Koniec z amnezją botów – Tencent udostępnia otwarty projekt Team Memory

Tencent udostępnił w wersji beta projekt Team Memory, który pozwala zespołom agentów sztucznej inteligencji na korzystanie ze wspólnego zasobu wiedzy i kontekstu. Rozwiązanie to eliminuje problem izolowanych danych, umożliwiając różnym modelom naukę na podstawie dotychczasowych interakcji całego zespołu i uniknięcie powtarzania tych samych wyjaśnień.

Wspólne centrum wiedzy zamiast izolacji

Tencent wychodzi naprzeciw trudnościom, z którymi boryka się aż 57 proc. przedsiębiorstw wdrażających sztuczną inteligencję – brakiem spójnego kontekstu prowadzącym do błędnych odpowiedzi maszyn. Team Memory działa jako centralny węzeł, z którego agenci pobierają niezbędne zasoby, takie jak historia interakcji, sprawdzone procedury, ustrukturyzowana dokumentacja czy indeksy kodu źródłowego. Zamiast przesyłać ogromne bloki tekstu w każdym zapytaniu, system przydziela konkretnym jednostkom tylko te moduły, które są im niezbędne do wykonania zadania. Producent określa to mianem wyposażenia agenta, gdzie na przykład bot zajmujący się programowaniem otrzymuje dostęp do wykresu powiązań w kodzie, podczas gdy asystent badawczy korzysta z analiz rynkowych.

Skokowa poprawa precyzji działania

Dotychczasowe testy rozwiązania opartego na tak zwanej warstwie profilu użytkownika wykazały wzrost dokładności działania systemów z 48 proc. do 76 proc. po dłuższym czasie użytkowania. Mechanizm ten zapamiętuje preferencje i fakty z wielu rozmów, tworząc trwały obraz stylu pracy człowieka, dzięki czemu sztuczna inteligencja nie musi być ponownie wprowadzana w temat przy każdym nowym zadaniu. Bezpieczeństwo danych jest nadzorowane przez cztery poziomy uprawnień: od całkowicie prywatnych, przez zastrzeżone dla konkretnych ról, aż po dostępne dla całego zespołu. Projekt szybko zyskał uznanie społeczności programistycznej, zajmując czołowe miejsce na liście trendów serwisu GitHub w kategorii TypeScript.

Ryzyko błędnych informacji w sieci

Mimo wyraźnych korzyści, praktycy wskazują na wyzwanie, jakim jest korygowanie nieprawdziwych danych we współdzielonej pamięci. W tradycyjnym modelu pomyłka bota dotykała tylko jednej sesji, natomiast w nowym systemie błędna informacja zapisana raz może błyskawicznie rozprzestrzenić się na wszystkich agentów w zespole. Austin Green zauważył w serwisie X, że współdzielona pamięć ulega degradacji szybciej, ponieważ nieświeża informacja dociera do modeli, które nie uczestniczyły w rozmowie będącej źródłem błędu. Obecnie dokumentacja nie opisuje jeszcze precyzyjnie procesu poprawiania lub wygasania faktów, co sprawia, że nadzór nad jakością wpisów staje się kluczowym elementem odpowiedzialnego korzystania z tej technologii.