Silicon Valley setzt auf ‚Umgebungen‘ zur Schulung von KI-Agenten

In den letzten Jahren haben die CEOs der großen Tech-Unternehmen Visionen von KI-Agenten propagiert, die autonom Softwareanwendungen nutzen, um Aufgaben für Menschen zu erledigen. Doch wenn man heutige Verbraucher-KI-Agenten ausprobiert, sei es OpenAIs ChatGPT-Agent oder Perplexitys Comet, wird schnell klar, wie begrenzt die Technologie noch ist. Um KI-Agenten robuster zu machen, könnten neue Techniken erforderlich sein, die die Branche noch entdeckt.

Eine dieser Techniken ist die sorgfältige Simulation von Arbeitsbereichen, in denen Agenten an mehrstufigen Aufgaben geschult werden können – bekannt als Reinforcement Learning (RL) Umgebungen. Ähnlich wie beschriftete Datensätze die letzte Welle der KI antrieben, sehen RL-Umgebungen zunehmend wie ein kritisches Element in der Entwicklung von Agenten aus.

Künstliche Intelligenz-Forscher, Gründer und Investoren berichten, dass führende KI-Labore nun mehr RL-Umgebungen fordern, und es mangelt nicht an Startups, die hoffen, sie bereitzustellen.

Die Nachfrage nach RL-Umgebungen hat eine neue Klasse gut finanzierter Startups hervorgebracht, wie Mechanize und Prime Intellect, die darauf abzielen, in diesem Bereich führend zu werden. Gleichzeitig geben große Datenkennzeichnungsunternehmen wie Mercor und Surge an, dass sie mehr in RL-Umgebungen investieren, um mit den Veränderungen der Branche Schritt zu halten.

Die Hoffnung von Investoren und Gründern ist, dass eines dieser Startups als das „Scale AI für Umgebungen“ hervorgeht, was sich auf das $29 Milliarden umfassende Datenkennzeichnungsunternehmen bezieht, das die Chatbot-Ära angetrieben hat.

Die Frage ist, ob RL-Umgebungen tatsächlich die Grenzen des KI-Fortschritts verschieben werden.