Mindverse AI crea plataforma para construir agentes inteligentes especializados con memoria vertical y habilidades personalizadas

La inteligencia artificial generativa está evolucionando tan rápidamente que cada pocos días vemos nuevas aplicaciones impulsadas por grandes modelos de lenguaje (LLMs). El último intento de monetizar la inteligencia artificial proviene de Mindverse AI, una startup de Singapur que está construyendo una interfaz API, o lo que el fundador Fangbo Tao llama una "capa de base" para empresas, para crear agentes inteligentes con su propia memoria vertical y diferentes conjuntos de habilidades utilizando LLMs de la serie GPT de OpenAI.

Los agentes de IA ChatGPT de Mindverse ya han asegurado usuarios tempranos, incluida una plataforma no revelada dentro del ecosistema de Alibaba; la startup de moda respaldada por a16z, Cider, que está probando el asistente virtual; y Hooked, una plataforma de educación web3 que aprovecha el agente de IA de la startup para guiar a los usuarios a través de su sitio.

Dada su tracción y la emoción de los inversores en torno a la IA conversacional, no es sorprendente que Mindverse esté cerca de completar una ronda de financiación de la Serie A de $10 millones. Los inversores probablemente estén tranquilos por la experiencia de Tao trabajando en sistemas de IA en gigantes tecnológicos en China y EE. UU. Después de una temporada en Facebook construyendo su plataforma de comprensión de contenido, Tao se unió a Alibaba en Hangzhou para ayudar a fundar un laboratorio de IA interno antes de comenzar su propia empresa.

Mindverse está proporcionando esencialmente una plataforma que permite a los clientes construir rápidamente agentes inteligentes especializados para diferentes dominios. Esto es lo que sucede cuando un usuario llega a un sitio de comercio electrónico impulsado por Mindverse: serán recibidos por un chatbot que ha absorbido todos los datos de inventario del sitio. Si el comprador pregunta algo como "¿Qué debo usar en mis vacaciones en la playa?", El bot buscará los productos y mostrará algunas opciones.

Conversando de manera similar a un ser humano, el agente de compras también puede explicar las diferencias entre los productos y sugerir más alternativas si el usuario no está satisfecho con sus primeras recomendaciones, lo que significa que el bot puede aprender de las conversaciones en tiempo real.

De manera similar, un sitio de reservas de hotel puede usar Mindverse para crear una guía virtual que recomienda lugares para alojarse en función de una entrada simple como "Estoy planeando un viaje a San Francisco con mi esposa". Los lugares mostrados tendrán en cuenta los intereses tanto del esposo como de la esposa en lugar de los lugares turísticos universales.

Esta forma de interactuar con los datos web, dijo Tao, es fundamentalmente diferente de la era anterior a la IA generativa.

"En el pasado, los usuarios interactuaban con fuentes de datos a través de software y aplicaciones, o GUI [interfaz gráfica de usuario]. Lo que estamos haciendo ahora es agregar un agente o copiloto para ayudar a la GUI ... entrenando a la IA para aprender autónomamente la API, los documentos, las fuentes de datos y las instrucciones que le damos para que el agente pueda adquirir habilidades específicas para los escenarios comerciales y proporcionar una orquestación dinámica de estos en función de la intención compleja del usuario", explicó.

"No obstante, los algoritmos de recomendación existentes no se volverán obsoletos. De hecho, los agentes de Mindverse pueden comparar sus recomendaciones con las de los algoritmos que aprenden de los datos pasados. Una forma de integrar ambas soluciones es integrar los viejos algoritmos en el agente como una API, para que la aplicación pueda aprender del comportamiento pasado de los usuarios. De hecho, cualquier capacidad convencional detrás del software, más allá de la recomendación y la búsqueda, puede integrarse en agentes de IA como habilidades de API", señaló el fundador.

"Pero el agente de IA actúa a un nivel superior. Al conversar con los usuarios, puede hacer un mejor uso de las capacidades de recomendación y búsqueda para planificar la mejor manera de utilizar los datos de backend", dijo Tao.