Inflection AI punta a migliorare l’uniformità dell’apprendimento per rinforzo con feedback umano (RLHF) con nuovi modelli per l’intelligenza artificiale aziendale e agentica.
In un recente scambio su X (ex Twitter), il professore della Wharton Ethan Mollick e Andrej Karpathy, ex direttore dell’IA di Tesla e co-fondatore di OpenAI, hanno discusso un aspetto intrigante: molti dei principali modelli di IA generativa odierni, tra cui quelli di OpenAI, Anthropic e Google, sembrano convergere non solo nella competenza tecnica, ma anche nella personalità. Questo fenomeno potrebbe essere legato proprio all’uso dell’RLHF, una tecnica in cui i modelli vengono perfezionati sulla base delle valutazioni fornite da formatori umani, con l’obiettivo di renderli più utili e coerenti.
Inflection AI sta cercando di differenziarsi in questo scenario con il lancio di Inflection 3.0 e di una nuova API commerciale. La società mira a migliorare l’approccio all’RLHF per rendere i propri modelli non solo coerenti, ma anche più empatici e distinti. Inflection, attraverso i suoi modelli Pi, utilizza un approccio più raffinato, sfruttando il feedback di oltre 26.000 insegnanti e professori universitari, oltre a consentire ai clienti aziendali di personalizzare ulteriormente i modelli sulla base del feedback dei propri dipendenti. Questo rende i modelli IA più allineati alla cultura e alle esigenze specifiche delle aziende, rendendoli veri e propri alleati culturali.
Inflection AI punta a rendere l’intelligenza emotiva (EQ) una componente centrale dei suoi modelli per le aziende. Invece di affidarsi a un’etichettatura anonima dei dati, l’azienda ha creato una piattaforma di feedback proprietaria per adattare il comportamento dei modelli alle caratteristiche uniche di ogni cliente. Questo approccio consente alle aziende di possedere il proprio modello IA, ospitato in sicurezza sui loro sistemi, migliorando così la sicurezza e l’allineamento delle risposte del modello con le esigenze aziendali.
L’RLHF è stato cruciale per lo sviluppo di IA generativa, permettendo di rendere gli strumenti più affidabili e coinvolgenti per gli utenti. Tuttavia, l’uso diffuso di questa tecnica ha portato anche a una certa convergenza nei comportamenti dei modelli, riducendo la loro unicità. Per affrontare queste limitazioni, Inflection AI ha adottato una strategia più sfumata, puntando su capacità agentiche, definite come AQ (Quoziente di Azione), per consentire ai modelli di non solo empatizzare, ma anche agire in maniera proattiva per conto degli utenti, come l’invio di e-mail o l’assistenza in tempo reale.
Sebbene questo approccio sia innovativo, ci sono alcune sfide da considerare, come la limitata finestra di contesto dei token utilizzata dai modelli di Inflection rispetto a quelli di fascia alta. Tuttavia, il passaggio da EQ ad AQ rappresenta un’evoluzione significativa per le aziende che desiderano sfruttare l’IA per attività cognitive e operative, andando oltre l’interazione empatica e trasformandola in azione concreta.
L’attenzione di Inflection AI su funzionalità come la Generazione Recupero-Augmentata (RAG) e i flussi di lavoro agentici mira a offrire soluzioni che vanno oltre l’assistenza generica, integrandosi direttamente con i sistemi aziendali e assistendo attivamente con compiti specifici. Questo approccio innovativo potrebbe segnare una nuova era per l’IA aziendale, in cui l’intelligenza emotiva e l’automazione operano insieme per migliorare l’efficienza e la qualità delle interazioni.