AI-industrin glömde bort hållbara objekt och resultatbaserat lärande

När företagsmjukvara övergick till molnbaserade och tillståndslösa system, ersatte fragmenterad objektorienterad programmering den tidigare modellen där objektets tillstånd och beteende hölls samman.

Denna förändring är särskilt relevant för företags-AI, som kräver hållbara och sammanhängande entiteter som kunder och avtal för att förbli konsekventa över tid. Nuvarande system, där minnet bryts efter månader, är otillräckliga för företagsverksamhetens krav.

Samtidigt har AI-forskningen minskat användningen av förstärkningsinlärning, känd som "lärande genom konsekvenser". Även om transformer-arkitekturen möjliggjorde betydande framsteg inom generativ AI, trängde den undan tidigare effektiva inlärningsmetoder.

Fast Company föreslår att en omprövning av dessa två principer skulle kunna förbättra företags-AI-systemens kapacitet och robusthet avsevärt. Att glömma bort tidigare, beprövade idéer hindrar branschens verkliga framsteg.