Pre inžiniera a inovátora Mattea Zampariniho, jedným z najvýznamnejších prekážok produktivity v modernom svete nie je nedostatok talentov alebo nedostatok ambícií, je to strata času na opakujúce sa úlohy. Od sledovania mapových zásielok ako stážista v oblasti dátovej vedy až po spoluzakladanie startupu, ktorý identifikoval príležitosti v oblasti obnoviteľných zdrojov energie pre majiteľov komerčných nehnuteľností, jeho kariéra sledovala konzistentnú tému: budovanie technológií na automatizáciu gruntovej práce, aby sa ľudská práca mohla použiť na viac strategických úloh. Ako zakladajúci inžinier spoločnosti PropRise, spoločnosti podporovanej spoločnosťou Y Combinator, vytvára agentov AI, ktorí pracujú po celú hodinu, aby sledovali obrovské množstvo rozdielnych údajov o nehnuteľnostiach a generovali poznatky, ktoré odhaľujú potenciálne investičné príležitosti. Všetko sa točí okolo jeho vízie sveta, kde AI nielen pomáha ľuďom, ale spája ich do pracovnej sily na vykonávanie dlhodobých úloh. Skutočné náklady na manuálnu analýzu údajov Vo svete podporovanom softvérom už nedostatok digitálnych nástrojov nie je hlavným problémom. Problém, ktorý sa objavil z prvej ruky na University of California v Irvine, má tendenciu byť opakujúcou sa a časovo náročnou povahou úloh, s ktorými sa musia zaoberať aj tí najtalentovanejší ľudia, od výskumníkov až po profesionálov v podnikaní, ktorí používajú digitálne nástroje. Zamparíni Zamparíni Ako študentský stážista strávil mesiace pomocou nástrojov, ako sú digitálne mapy, umožňujúc webové stránky, štatistický výpočtový softvér a webové stránky pre zoznamy nehnuteľností zhromažďovať a nakoniec analyzovať dáta, ktoré by sa mohli použiť na rozhodovanie o investíciách a vývoji. „Pamätám si, že premýšľam: ‚Satelitné zobrazovanie postavené s Lidarom je cool‘,“ rozpráva. „Ale stráviť týždne na mapách a webových stránkach, ktoré sa snažia nájsť správne dátové body, je naozaj najlepšie využitie ľudského intelektu?“ Toto bolo jedným z poznatkov, ktoré vyvolali myšlienku pre Spaceflare, startup, ktorý založil s kolegami študentmi UC Irvine po absolvovaní v roku 2021. model, ktorý postavil, používal verejné záznamy a satelitné obrazy na identifikáciu nehnuteľností, ktoré by mohli byť vhodné pre inštaláciu solárnych panelov, čo umožnilo spoločnostiam s čistou energiou a majiteľom nehnuteľností rýchlo identifikovať potenciálne príležitosti pre výrobu energie a príjmy. Proces, ktorý by pravdepodobne trval týždne manuálnej analýzy, mohol byť teraz vykonaný v priebehu niekoľkých minút s Spaceflare. Building AI Agents that Act and Reason—Within Reason Budovanie agentov AI, ktorí konajú a rozum – v rámci rozumu Dnes je Zamparini vývojárom agentov AI, ktorí Títo autonómni agenti pôsobia ako "analytici investícií v oblasti umelej inteligencie 24/7", ktorí prehľadávajú nespočetné množstvo dátových bodov, od zoznamov nehnuteľností a financií po mestské povolenia, miestne správy a trendy na trhu, aby odhalili príležitosti, ktoré by ľudskí analytici mohli vynechať alebo trvať mesiace na zostavenie. čistiť čistiť PropRise nie je len ďalším nástrojom strojového učenia, ktorý automatizuje zber dát; jeho agenti pracujú nezávisle, štruktúrujú údaje, ktoré nájdu a neustále hodnotia dôveryhodnosť a presnosť širokej škály zdrojov. „Vytvorili sme systémy agentov, ktoré dokážu uvažovať, konať a dokonca hľadať ľudskú spätnú väzbu alebo schválenie v polovici úlohy,“ vysvetľuje. „Táto zmes autonómie a ľudského dohľadu je potrebná na vytvorenie spoľahlivých pracovných postupov AI.“ Vníma tento prístup človeka v kruhu ako kľúčovú súčasť budúcnosti, v ktorej môžu agenti umelej inteligencie prevziať všetky manuálne práce bez rizika straty kontroly nad strategickými rozhodnutiami. Spoľahlivosť nad novinkou: architektúra agentových systémov pre reálne použitie V Zampariniho očiach je vznik otvorených štandardov ako Model Context Protocol (MCP), AGNTCY, HumanLayer alebo jazyk BAML jedným z najdôležitejších trendov v oblasti umelej inteligencie. Keď sa softvérové výstupy podieľajú na finančných modeloch alebo strategických rozhodnutiach, výsledky, ktoré produkujú, musia byť overiteľné. Vznikajúce rámce ako HumanLayer, BAML, MCP a AGNTCY vytvárajú základnú líniu, ktorá môže tento typ agentického ekosystému umožniť. Napríklad HumanLayer poskytuje protokol, ktorý pridáva robustný ľudský dohľad k autonómnym agentom AI. Preskúmava akcie s vysokým podielom a smeruje ich k ľuďom - prostredníctvom Slack, e-mailu, SMS a ďalších kanálov - na schválenie, spätnú väzbu alebo eskaláciu, potom dodáva odpoveď späť, aby agenti mohli bezpečne pokračovať v práci. MCP je otvorený štandard, ktorý štandardizuje spôsob, akým sa modely umelej inteligencie pripájajú k dátovým vstupom, čo umožňuje veľkým jazykovým modelom (LLM) pripojiť sa priamo k rôznym databázam a API, aby sa vytvoril komplexnejší zdroj informácií a spolupráca medzi agentmi. AGNTCY je otvorený ekosystém pre interoperabilitu medzi agentmi, ktorý posúva koncept o krok ďalej definovaním zdieľanej vrstvy identity a modelu interakcie pre agentov umelej inteligencie, čo umožňuje nástrojom vytvoreným rôznymi vývojármi bezpečne a predvídateľne zdieľať informácie medzi platformami. Spoločne tieto rámce umožňujú AI agentov, ktoré sú nielen silné, ale nasadzovateľné, testovateľné a udržiavateľné. Building a Template for the Future of Work Vytvorenie šablóny pre budúcnosť práce Zdieľané štandardy a jazyky sú kľúčom k rozvoju umelej inteligencie, ktorá môže spoľahlivo automatizovať každodennú prácu.A uplatňujú sa ďaleko nad rámec komerčných nehnuteľností; v najlepšom prípade umožňujú agentom AI a agentovým systémom transformovať spôsob, akým profesionáli a odborníci pracujú v rôznych odvetviach. „S pomocou umelej inteligencie môžeme v podstate oslobodiť čas ľudí,“ konštatuje Zamparini. „Keď môžeme skutočne dôverovať automatizovanej práci a odporúčaniam, aby boli komplexné a presné, tieto systémy môžu urobiť viac než len zlepšiť existujúce pracovné postupy, môžu vytvoriť priestor pre nové odvetvia a inovácie. Pre Zampariniho, budúcnosť umelej inteligencie nie je lepším digitálnym asistentom, je to systém, ktorý umožňuje ľuďom vytvárať nové veci rýchlejšie, rozvíjať súčasné odvetvia a dokonca vytvárať nové. AI agenti odstraňujú hluk, odstraňujú neporiadok, aby sa stavitelia mohli pohybovať rýchlejšie, myslieť hlbšie a snívať väčšie.

This story contains new, firsthand information uncovered by the writer.

Tento zvuk je vyrobený v pôvodnom jazyku príbehu!

Prečo by AI agenti mali zaobchádzať s Mundane, takže ľudia nemusia

About Author

KOMENTÁRE

ZAVISTE ŠTÍTKY

TENTO ČLÁNOK BOL PREDSTAVENÝ V

Related Stories

When Blood Told

16 Best Sklearn Datasets for Building Machine Learning Models

Mutmut: a Python mutation testing system

Code Smell 298 - How to Fix Microsoft Windows Time Waste

When Blood Told

16 Best Sklearn Datasets for Building Machine Learning Models

Mutmut: a Python mutation testing system

Code Smell 298 - How to Fix Microsoft Windows Time Waste

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps