بلاوري تعالج موثوقية وكلاء الذكاء الاصطناعي عبر التدريب القائم على المحاكاة

كلاء الذكاء الاصطناعي أصبح موضوعاً ساخناً، إلا أن قدراتهم العملية لا تزال محدودة. تُظهر الاختبارات الحديثة أن نماذج مثل كلوود فابل 5.2 وتشات جت بي 6 أسترا تحقق 82.9% و75.6% على التوالي في المهام المعقدة، بينما حتى كلوود أوبس 4.8 يواجه صعوبات في التعامل مع الحالات الحدية في بيئات العمل المحاكاة. هذا الفجوة بين الوعود في الاختبارات والأداء العملي هي ما تدخل فيه بلاوري.

تأسست الشركة على يد إيلان كادار وإلاد ليفي—الذين عملا سابقاً في نكسار (Nexar) وواي مو (Waymo). وقد حصلت على 13 مليون دولار في جولة تمويل أولي بقيادة تيم8. جوهر الابتكار يكمن في بناء طبقة محاكاة تُشبه ما مكن السيارات ذات القيادة الذاتية من الوصول إلى الطرق. من خلال إنشاء توأم رقمي لأنظمة الشركة الإلكترونية، بما في ذلك قواعد المعرفة والأدوات، تقوم بلاوري بخرط جميع مسارات عمل وكلاء الذكاء الاصطناعي وتحضير النماذج مع إصلاحات مستهدفة للحالات الحدية.

على عكس التدريب التقليدي الذي يعتمد على بيانات العالم الحقيقي، تعتمد طريقة بلاوري على بيانات اصطناعية مُولّدة من البنية التحتية الرقمية للشركة. يتيح ذلك للنماذج ممارسة سيناريوهات نادرة، والتعامل مع التعليمات الغامضة، وتجنب الفشل المكلف في الإنتاج. يتكامل المنصة مع أدوات وكلاء الذكاء الاصطناعي الحالية مثل كلوود كود، كودكس، كوبيلوت، وكورس، مع تمكين تدريب نماذج صغيرة مفتوحة الأوزان مخصصة لاحتياجات العملاء المحددة.

في تعاون مع نيفيا ونوبيوس، أظهرت بلاوري أن نماذجها يمكن أن تتفوق على نماذج الحدود المتوسطة بتكلفة أقل. تتمثل العملية في تفكيك نموذج لغة كبيرة إلى مهام أصغر، وتدريب نموذج مفتوح الأوزان عبر المحاكاة، والتحقق من الجودة عبر تقييم اصطناعي. يعد هذا النهج وعداً بتقليل التكاليف بعدد مرتين على الأقل مع الحفاظ على أداء تنافسي.

أشار باحث في جوجل ديميندز ريه مييرا، المستثمر الجنبي في بلاوري، إلى أن ميزة الشركة تكمن في فهم حالات الفشل في الإنتاج وتوليد بيانات اصطناعية لتدريب النماذج. بالنسبة للشركات التي تحاول تحسين نفقات الذكاء الاصطناعي، يمكن أن يقدم نهج بلاوري ميزة حقيقية، إذ أن نماذج الحدود غالباً ما تكون غير فعالة على البيانات الخاصة بها، وتصبح التكلفة غير مستدامة على المدى الطويل.