São Paulo — InkDesign News — A Databricks lançou recentemente o Mosaic Agent Bricks, uma plataforma projetada para aprimorar o desenvolvimento de agentes de inteligência artificial (IA) nas empresas. A novidade promete otimizar a automação dessas soluções, enfrentando desafios de produção no contexto de large language models (LLM) e deep learning.
Tecnologia e abordagem
O Mosaic Agent Bricks baseia-se na estrutura anterior Mosaic AI Agent Framework, introduzida em 2024. A inovação principal vem da implementação do TAO (Test-time Adaptive Optimization), que permite ajustamentos nos agentes sem a necessidade de dados rotulados. A plataforma gera dados sintéticos específicos de domínio e benchmarks adaptados às tarefas, otimizando a relação qualidade-custo de forma automatizada. Isso aborda o problema enfrentado pelos usuários da Databricks, que muitas vezes utilizavam avaliações manuais para determinar a eficácia dos agentes, o que não proporcionava confiança para a produção.
“Eles estavam voando no escuro, sem uma maneira de avaliar esses agentes” — Hanlin Tang, CTO de Redes Neurais da Databricks.
Aplicação e desempenho
O Mosaic Agent Bricks fornece quatro configurações de agentes: extração de informações, assistente de conhecimento, LLM personalizado e supervisor multiagente. Cada um aborda diferentes necessidades, como a conversão de documentos não estruturados em dados estruturados ou a coordenação de múltiplos agentes em fluxos de trabalho complexos. Estes métodos visam resolver o processo de otimização que é frequentemente custoso e baseado em tentativa e erro.
A combinação com o Lakeflow, também lançado pela Databricks, permite uma preparação de dados unificada, essencial para a criação de agentes eficientes. O Lakeflow lida com a ingestão e transformação de dados, enquanto o Mosaic Agent Bricks se concentra na construção de agentes otimizados a partir desses dados preparados. Essa abordagem integrada melhora a escalabilidade do desenvolvimento de soluções de IA.
Impacto e mercado
À medida que mais empresas buscam implementar IA, a necessidade de mecanismos que avaliem a qualidade e a eficácia dos agentes se torna crítica. O Agent Learning from Human Feedback, introduzido na plataforma, facilita a adaptação dos sistemas de agentes às orientações dadas em linguagem natural, evitando práticas ineficientes como o "prompt stuffing".
“Isso resolverá o problema de adivinhação sobre quais componentes do agente precisam de ajuste” — Hanlin Tang, CTO de Redes Neurais da Databricks.
Com a integração do Mosaic ao Databricks, Tang ressaltou que a pesquisa agora está mais alinhada com problemas do mundo real, permitindo maior aplicabilidade e inovação em soluções de IA.
Os próximos passos envolvem a exploração de novos padrões de comunicação entre agentes, um aspecto crucial para a cooperação entre diferentes soluções de IA. As empresas que adotarem essa tecnologia podem não apenas otimizar seus fluxos de trabalho, mas também reduzir significativamente os custos e o tempo de desenvolvimento em suas implementações de IA.
Fonte: (VentureBeat – AI)
