جستجوی گوگل برای عوامل هوش مصنوعی؟ Fetch ASI:One و سطح کسب و کار را برای عصر جدید شبکه غیرانسانی راه اندازی کرد

Fetch AI، استارت آپی که توسط بنیانگذار سابق DeepMind، همایون شیخ، تأسیس و رهبری می شود، امروز از راه اندازی سه محصول به هم پیوسته که برای تأمین اعتماد، هماهنگی و قابلیت همکاری مورد نیاز برای اکوسیستم های عامل هوش مصنوعی در مقیاس بزرگ طراحی شده اند، خبر داد.

راه اندازی شامل ASI:One، یک پلت فرم ارکستراسیون هوش مصنوعی شخصی است. Fetch Business، یک پورتال بررسی و کشف برای نمایندگان برند. و Agentverse، یک فهرست باز که میزبان بیش از دو میلیون نماینده است.

این سیستم با هم Fetch را به عنوان یک ارائه‌دهنده زیرساخت برای آنچه «وب عامل» می‌نامد قرار می‌دهد – لایه‌ای که هوش مصنوعی مصرف‌کننده و هوش مصنوعی برند برای انجام وظایف، به جای ارائه ساده آن‌ها، با یکدیگر همکاری می‌کنند.

این شرکت می‌گوید این ابزارها یک محدودیت مرکزی در هوش مصنوعی مصرف‌کننده فعلی را برطرف می‌کنند: مدل‌ها می‌توانند توصیه‌هایی ارائه کنند اما نمی‌توانند به طور قابل اعتماد اقدامات چند مرحله‌ای را که نیاز به هماهنگی بین کسب‌وکارها دارند، اجرا کنند. رویکرد Fetch بر روی فعال کردن عوامل از سازمان‌های مختلف برای تعامل امن با استفاده از هویت‌های تایید شده و زمینه مشترک برای تکمیل گردش‌های کاری سرتاسر تمرکز دارد.

همایون شیخ، بنیانگذار و مدیر عامل Fetch AI و سرمایه گذار اولیه در DeepMind، در بیانیه مطبوعاتی ارائه شده به VentureBeat گفت: “ما همان پایه ای را برای نمایندگانی ایجاد می کنیم که گوگل برای وب سایت ها ساخته است.” به جای اینکه فقط اطلاعات پیدا کنید، هوش مصنوعی شخصی شما برای انجام کارها با نمایندگان برند تأیید شده هماهنگ می شود.

زمینه: تأسیس Fetch و ارتباط DeepMind

Fetch AI در سال ۲۰۱۷ توسط همایون شیخ، کارآفرینی که سرمایه گذاری اولیه در DeepMind به حمایت از توسعه تجاری شرکت قبل از خرید آن توسط گوگل کمک کرد، تاسیس شد. شیخ با انعکاس دوره ای که تحقیقات یادگیری ماشینی پیشرفته در خارج از شرکت های بزرگ فناوری هنوز غیرقابل دسترس بود، گفت: “من یکی از پنج نفر اول DeepMind و اولین سرمایه گذار آن بودم. چک من اولین بود.”

تجربه اولیه او به شکل گیری مسیر Fetch کمک کرد. شیخ خاطرنشان کرد: «حتی در سال ۲۰۱۳، برای من روشن بود که سیستم‌های عامل همان‌هایی هستند که کار می‌کنند. اینجاست که روی شبکه عامل تمرکز کردم». Fetch بر اساس این پایان نامه با توسعه زیرساختی برای عوامل نرم افزاری مستقل، تمرکز بر هویت قابل تأیید، تبادل امن داده ها و هماهنگی چند عاملی است.

طی چند سال گذشته، این شرکت به تیمی متشکل از ۷۰ نفر در کمبریج و منلو پارک گسترش یافته است، تقریباً ۶۰ میلیون دلار جمع آوری کرده است و بیش از یک میلیون کاربر در تعامل با مدل خود جمع آوری کرده است – داده هایی که از طراحی محصولات تازه راه اندازی شده خبر می دهد.

شیخ اضافه کرد که تصمیم او برای راه‌اندازی شرکت در ابتدا مستقیماً از عواید خروج DeepMind حاصل شد و در این مصاحبه خاطرنشان کرد که در حالی که فروش به Google یک “خروج خوب” بود، او معتقد است که تیم می‌توانست ارزش بالاتری را حفظ کند.

دوره اولیه خود تأمین مالی به Fetch اجازه داد تا در سال ۲۰۱۵ کار خود را آغاز کند – مدت ها قبل از اینکه معماری ترانسفورماتور به جریان اصلی تبدیل شود – با این فرضیه که زیرساخت عامل مبنایی برای هوش مصنوعی کاربردی خواهد بود.

ASI:One – یک پلت فرم ارکستراسیون چند عاملی

در قلب استارتاپ قرار دارد ASI: یکیک رابط مدل زبان که به طور خاص برای هماهنگی چندین عامل به جای رسیدگی به درخواست های مجزا طراحی شده است. Fetch آن را به عنوان یک “لایه هوشمند” توصیف می کند که به اشتراک گذاری زمینه، مسیریابی وظایف و مدل سازی اولویت ها را مدیریت می کند.

این سیستم هشدارهای سطح کاربر مانند خطوط هوایی ترجیحی، محدودیت های غذایی، محدوده بودجه، شناسه برنامه های وفاداری و در دسترس بودن تقویم را ذخیره می کند. هنگامی که کاربر یک کار پیچیده را درخواست می کند – مانند برنامه ریزی سفر با رزرو پرواز، هتل و رستوران – ASI: One این تنظیمات را استخراج می کند و کار را به نمایندگان بررسی شده مربوطه محول می کند. سپس نمایندگان به‌جای توصیه‌های عمومی، نتایج قابل اجرا از جمله موجودی و گزینه‌های رزرو را برمی‌گردانند.

در واقع، ASI:One به عنوان یک تولید کننده گردش کار در سراسر مرزهای سازمانی عمل می کند. برخلاف برنامه‌های معمولی LLM که اغلب برای استخراج اطلاعات به تکنیک‌های API یا RAG تکیه می‌کنند، ASI:One برای هماهنگ کردن عوامل مستقلی طراحی شده است که می‌توانند تراکنش‌ها را اجرا کنند. Fetch خاطرنشان می‌کند که شخصی‌سازی در طول زمان بهبود می‌یابد، زیرا مدل داده‌های ساختاری در مورد اولویت‌ها را جمع‌آوری می‌کند.

شیخ بر تفاوت بین عملکرد هماهنگ و خروجی هوش مصنوعی سنتی تأکید کرد. او گفت: «این به طور جداگانه به گزینه‌ها نگاه نمی‌کند و امیدواریم که با هم کار کنند. “این ارکستراسیون است.”

او افزود که معماری Fetch عمداً ماژولار است: “معماری ما ترکیبی از مدل های عامل و متخصص است. یک مدل بزرگ کافی نیست – شما به متخصصان نیاز دارید. به همین دلیل ما ASI1 را به طور خاص برای سیستم های عامل تنظیم کردیم.”

این مصاحبه همچنین جزئیات جدیدی را در مورد سیستم‌های شخصی‌سازی ASI:One نشان داد: این پلتفرم از نمودارهای دانش متعدد متعلق به کاربر برای ذخیره اولویت‌ها، تاریخچه سفر، ارتباطات اجتماعی و محدودیت‌های متنی استفاده می‌کند.

این نمودارهای دانش به ازای هر کاربر جمع‌آوری می‌شوند و با داده‌های مدیریت شده توسط Fetch ترکیب نمی‌شوند. شیخ این را به عنوان یک ستون فقرات قطعی توصیف می کند که به هوش مصنوعی شخصی لایه ای قوی از حافظه فراتر از خروجی احتمالی یک مدل بزرگ می دهد.

ASI:One امروز به صورت بتا راه‌اندازی شد و انتشار گسترده‌تری برای اوایل سال ۲۰۲۶ برنامه‌ریزی شده است. Fetch همچنین ASI:One Mobile را ارائه می‌کند که در اوایل سال جاری منتشر شد و به کاربران امکان دسترسی به همان قابلیت‌های هماهنگ‌سازی عامل در iOS و Android را می‌دهد. برنامه تلفن همراه مستقیماً به Agentverse و نمودارهای دانش کاربر متصل می شود و امکان اجرای کار در حال حرکت و تعامل بی درنگ با عوامل ثبت شده را فراهم می کند.

استخراج کسب و کار – هویت تایید شده و کنترل برند

برای ایجاد هماهنگی قابل اعتماد بین کاربران و شرکت ها، Fetch در حال معرفی یک پورتال تأیید و کشف به نام Fetch Business است.

این پلتفرم به سازمان‌ها اجازه می‌دهد هویت خود را تأیید کنند و ادعای یک نماینده رسمی برند – برای مثال @Hilton یا @Nike- را بدون در نظر گرفتن اینکه از چه ابزاری برای ساخت عامل اصلی استفاده می‌کنند، درخواست کنند.

Fetch محصول را به عنوان آنالوگ سیستم های ثبت دامنه ICANN و گواهینامه های SSL برای وب سایت ها قرار می دهد. وضعیت تأیید شده برای محافظت از کاربران از تعامل با عوامل جعلی یا غیرقابل اعتماد در نظر گرفته شده است، مشکلی که شرکت آن را به عنوان یک مانع بزرگ برای پذیرش گسترده نماینده توصیف می کند.

این سیستم شامل ابزارهای کم‌کد برای کسب‌وکارهای کوچک است تا در چند مرحله عوامل ایجاد کنند و به APIهای بلادرنگ مانند موجودی، سیستم‌های رزرو یا پلتفرم‌های CRM متصل شوند.

شیخ گفت: “با Fetch، می‌توانید در یک دقیقه یک نماینده ایجاد کنید. یک دسته مانند یک نام کاربری توییتر دریافت می‌کند، و می‌توانید آن را کاملاً سفارشی کنید – حتی به آن اجازه می‌دهید تا از طرف شما پست بگذارد.” هنگامی که یک نام تجاری فضای نام خود را ادعا می کند، عامل آن برای هوش مصنوعی کاربر و سایر عوامل در Agentverse قابل کشف می شود.

این شرکت هزاران نام تجاری را برای پیش بینی تقاضا از قبل رزرو کرده است. وضعیت تأیید در هر پلتفرمی که با Agentverse ادغام می شود، ادامه می یابد و یک لایه هویت قابل حمل برای نمایندگان تجاری ایجاد می کند.

در این مصاحبه تاکید شد که Fetch Business به طور مستقیم اصول اولیه اعتماد وب را به ارث می برد: صاحبان دامنه هویت خود را با درج یک کد کوتاه در باطن موجود وب سایت خود تأیید می کنند، که به سیستم اجازه می دهد تا یک چالش رمزنگاری را پشت سر بگذارد و یک نشان اصالت مشابه با “چک آبی” یک نماینده برای شناسایی هویت ارائه دهد. شیخ این را به عنوان “استفاده مجدد از لایه اعتمادی که شبکه از قبل برای چندین دهه ایجاد کرده است.”

شرکت‌ها می‌توانند از هم‌اکنون درخواست نمایندگی را شروع کنند business.fetch.ai.

Agentverse – یک فهرست باز با بیش از دو میلیون عامل

مؤلفه نهایی نسخه Agentverse است، یک فهرست باز و پلتفرم ابری که میزبان عوامل است و قابلیت کشف را در بین اکوسیستم ها امکان پذیر می کند. Fetch می‌گوید میلیون‌ها نماینده قبلاً ثبت‌نام کرده‌اند، که شامل سفر، خرده‌فروشی، سرگرمی، خدمات غذایی و سازمانی می‌شود.

Agentverse ابرداده، توضیحات قابلیت و منطق مسیریابی را ارائه می دهد که ASI:One برای شناسایی عوامل مناسب برای وظایف خاص استفاده می کند. همچنین از ارتباطات امن و تبادل داده بین نمایندگان پشتیبانی می کند. این شرکت خاطرنشان می‌کند که دایرکتوری پلتفرم-آگنوستیک است: عواملی که با هر چارچوبی ساخته شده‌اند می‌توانند بپیوندند و با هم تعامل داشته باشند.

به گفته شیخ، فقدان یک لایه تشخیص یکی از دلایلی است که اکثر عوامل هوش مصنوعی استفاده کم یا بی استفاده می بینند. او گفت: «۹۰ درصد از عوامل هوش مصنوعی هرگز استفاده نمی‌شوند، زیرا هیچ لایه تشخیصی وجود ندارد.

او نقش Agentverse را با عبارات فنی تر بیان کرد: “در حال حاضر، اگر یک عامل ایجاد کنید، هیچ راهی جهانی برای یافتن آن توسط دیگران وجود ندارد. این چیزی است که AgentVerse آن را حل می کند – مانند DNS برای نمایندگان.” او همچنین سیستم را به عنوان یکی از اجزای کلیدی اقتصاد عامل در حال ظهور توصیف می کند: “Fetch در حال ساختن گوگل از نمایندگان است. همانطور که وب سایت ها به جستجو نیاز دارند، نمایندگان نیز به کشف، اعتماد و تعامل نیاز دارند – Fetch همه اینها را فراهم می کند.”

در این مصاحبه همچنین تاکید شد که Agentverse از نظر طراحی، ابر ناشناس است. شیخ این را با اکوسیستم‌های عامل رقیب مرتبط با ارائه‌دهندگان ابری خاص مقایسه می‌کند و استدلال می‌کند که یک رجیستری جهانی تنها زمانی قابل دوام است که مستقل از محیط‌های ابری اختصاصی باشد. او گفت که معماری باز به LLM اجازه می دهد تا از هر عاملی “در عرض یک دقیقه پس از استقرار” پرس و جو کند و انتشار یک عامل را به فرآیندی تقریباً فوری شبیه به ثبت دامنه تبدیل می کند.

Agentverse همچنین مسیرهای پرداخت را ادغام می کند و به نمایندگان اجازه می دهد تا با استفاده از شرکای مانند Visa، Skyfire و استیبل کوین های پشتیبانی شده خرید کنند. کاربران می توانند محدودیت های هزینه را پیکربندی کنند یا برای تراکنش ها به تأیید صریح نیاز داشته باشند.

زمینه صنعتی و مفاهیم

راه‌اندازی Fetch در زمانی انجام می‌شود که پلتفرم‌های هوش مصنوعی مصرف‌کننده در حال بررسی تغییر از رابط‌های چت استاتیک به عوامل مستقلی هستند که قادر به انجام اقدامات هستند. با این حال، اکثر سیستم‌های عامل توسط معماری‌های جداگانه، قابلیت همکاری محدود و استانداردهای تأیید ضعیف محدود می‌شوند.

Fetch با ارائه یک لایه هماهنگی بین پلتفرمی، یک سیستم هویت و یک سرویس مرجع، زیرساخت خود را به عنوان پاسخی به این محدودیت ها قرار می دهد. این شرکت استدلال می‌کند که یک اکوسیستم عامل به مکانیسم‌های تأیید منسجم نیاز دارد تا اطمینان حاصل شود که کاربران با نمایندگان برند معتبر و نه تقلید تعامل دارند. با ایجاد کنترل فضای نام و نشانگرهای اعتماد قابل حمل، Fetch Business قصد دارد شکافی مشابه تأیید اولیه دامنه وب را پر کند.

در همان زمان، ASI:One تلاش می کند تا داده های ترجیحی کاربر را به گونه ای متمرکز کند که امکان شخصی سازی کارآمدتر و هماهنگی چند عاملی را فراهم کند. این رویکرد با برنامه های رایج LLM که اغلب فاقد معماری های ترجیحی مداوم یا دسترسی مستقیم به عوامل کنترل شده توسط برند هستند، متفاوت است.

این مصاحبه همچنین به وضوح نشان داد که پرداخت های خرد و زیرساخت تراکنش های دیجیتال در چشم انداز بلندمدت Fetch نقش اساسی دارند. شیخ به ادغام با پروتکل‌هایی مانند Coinbase’s 402 و AP2 اشاره کرد که این قابلیت‌ها را برای عوامل مستقل برای انجام وظایف انتها به انتها که شامل اجرای مالی می‌شود، ضروری می‌داند.

غذای آماده

انتشار ترکیبی Fetch ASI:One، Fetch Business و Agentverse یک پشته به هم پیوسته را معرفی می کند که برای پشتیبانی از استقرار و استفاده در مقیاس بزرگ از عوامل هوش مصنوعی طراحی شده است. این شرکت در حال شکل دادن به سیستم به عنوان زیرساخت اصلی برای یک اکوسیستم عامل است که در آن هوش مصنوعی کاربر می تواند با نمایندگان برند تأیید شده برای انجام وظایف به طور قابل اعتماد و ایمن هماهنگ شود. اضافات به لایه‌های هویت، کشف و ارکستراسیون آن منعکس‌کننده تز طولانی‌مدت Fetch است – که بخشی از درس‌هایی از توسعه اولیه DeepMind ریشه دارد – که هوش تنها زمانی معنادار می‌شود که با ظرفیت عمل همراه شود.

لینک منبع