In der modernen Welt der künstlichen Intelligenz werden Maschinen zunehmend gebeten, Probleme zu lösen, indem sie riesige Mengen an Informationen lesen. Stellen Sie sich einen Bibliothekar vor, der eine spezifische Frage zu einer Bibliothek mit Millionen von Büchern beantworten muss. Ein Ansatz besteht darin, jedes einzelne Buch von Cover zu Cover zu lesen, bevor er versucht, eine Antwort zu geben. Ein anderer Ansatz besteht darin, dem Bibliothekar eine Reihe einfacher Werkzeuge zur Verfügung zu stellen – eine Möglichkeit, einen Kartenauszug einzusehen, zu einem bestimmten Regal zu gehen und nur die relevanten Seiten zu lesen. Diese zweite Methode beruht auf der Idee, dass eine Maschine lernen kann, eine komplexe Struktur zu navigieren, ohne alles im Voraus auswendig lernen zu müssen. Dies ist die Kernherausforderung beim Aufbau von Agenten, die über Wissensgraphen schlussfolgern können, also digitale Karten, die Fakten, Konzepte und Datentabellen miteinander verbinden. Das Ziel ist es, ein System zu schaffen, das in der Lage ist, die richtigen Informationen in einem massiven, sich ständig ändernden Netzwerk von Daten zu finden, ganz ähnlich wie ein menschlicher Experte, anstatt zu versuchen, das gesamte Netzwerk in einen einzigen, überwältigenden Speicherplatz zu pressen.

Forscher bei Oplit haben ein neues System namens GRA, einen Graph Reasoning Agent, entwickelt, um diesen Navigationsansatz gegen eine traditionellere Methode zu testen. Sie bauten eine simulierte Fabrikumgebung, komplett mit einem digitalen Zwilling ihres Betriebs, einschließlich Regeln darüber, wie Produkte hergestellt werden, Daten über Bestellungen und Aufzeichnungen über die Maschinenleistung. Diese Umgebung, bekannt als Unified Factory Knowledge Model, enthält hunderte analytische Fragen, die das System erfordern, spezifische Antworten zu finden, indem es verschiedene Informationsteile miteinander verknüpft. Einige Fragen verlangen nach einfachen Zahlen, während andere vom System verlangen, komplexe Regeln zu verstehen, wie etwa, ob ein neuer Produktionsplan angesichts des aktuellen Zustands der Fabrik möglich ist. Die Forscher wollten sehen, ob ein Agent, der diese digitale Fabrik Schritt für Schritt durch das Erkunden mit einem kleinen Satz generischer Werkzeuge untersucht, besser abschneiden kann als ein Agent, dem einfach das gesamte Fabrikhandbuch und das Datenschema auf einmal vorgelegt wird.

Das Team testete drei verschiedene Wege, um diese Aufgabe zu bewältigen. Die erste Methode, die sie den Full-Context-Ansatz nennen, speist die gesamte Beschreibung der Fabrik, einschließlich jeder Tabelle und Regel, vor dem Start in das Gedächtnis der künstlichen Intelligenz ein. Dies ist so, als würde man dem Bibliothekar den gesamten Bibliothekskatalog und jedes Buch im Gebäude übergeben, bevor man ihm eine einzige Frage stellt. Die zweite Methode entfernt die Karte vollständig und gibt dem Agenten nur eine Liste von Textdokumenten und Tabellen zur Suche, ohne jegliche Verbindungen zwischen ihnen. Die dritte Methode, GRA, gibt dem Agenten einen Satz von sieben einfachen Werkzeugen: Er kann auflisten, was in der Nähe ist, die Details eines bestimmten Gegenstands lesen, nach Wörtern suchen, nach Bedeutungen suchen, eine Datenbankabfrage ausführen, einen Plan durchdenken und schließlich eine Antwort geben. Entscheidend ist, dass der Agent die Namen der Tabellen und die Regeln nicht im Voraus kennt; er muss sie durch den Einsatz dieser Werkzeuge entdecken, um den Graphen zu explorieren.

Die Ergebnisse zeigten, dass der Agent, der den Graphen Schritt für Schritt navigierte, genauer war als derjenige, der versuchte, alles auf einmal zu lesen. Bei einem Testdatensatz von 258 Fragen antwortete der navigierende Agent in 88,4 Prozent der Fälle korrekt, während der Agent, der den vollen Kontext las, in 83,3 Prozent der Fälle korrekt antwortete. Viel wichtiger ist, dass der navigierende Agent diese höhere Genauigkeit erreichte, während er weniger als ein Drittel der Informationen verarbeiten musste, die der Full-Context-Agent verarbeiten musste. Dies deutet darauf hin, dass es für komplexe Aufgaben besser ist, weniger zu sehen, aber es selektiver zu sehen. Der Agent, der alles las, war oft durch das schiere Volumen des Textes überfordert, während der navigierende Agent sich nur auf die spezifischen Datenstücke konzentrierte, die zur Lösung des jeweiligen Problems benötigt wurden.

Die Forscher entdeckten auch, dass der Erfolg dieser Navigationsmethode stark von der Zuverlässigkeit der Werkzeuge abhing, die der Agent verwendete. Wenn das Modell der künstlichen Intelligenz gut darin war, Anweisungen zu folgen und seine Werkzeuge ohne Fehler zu benutzen, funktionierte der Navigationsansatz sehr gut. Wenn das Modell jedoch Schwierigkeiten hatte, die Werkzeuge korrekt zu verwenden, verschwand der Vorteil, und die Methode, die alles auf einmal las, schnitt besser ab. Dies deutet darauf hin, dass der Nutzen des Navigierens in einem Graphen aus der Fähigkeit resultiert, genau das abzurufen, was benötigt wird, aber dies funktioniert nur, wenn man dem Agenten vertrauen kann, es korrekt abzurufen. Die Studie fand heraus, dass die Struktur des Graphen selbst nicht der Hauptgrund für die Verbesserung war; vielmehr kam die Verbesserung durch den Akt des selektiven Zugriffs auf Informationen zustande. Selbst als der Graph entfernt wurde und der Agent durch Flachtext suchte, übertraf er die Full-Context-Methode immer noch, was bewies, dass der Schlüssel in der Strategie der Informationssuche lag und nicht im Lesen von allem.

Um zu demonstrieren, wie dies in einem realen Szenario funktioniert, zeigten die Forscher, wie der Agent eine Anfrage eines Fabrikbetreibers handhabte. Der Betreiber fragte, ob eine bestimmte Regel befolgt werden könne: dass Aluminiumrahmen an einem Montag an einer von zwei spezifischen Stationen geschweißt werden sollten. Der Agent kannte die Antwort nicht sofort. Er begann damit, die Schweißstationen im digitalen Modell nachzuschlagen. Er fand heraus, dass eine Station tatsächlich nur für das Schweißen von Carbonrahmen beschränkt war – eine Regel, die aus der Anfrage des Betreibers nicht offensichtlich war, aber im Graphen gespeichert war. Dies schloss sofort eine Option aus. Der Agent prüfte dann die andere Station und berechnete, ob sie genug Zeit hätte, um die Arbeitslast zu bewältigen. Er verglich Standardzeitschätzungen mit tatsächlichen historischen Daten und stellte fest, dass die reale Arbeit länger dauerte als erwartet, was die Anfrage an diesem Tag unmöglich machte. Der Agent gab eine klare Ablehnung zurück, erklärte die zwei spezifischen Gründe, warum die Regel nicht eingehalten werden konnte, und schlug sogar zwei Wege vor, um den Zeitplan zu korrigieren.

In einem zweiten Beispiel fragte ein Betreiber, ob es möglich sei, die Anzahl der Farbwechsel pro Schicht auf drei zu begrenzen. Der Agent navigierte erneut durch den Graphen, um die Definition einer Schicht und die Aufzeichnungen der vergangenen Produktion zu finden. Er spielte zehn Monate Historie nach, um zu sehen, wie oft diese Grenze verletzt worden wäre. Er fand heraus, dass an einer kleinen Anzahl von Tagen die Grenze überschritten worden wäre, aber nicht so oft, dass die Regel unmöglich einzuführen gewesen wäre. Der Agent kam zu dem Schluss, dass die Regel machbar sei, aber ein kleines saisonales Risiko berge. Sobald der Betreiber dies bestätigte, übersetzte das System die Regel automatisch in ein mathematisches Format, das ein Computer-Solver zur Steuerung des Fabrikplans verwenden kann, und speicherte diese neue Regel anschließend wieder im digitalen Modell ab.

Diese Arbeit zeigt, dass künstliche Intelligenz komplexe industrielle Kenntnisse effektiv verwalten kann, indem sie wie ein geschickter Ermittler agiert statt wie ein passiver Leser. Durch den Einsatz eines kleinen Satzes einfacher Werkzeuge zur Erkundung eines strukturierten Netzwerks von Fakten kann das System schwierige Fragen genauer und effizienter beantworten, als wenn es versucht, alles auf einmal zu verarbeiten. Die Studie zeigt, dass weniger zu sehen, aber es mit einer klaren Absicht zu sehen, es dem Agenten ermöglicht, besser zu antworten. Dieser Ansatz ist besonders wertvoll, wenn Datensätze größer und komplexer werden und schließlich zu groß sind, um in einen einzelnen Speicher-Prompt zu passen. In solchen Situationen wird die Fähigkeit, zu navigieren und spezifische Informationen abzurufen, zum einzig praktikablen Weg zu intelligenter Entscheidungsfindung. Die Forscher kommen zu dem Schluss, dass der nächste Schritt darin besteht, das System so zu verfeinern, dass es nicht nur beurteilen kann, ob eine Regel möglich ist, sondern auch automatisch den Computercode schreiben kann, der nötig ist, um sie durchzusetzen, wodurch der Kreis zwischen menschlicher Anweisung und maschineller Ausführung geschlossen wird.