Ajanların maliyeti modelden çok akışta birikebilir.
Birden fazla model ve araç birbirine bağlandığında asıl optimizasyon sorunu tek tek modellerden sistemin tamamına kayıyor.
Ajan sayısı arttıkça görünmeyen bir işlem vergisi oluşuyor.
MIT ve Microsoft’un Murakkab sistemi, çok adımlı ajan iş akışlarının hangi modelde, hangi sırayla ve nerede çalıştırılacağını optimize ederek gecikme, enerji ve hesaplama maliyetini azaltmaya çalışıyor.Kaynak: MIT
Şirketler onlarca ajan kurduğunda yeni FinOps konusu model faturası değil, ajan akışlarının mimarisi olabilir.
Küçük robotun zekâsı bulutta değil, üzerinde taşınmak zorunda.
MIT’nin yeni çipi, küçük ve batarya sınırlı robotların çevrelerinin 3B haritasını gerçek zamanlı üretmesini yaklaşık tek bir LED kadar güç tüketimiyle mümkün kılmayı hedefliyor.Kaynak: MIT
Fiziksel yapay zekâ büyüdükçe en değerli donanım, en güçlü işlemci değil watt başına en fazla çevre anlayışı üreten işlemci olabilir.
İnsanlar robota teknik şartname gibi konuşmayacak.
MIT’nin Masked IRL yaklaşımı, bir dil modelini belirsiz insan talimatını açıklığa kavuşturmak, diğerini ise hareket planında gereksiz ayrıntıları elemek için kullanıyor. Hedef, “şunu oraya koy” gibi eksik tariflerle de güvenli davranabilen robotlar.Kaynak: MIT CSAIL
Robotların yayılması için insanın makine dilini öğrenmesi değil, makinenin insanın eksik ve dağınık diline dayanabilmesi gerekiyor.