Cognizant 推出神經 AI 多智能體加速器

AI 具有神經特性。我們知道，人工智能在實施過程中會表現出一定的神經質（或者說緊張），這是由於人們對決策偏見的擔憂，對其所使用的數據集和基礎模型來源的質疑，以及對其運行環境的顧慮，同時也關注後端是否有防護機制來確保 AI 按照人類的意圖運行。

但 AI 也具有"神經系統"的特性，因爲它現在可以被歸類爲神經驅動，其神經網絡具有足夠的計算邏輯能力來模仿人腦，特別是在圖像識別、自然語言處理和決策制定等領域。後者在工業企業應用和遊戲領域都很重要，因爲我們希望與遊戲中的角色互動時能夠儘可能地接近真人。

Cognizant 專家團隊

Cognizant 正在致力於提供 AI 領域的神經加速技術。作爲一家全球專業服務公司（如果不那麼客氣的話，你可能會說是一家業務流程外包公司），Cognizant 擁有約 35 萬名技術專家，他們在生命科學、通信、金融服務和汽車等行業開展數字化轉型項目。

該公司最近開發的神經 AI 多智能體加速器和多智能體服務套件旨在幫助組織加速 AI 智能體的開發。我們現在知道，AI 智能體是 AI 功能的專用迭代，它們能夠在沒有人類干預的情況下朝着既定目標越來越自主地工作，同時通過學習不斷提高完成任務的能力。

AI 智能體何時有用？

進一步說明，AI 智能體在需要自適應操作、實時決策和用戶個性化的工作任務中特別有用。

Cognizant 的 AI 首席技術官 Babak Hodjat 表示："AI 智能體通過任務自動化和減少人工工作量來改變企業運營，使員工能夠專注於戰略性活動。然而，如果沒有專業智能體之間的協作，軟件系統將與更大的業務目標脫節。神經 AI 多智能體加速器和多智能體服務套件允許客戶在其組織架構中構建和部署智能體，使它們能夠在整個企業中協同工作，從金融和 IT 到市場營銷和銷售等各個角色中協助人類。"

該公司表示，由於成本上升和對實時適應性的需求，傳統工作流程和"固定自動化"（即從機器人流程自動化到任何其他形式的預設快捷方式，包括最基本的 AI 形式）已不能滿足大多數客戶的期望。

正如我們從當前的熱潮中所瞭解的那樣，智能體 AI 系統正在幫助彌合傳統固定式自動化所帶來的差距。

無代碼預構建

Cognizant 的神經 AI 工具可以被描述爲一個無代碼開發框架，其中包含一系列預構建的參考智能體網絡，使企業能夠快速原型化、定製和擴展多智能體系統。預構建的多智能體網絡模板適用於特定行業流程，包括供應鏈管理、客戶服務和保險承保。可以使用自然語言描述快速創建額外的智能體網絡，以適應不同的場景和客戶使用案例。它們還可以擴展以包含第三方智能體。

根據 Hodjat 團隊的說法，"多智能體系統超越了單一智能體，通過實現分散式決策，使智能體能夠獨立但協作地解決複雜的相互依存問題。它們旨在提供跨功能和地理位置的可擴展性，允許在不徹底改造系統的情況下進行擴展，並通過冗餘提供彈性，確保即使個別智能體失效時也能保持連續性。"

執行任務的智能體

隨着我們現在努力在企業中推廣智能體 AI 的使用，Cognizant 希望其技術能被用來協調企業工作流程中自主智能體網絡的使用。它試圖爲智能體提供結構化框架，同時使用標準化和經過測試的方法實現多個智能體之間的交互和協調。

HFS Research 的首席執行官和首席分析師 Phil Fersht 表示："我們正在進入人機協作的關鍵時代。堅持使用獨立智能體來複制人類工作的企業將難以實現價值。相反，它們必須部署真正的組織智能，讓智能體和人類夥伴帶來上下文智能，以增強工作流程、數據集和流程，從而實現預期成果。"

Cognizant 提供部署新多智能體網絡的能力，這些網絡可以使用自然語言描述快速創建，以適應不同的場景和客戶使用案例。它可以通過應用程序編程接口將新開發的多智能體網絡與現有和其他第三方智能體系統集成，並且智能體職責的封裝允許可擴展性和自動將任務路由到正確的 AI 智能體。我們還發現了模糊性解決方案，在可能存在智能體網絡的情況下，可以更輕鬆地添加新智能體，同時最大限度地減少錯誤並改善響應時間...而且（值得高興的是）該技術可以通過在多個服務器之間分配任務來管理大型工作負載。

隨着智能體 AI 開始工作，加速的智能體化行動（這個詞可能還不被所有字典接受，但我們可能必須習慣它）將成爲在各種 IT 技術棧中應用這種 AI 的重要組成部分。