Silicon Valley investe massicciamente negli “ambienti” per formare agenti di intelligenza artificiale.
Negli ultimi anni, i CEO delle grandi aziende tecnologiche hanno presentato visioni di agenti AI in grado di utilizzare autonomamente applicazioni software per svolgere compiti per conto delle persone. Tuttavia, testando oggi gli agenti AI disponibili, come ChatGPT di OpenAI o Comet di Perplexity, ci si rende conto di quanto la tecnologia sia ancora limitata. Rendere gli agenti AI più robusti può richiedere nuove tecniche che l’industria sta ancora scoprendo.
Il Ruolo degli Ambienti di Reinforcement Learning
Una di queste tecniche consiste nel simulare con attenzione spazi di lavoro in cui gli agenti possono essere addestrati su compiti multi-step, noti come ambienti di reinforcement learning (RL). Così come i dataset etichettati hanno alimentato l’ultima ondata di IA, gli ambienti RL stanno emergendo come un elemento critico nello sviluppo degli agenti.
Esperti di intelligenza artificiale, fondatori e investitori fanno sapere a TechCrunch che i laboratori di intelligenza artificiale di spicco stanno attualmente richiedendo maggiori ambienti RL, e non mancano le startup pronte a soddisfare questa crescente domanda.
“Tutti i principali laboratori di IA stanno costruendo ambienti RL internamente,” ha dichiarato Jennifer Li, partner generale di Andreessen Horowitz, in un’intervista con TechCrunch. “Ma, come puoi immaginare, creare questi dataset è molto complesso, quindi i laboratori di IA stanno anche esplorando fornitori esterni che possono sviluppare ambienti e valutazioni di alta qualità. Tutti stanno guardando a questo settore.”
About The Author
