach, a każdy klient dostawał ten sam model, który wiedział to samo i nic o pracy żadnej konkretnej firmy.
Firmy, które chciały więcej, sięgnęły po dostrajanie i znalazły tę samą fabrykę w miniaturze. Ktoś przygotowuje dane, rezerwuje akceleratory, uruchamia trening i testuje wynik, a na końcu wychodzi kolejny niezmienny model, nieaktualny przy pierwszej zmianie zasady. I cykl zaczyna się od nowa.
ACI sprawia, że uczenie się staje się częścią codziennej pracy. Uczy się z twoich wyników w trakcie pracy, bez treningu i bez GPU, więc uczenie nie potrzebuje wokół siebie laboratorium. Jedna osoba we własnym asystencie ma tę samą ACI co całe przedsiębiorstwo.
Inteligencja przenosi się tam, gdzie jest praca.
Nauczenie modelu twojej pracy zawsze oznaczało zaniesienie tej pracy na trening: wysłanie rozmów i dokumentów do usługi dostrajania w laboratorium albo do własnego klastra. Uczenie odbywało się tam, gdzie były akceleratory.
ACI to odwraca. Uczy się tam, gdzie dzieje się twoja praca, w wybranym przez ciebie miejscu działania: w Vareon cloud, we własnej chmurze albo w ogóle bez chmury. Mały zespół może zacząć w Vareon cloud. Firma z własną chmurą uruchamia ACI na własnym koncie, a przedsiębiorstwo, które nie chce, by cokolwiek opuszczało jego sieć, uruchamia ją właśnie tam.
Gdziekolwiek działa, twoje dane nie muszą nigdzie wychodzić, żeby twoja AI stawała się mądrzejsza. To, czego ACI się tam uczy, odzwierciedla twoją pracę i niczyją inną, i jest oddzielone od tego, co należy do każdego innego klienta.
To procentuje.
Uczenie, które dzieje się codziennie, się sumuje. Każdy wynik potwierdzony przez twój zespół sprawia, że następne podobne zapytanie jest szybsze, tańsze i dokładniejsze. Im dłużej działa ACI, tym więcej twojej pracy może przejąć i tym więcej czasu twojego modelu idzie na to, co nowe.
Widać to w jednym przebiegu. W strumieniu 3,000 decyzji, w którym zasady zmieniły się pięć razy, Duplex, zbudowany na ACI, w trakcie działania przeszedł z 85.0% dokładności do 94.6%, a koszt każdej decyzji spadł o mniej więcej dwie trzecie.
Właśnie to zmienia AI z kosztu w aktywo. Każdy może jutro wynająć ten sam model co ty, w tej samej cenie. Nikt nie może wynająć tego, czego twoja praca nauczyła ACI, a z każdym miesiącem jej działania dystans między twoją AI a ich AI rośnie.
Model staje się twoim wyborem, za każdym razem.
Modele ciągle się poprawiają, a najlepszy dla twojej pracy wciąż się zmienia: nowe wydanie, lepsza cena, model, który jednemu zespołowi pasuje lepiej niż innemu. Gdy to, czego nauczyła się twoja AI, żyje w jednym modelu, każda zmiana oznacza zaczynanie od nowa.
ACI uczy się obok modelu, a nie w nim, więc zmiana modelu nie narusza tego, czego się nauczyła. Zmień model ze względu na cenę, jakość albo potrzeby jednego zespołu, a inteligencja zbudowana przez twoją pracę pójdzie z tobą. W testach na dwóch rodzinach modeli Duplex przeszedł z jednej do drugiej bez żadnego ponownego trenowania.
To zmienia układ sił. Laboratoria rywalizują o zbudowanie najlepszego modelu, a ty możesz brać każdy, gdy tylko wyjdzie. Trwała wartość twojej AI przenosi się z modelu, który wynajmujesz, na inteligencję, którą masz na własność.
Dokąd to prowadzi.
Model staje się lepszy, gdy jego twórca wytrenuje następny. Agent z ACI staje się lepszy każdego dnia pracy, dzięki własnym wynikom: działa, wynik wraca, ACI się z niego uczy, a następne działanie zaczyna się od tego miejsca.
Wierzymy, że Agenci będą stawać się lepsi z drugą inteligencją u swojego boku, w rekurencyjnej pętli, w działaniu. ACI jest tą drugą inteligencją. Każdy wynik sprawia, że następne działanie jest lepsze, a każde lepsze działanie przynosi lepszy wynik, z którego można się uczyć. Ta pętla działa w twojej pracy, w jej tempie, a nie w laboratorium między kolejnymi wydaniami.
Pomnóż tę pętlę przez każdą osobę, każdy zespół i każdą firmę. Każde z nich buduje własną inteligencję, z własnej pracy, w wybranym przez siebie miejscu działania, i jest jej właścicielem, gdy ta rośnie. Modele będą się zmieniać, a to, czego uczy się ACI, będzie dalej rosło obok tego, który przyjdzie następny.
Najzdolniejsze modele nadal będą trenowane w laboratoriach. Inteligencja, która liczy się dla ciebie najbardziej, będzie się uczyć tam, gdzie jest praca, każdego dnia, od ludzi, którzy ją wykonują.