نظام AutoSynthData من ServiceNow يُؤتمت إنشاء بيانات التدريب لوكلاء الذكاء الاصطناعي المؤسسيين

كشفت ServiceNow CoreAI عن نظام AutoSynthData، وهو نظام يحول تلقائيًا فجوات قدرات وكلاء الذكاء الاصطناعي المؤسسيين إلى بيانات تدريب عالية الجودة. بدلاً من الاعتماد على التصنيف اليدوي أو مجموعات البيانات الثابتة، يراقب خط الأنابيب مواضع فشل النموذج المستهدف في بيئة حية، ثم يستخدم نموذج معلم أقوى لإنشاء مهام جديدة قابلة للتنفيذ تمارس نقاط الضعف هذه بالضبط.

منهج دراسي يتكيف مع النموذج

يتم تعريف كل مهمة تم إنشاؤها بمواصفات نظام، وموجه مستخدم، ومدقق. تُرمز المواصفات إلى سياسات البيئة، وقيود الأدوات، والحالة الأولية؛ ويعكس الموجه طلبات المستخدم الواقعية؛ ويوفر المدقق إشارة نجاح موضوعية. يجب أن تكون المهام قابلة للتنفيذ، وواقعية، وصعبة بما يكفي لتحدي الوكيل الحالي — مما يضمن أن كل مثال جديد يقدم إشارة تدريب ذات مغزى.

مع تحسن الوكيل، يحول AutoSynthData المنهج الدراسي نحو أنماط الفشل المتبقية، مما يخلق حلقة تغذية راجعة مستمرة. تم توضيح النهج على EnterpriseOps Gym، وهو معيار يحاكي سلاسل أدوات المؤسسات وقواعد البيانات وطبقات السياسات.

لماذا هذا مهم للبنية التحتية للذكاء الاصطناعي / وحدات معالجة الرسومات: يتطلب تدريب الوكلاء المؤسسيين على نطاق واسع مجموعات بيانات ضخمة ومتنوعة ومصادق عليها. يقلل AutoSynthData من عبء التصنيف البشري مع زيادة صلة البيانات، مما يترجم إلى استخدام أكثر كفاءة لوحدات معالجة الرسومات — دورات أقل هدرًا على بيانات منخفضة الإشارة وتقارب أسرع نحو نماذج جاهزة للإنتاج.