Arga 正在构建一种更好的方法来培训企业人工智能代理

事实证明，让人工智能代理发挥作用比许多公司预期的要困难得多。对他们来说幸运的是，即将到来的帮助：一批新的初创公司正在寻找更好的方法来在部署代理之前对其进行测试和培训，特别是针对现代企业的复杂性。 Arga 就是这样一家公司。这家初创公司周三表示，已在一轮种子融资中筹集了 1000 万美元，该轮融资由 General Catalyst 领投，Box Group、Emergence、Gradient 和 SV Angel 参与其中。 Arga 为 Salesforce、Workday 和电子邮件客户端等企业软件构建培训环境。大多数测试环境都提供无状态 API 端点，而 Arga 构建了程序的全面数字孪生，有效克隆了整个软件，且权限系统和 Web 挂钩完好无损。其结果是提供了一种更稳健的方法来跨多个系统培训代理。这家初创公司的首席执行官兼联合创始人 Philip Li 举例说明了他的产品：一位潜在客户在 Salesforce 中创建潜在客户，而一位同事则通过 Hubspot 单独联系。 “代理人能否正确识别出这两家公司是同一家公司？”李说：“他们是否能够检查自己是否只发送过一次电子邮件？他们是否能够在两次机会中确定将电子邮件发送给谁？”代理系统仍然在与这种模糊性作斗争，Li 认为 Arga 的工具对于帮助他们改进至关重要。通常，可以通过强化学习（RL）来训练人工智能代理来完成这样的任务：运行场景数万次，只让成功的策略通过。但企业软件的本质使得这种规模的测试几乎不可能。当您需要再次运行相同的场景时，没有简单的方法可以“重置”像 Salesforce 或 Outlook 这样的系统，更不用说克隆它了。 Arga 的解决方案是通过复制软件的结构，以数字方式重新创建该软件，就像碰撞测试假人代表一个人一样。由于 Arga 可以完全控制环境，因此生成的游戏很容易重置或修改。该公司还可以同时运行多个环境，以培训代理处理不同程序之间的复杂交互。这个想法是复制一个人的完整工作环境，特定任务在不同的程序和知识系统之间重叠。您可以将其视为缩小编码和其他应用程序之间的强化差距的一种方法。人工智能编码工具发展如此之快的部分原因是我们已经拥有用于部署、逆向和分析新代码的复杂工具。这些工具使设置 RL 编码环境变得更加容易，这使我们能够在日益复杂的编码任务上测试和训练 AI 系统。对于大多数商业软件来说，这些工具尚不存在。但一旦他们这样做了，人工智能系统可能会更好地使用这些程序，并像彻底改变编码一样彻底改变其他行业。 General Catalysts 董事总经理尤里·萨加洛夫 (Yuri Sagalov) 还负责该公司的种子投资项目，他表示，他认为对 Arga 等代理测试工具的需求不断增长。 “我认为代理的大部分经济价值来自于使用业务应用程序，”萨加洛夫告诉 TechCrunch。 “拥有一个可重复的沙箱环境非常重要，对于代理来说比对于人类来说更重要。”