Интеллектуальные системы теперь предугадывают потребности потребителей с поразительной точностью, часто опережая запросы.

Вкратце

Исследователи из Шанхайского университета Цзяо Тонг и Tencent разработали ProAct, агент искусственного интеллекта, предназначенный для прогнозирования вероятных потребностей пользователей до того, как они спросят.

Система использует время простоя между сообщениями, чтобы просмотреть прошлые разговоры и заранее подготовить информацию.

Исследователи заявили, что ProAct показал лучшие результаты, чем предыдущие системы проактивного искусственного интеллекта в тестах производительности, хотя в экспериментах не участвовали реальные пользователи.

Исследователи из Шанхайского университета Цзяо Тонг и китайского технологического конгломерата Tencent утверждают, что создали агента искусственного интеллекта, который использует время тишины между разговорами, чтобы предсказать, что пользователи могут спросить в следующий раз, и подготовить ответы еще до того, как они спросят.

Система под названием ProAct работает иначе, чем большинство агентов искусственного интеллекта, которые ждут, пока пользователи зададут вопрос, прежде чем ответить. Вместо этого ProAct использует время простоя между сообщениями для просмотра прошлых разговоров и сохраненной пользовательской информации, а затем подготавливает полезную информацию в фоновом режиме до поступления следующего вопроса.

«Хотя ИИ-агенты демонстрируют замечательные способности в рассуждении и использовании инструментов, они по своей сути остаются реактивными: они вычисляют ответы только после явных подсказок пользователя», — пишут исследователи. «Эта парадигма игнорирует важную возможность: время простоя между взаимодействиями в значительной степени тратится впустую, в результате чего агенты не могут подготовиться к будущим потребностям пользователей».

Система работает в несколько этапов. Первый, называемый «Прогнозирование будущего состояния», предсказывает вероятные последующие вопросы, анализируя прошлые разговоры, предпочтения пользователей и недостающую информацию.

На втором этапе, называемом «Сбор данных в режиме простоя», решается, какие из этих прогнозов стоит исследовать, исходя из релевантности, времени и того, насколько полезной может быть новая информация.

Затем отдельная система решает, следует ли представлять подготовленную информацию, сохранять ее на будущее или хранить до тех пор, пока она не понадобится, создавая систему «замкнутого цикла», предназначенную для прогнозирования и реагирования на потребности пользователей.

«После каждого взаимодействия на переднем плане агент обновляет свою память, прогнозирует возможные будущие потребности, распределяет вычисления времени простоя между ценными кандидатами и решает, как следует обрабатывать полученную подготовку», — написали они. «Эта формулировка связывает прогнозирование, сбор и доставку с единой политикой, а не рассматривает вычисления во время простоя как неограниченный фоновый поиск».

По словам исследователей, ProAct был протестирован в 200 симуляциях в 40 областях, включая финансовое планирование, управление выпусками программного обеспечения и кибербезопасность. Согласно документу, система сократила количество разговоров на 14,8% и количество последующих запросов на 11,7%. При сравнении с использованием эталонного теста ProActEval ProAct предвидел 703 предсказуемых потребности пользователя против 32 для более ранней системы. Исследователи также сообщили о снижении количества галлюцинаций на 28,1%.

Исследование происходит по мере того, как автономные агенты искусственного интеллекта распространяются по всей технологической отрасли. Такие проекты, как OpenClaw и Hermes Agent, предоставляют постоянные помощники искусственного интеллекта, которые могут выполнять более длительные и независимые задачи, такие как кодирование, планирование, исследования и автоматизация рабочих процессов, с меньшим непосредственным участием человека.

Исследование также появилось после того, как отдельные исследователи ранее в этом месяце предупредили, что агенты ИИ могут выполнять опасные задачи, не понимая последствий.

«Как и г-н Магу, эти агенты идут вперед к цели, не до конца понимая последствия своих действий», — заявил в своем заявлении ведущий автор Эрфан Шайегани, докторант Калифорнийского университета в Риверсайде. «Эти агенты могут быть чрезвычайно полезны, но нам нужны гарантии, потому что иногда они могут отдавать предпочтение достижению цели, а не пониманию более широкой картины».

Исследователи признали, что исследование ProAct имело несколько ограничений, в том числе то, что в 3% случаев система ухудшала ответы, предоставляя нерелевантную информацию. В документе также говорится, что любая реальная версия потребует защиты конфиденциальности, поскольку система постоянно анализирует разговоры и хранит пользовательские данные.

«Наш анализ бюджета также показывает, что большие бюджеты на сборы в режиме простоя повышают стоимость активных токенов и приносят уменьшающуюся прибыль», — написали они, — «поэтому проактивные вычисления — это компромисс в операционной точке, а не то, что можно максимизировать».