سیستم چندعاملی Fugu معرفی شد

استارت‌آپ ژاپنی Sakana AI با معرفی سیستم چندعاملی Fugu رویکرد تازه‌ای را در طراحی سیستم‌های چندعاملی هوش مصنوعی ارائه کرده است.

این سیستم به‌ گونه‌ای عمل می‌کند که چندین مدل زبانی بزرگ را به‌ صورت هماهنگ مدیریت می‌کند و خروجی نهایی را در قالب یک سرویس واحد در اختیار کاربر قرار می‌دهد. هدف اصلی این معماری، افزایش دقت در پاسخ‌دهی، انعطاف‌پذیری عملیاتی و کاهش وابستگی به یک ارائه‌دهنده مشخص هوش مصنوعی عنوان شده است.

سیستم چندعاملی Fugu در ظاهر مانند یک مدل واحد عمل می‌کند، اما در پشت صحنه مجموعه‌ای از مدل‌های زبانی مختلف را مدیریت می‌کند. استارت‌آپ Sakana AI پیش‌تر نیز در حوزه ترکیب مدل‌های هوش مصنوعی برای وظایف برنامه‌نویسی عملکرد قابل توجهی داشته است و عامل ALE-Agent آن موفق شده بود در رقابت برنامه‌نویسی میان هزار متخصص انسانی، رتبه ۲۱ را کسب کند.

سیستم Fugu خود یک مدل زبانی است که برای فراخوانی و هماهنگ‌سازی سایر مدل‌های زبانی بزرگ از مجموعه عامل‌ها آموزش دیده است.

این سیستم بسته به نوع درخواست، یا به‌ صورت مستقل وظیفه را انجام می‌دهد یا مجموعه‌ای از مدل‌های تخصصی را به کار می‌گیرد. تمام مراحل شامل انتخاب مدل مناسب، واگذاری وظایف، ارزیابی پاسخ‌ها و ترکیب نهایی خروجی‌ها به‌ صورت داخلی انجام می‌شود و کاربر تنها از طریق یک API سازگار با OpenAI با آن تعامل دارد.

بر اساس گزارش The Decoder، استارت‌آپ Sakana AI دو نسخه از این سامانه را ارائه کرده است. نسخه پایه Fugu برای کاربری روزمره با تأخیر پایین در حوزه‌هایی مانند برنامه‌نویسی و چت‌بات‌ها طراحی شده است، در حالی که نسخه Fugu Ultra برای حل مسائل پیچیده، چندمرحله‌ای و نیازمند استدلال عمیق توسعه یافته است.

نسخه Fugu Ultra در حوزه‌هایی مانند تحقیقات هوش مصنوعی، بازتولید مقالات علمی، تحلیل امنیت سایبری و جست‌وجوی پتنت‌ها و منابع علمی مورد استفاده آزمایشی قرار گرفته است. نتایج منتشرشده نشان می‌دهد که این مدل در چندین بنچمارک مهم، عملکردی هم‌سطح با مدل‌های پیشرفته رقبا ارائه می‌دهد.

استارت‌آپ Sakana AI این سیستم را راهکاری برای کاهش ریسک وابستگی به یک شرکت یا مدل خاص معرفی می‌کند. این شرکت با اشاره به محدودیت‌های دسترسی و سیاست‌های صادراتی در حوزه مدل‌های پیشرفته، این وضعیت را یک ریسک واقعی برای زیرساخت‌های حیاتی سازمان‌ها می‌داند.

حدود ۵۰۰ کاربر آزمایشی تاکنون از Fugu در سناریوهای واقعی استفاده کرده‌اند. گزارش‌ها نشان می‌دهد که این سیستم در وظایف پیچیده و چندمرحله‌ای مانند تحلیل داده، بررسی امنیتی و بازبینی کد، عملکرد بهتری نسبت به بسیاری از ابزارهای تک‌مدلی داشته است.