Plurai kasutab isesõitvate autode simulatsioonitehnikaid AI agentide töökindluse parandamiseks

Pilt: TechCrunch · Allikas

Plurai rakendab isesõitvate sõidukite arendusest inspireeritud simulatsioonimeetodeid AI agentide jõudluse parandamiseks, kasutades digitaalseid kahvleid ja sünteetilisi andmeid keeruliste ülesannete usaldusväärsemaks ja kuluefektiivsemaks täitmiseks.

AI agentidel on märkimisväärne tähelepanu nende potentsiaali tõttu keeruliste ülesannete automatiseerimisel, kuid olemasolevad mudelid võitlevad sageli töökindluse ja täpsusega, eriti reaalmaailma ettearvamatutes keskkondades. Viimased võrdluskatsetused, nagu LiveBench 2.0 ja sisemised ettevõtte simulatsioonid, näitavad, et isegi juhtivad AI agentid täidavad tavaliselt vaid umbes 75–83% ülesannetest täpselt, mis toob esile jätkuvad piirangud.

Plurai, idufirma, mida juhivad endised Nexari isesõitvate sõidukite eksperdid Ilan Kadar ja Elad Levi, püüab neid puudujääke lahendada, kasutades simulatsioonitehnikaid, mis meenutavad neid, mis võimaldasid isesõitvatel autodel saada teekõlblikuks. Inspireerituna nende varasemast tööst autonoomse sõidu lõppmoodulite süvatehnikate vallas märkasid asutajad sarnasusi AI agentides, kus demo näitamine on lihtne, kuid usaldusväärsete ja kulutõhusate lahenduste väljatöötamine on keeruline.

2026. aasta 11. novembril teatati Plurai 13 miljoni dollari suurusest idufondi rahastamisvoorust, mida toetasid Team8 ja teised investorid, et edendada lähenemist ettevõtte elektrooniliste süsteemide digitaalsete kaksikute loomisele – sealhulgas teadmistebaasid ja tööriistad. See digitaalse kaksiku raamistik tekitab põhjaliku skeemi kõigist võimalikest interaktsioonivooludest AI agentide jaoks, võimaldades süsteemil tuvastada ääriuuringud ning neile hinnanguid ja sihitud parandusi rakendada. Nende platvorm on loodud olemasolevaid agentide AI tehnoloogiaid – nagu Claude Code, Codex, GitHub Copilot ja Cursor – täiendama.

Oluliseks uuenduseks Plurai pakkumises on väiksemate ja kohandatud avakaaluliste mudelite järelõpetamine andmete põhjal, mis on kogutud nende simulatsioonide käigus. Koostöö Nvidia ja Nebiusega viitab, et need kohandatud mudelid võivad ületada keskmise taseme tööstusstandardi mudeleid, kulutades oluliselt vähem arvutusressursse – sageli ühe kuni kahe suurusjärgu võrra vähem.

Google DeepMindi teadlane ja ingelinvestor Reah Miyara rõhutab Plurai oskusi AI töökindluse rikete mõistmises tootmises ning sünteetilise andme genereerimises mudelite täpsustamiseks. See võimekus on eriti väärtuslik, kuna ettevõtted otsivad võimalusi optimeerida AI kasutamist kasvavate kulude juures, mis on seotud suurte üldotstarbeliste mudelitega, mis ei pruugi olla tihedalt seotud konkreetsete organisatsiooni andmete ja poliitikatega.

Kuigi laiem AI kogukond liigub üldintellekti suunas, rõhutab Plurai strateegia spetsialiseerunud, simulatsiooni abil juhitud AI agente, mis on kohandatud konkreetsete ärikeskkondade jaoks. See peegeldab trendi robootikas, kus domeenipõhised AI süsteemid saavutavad hetkel suurema järjepidevusega reaalmaailma tulemusi kui üldised AI.

Kadari sõnul, hoolimata suurte AI mudelite, nagu OpenAI ja Anthropic, pidevatest täiustustest, jääb individuaalsete ettevõtete teadmiste ja poliitikate omanikuõigus AI agentide tõhusa kasutuselevõtu jaoks kriitiliseks – nišš, mida Plurai sihib, integreerides domeenispetsiifilisi simulatsioone ja koolitust oma platvormile.

Plurai lähenemine võib tähendada olulist sammu usaldusväärsete ja kuluefektiivsete AI agentide lahenduste laiendamisel, mis paremini vastavad praktiliste ettevõtete vajadustele, rakendades autonoomsete sõidukite tehnoloogiast õpitud õppetunde.