Yapay zekâ ajanları iş akışına girerken denetim katmanı büyüyor
AWS ajan politikalarını çalışma boyunca izleyen bir dil açtı, DynamoDB vektör aramayı içine aldı; WeChat ve işyerlerindeki kullanım, ajanların altyapıya hızla yerleştiğini gösteriyor.
Yapay Zekâ··Akşam
Dogwood, eylemcinin tüm çalışmasını izliyor
AWS, InfoQ’nun haberine göre Dogwood adlı kural dilinin kaynağını Apache 2.0 lisansı altında açtı. Dogwood, AWS’nin Cedar yetkilendirme diline zamansal koşullar ekliyor: bir kural artık yalnızca tek bir isteğe bakmak yerine, eylemcinin geçmiş olaylarından okunan bir araç çağrısı dizisini de sınırlayabiliyor. Dil dört işleç getiriyor: formerly, count_within, count_distinct_within ve sum_within. AWS bunları bir zamansal mantık altkümesi üzerine kurulu standart kitaplık makroları olarak tanımlıyor. Geçerli her Cedar kuralı aynı zamanda geçerli bir Dogwood kuralı; mevcut kuralların yeniden yazılması gerekmiyor. AWS, referans yorumlayıcının dili keşfetmek ve sınamak için olduğunu, üretimde yetkilendirme çalıştırmak için tasarlanmadığını belirtiyor. Zamansal koşul kullanan kurallar Cedar’ın otomatik biçimsel çözümlemesini de yitiriyor. Eylemciler iş akışında bir dizi araç çağrısı yaptıkça, denetim katmanı tek isteği onaylamanın ötesine geçmek zorunda kalıyor. Dogwood tam da bu boşluğu doldurmak için tasarlanmış bir dil olarak sunuluyor: politikanın bakış açısı, çalışma süresince biriken olay geçmişine kadar genişliyor.[1]
DynamoDB vektör aramayı içine aldı
Amazon DynamoDB, InfoQ’nun haberine göre gömme vektörlerini uygulama verisinin yanında tutuyor ve yaklaşık en yakın komşu sorgularını doğrudan yanıtlıyor. Özellik, DynamoDB’nin çalıştığı tüm bölgelerde genel kullanıma açık; dizinler 4.096 boyuta kadar destekleniyor. Uzaklık ölçüsü olarak Öklid, kosinüs ve nokta çarpımı seçilebiliyor, sorguya satır içi süzme eklenebiliyor. AWS, trilyonlarca vektör ölçeğinde tek haneli milisaniye gecikme bildiriyor. Ücretlendirme standart DynamoDB kalemlerinin üzerine üç ayrı başlıktan yapılıyor: dizine yazılan veri, arama sırasında işlenen veri ve saklanan veri. AWS’den Esra Kayabali, vektör dizinlerinin depolama sınırı taşımadığını ve veri büyüdükçe yatay olarak ölçeklendiğini söylüyor. Ayrı bir vektör veri tabanı kurmak, eylemci ve erişim zenginleştirme iş yüklerinde ek bir hareket parçası demekti. DynamoDB’nin vektör aramayı aynı hizmete alması, bu parçayı uygulama verisinin yanına çekiyor. Eylemcilerin bellek ve arama ihtiyacı büyüdükçe, denetim dilinin yanında depolama katmanı da aynı altyapıya yapışıyor.[2]
WeChat ve işyerinde eylemci kullanımı büyüyor
Tencent, Xiaowei adını ilk kez 14 Ağustos’ta açıkladığı çeyrek sonuçlarında andı. Yardımcıya şimdilik sınırlı deneme erişimiyle, WeChat ana ekranının üstündeki iki yeşil noktadan ulaşılıyor. South China Morning Post muhabiri Ben Jiang, 24 saat boyunca denetimi Xiaowei’ye bıraktı. Xiaowei bir eylemci olarak tasarlanmış: öneri vermekle kalmıyor, WeChat’in mesajlaşma, ödeme ve mini uygulama katmanları üzerinden rezervasyon yapıyor ve sipariş veriyor. Tencent kullanıcı gizliliğini ve çıkarım verimliliğini öne çıkarıyor. Erişim sınırlı denemede kalıyor; şirket, yaygın kullanıma açılma tarihi vermedi. Aynı gün The Decoder’ın aktardığı Epoch AI ve Ipsos anketi, ABD’de çalışan yetişkinlerin yüzde 20’sinin daha önce iş arkadaşına ya da yükleniciye giden en az bir işi yapay zekâya devrettiğini gösteriyor. Anket 10-19 Temmuz’da 1.106 çalışan yetişkinle yapıldı. Devir en çok yazılım geliştirmede görülüyor: yüzde 57. Veri çözümlemesi yüzde 46 ile onu izliyor. Katılımcılar yapay zekâ çıktısının yüzde 66’sını olduğu gibi ya da küçük düzeltmelerle kullandıklarını söylüyor; buna karşılık yapay zekâ destekli işlerin yaklaşık altıda biri eskisinden uzun sürüyor. Araştırmacılar sonucu insanla yapay zekâ arasında işlerin yeniden dağılması olarak yorumluyor ve tümüyle otomatikleşmeden söz etmiyor. Altyapı tarafında Dogwood ve DynamoDB denetim ile aramayı büyütürken, WeChat denemesi ve işyeri anketi eylemcilerin gündelik akışa girdiğini gösteriyor.[3], [4]
