A aliança de IA, formada no final de 2023 para avançar a IA, vem trabalhando em projetos que variam de Dana, um idioma agente-nativo e tempo de execução, a Semionte, uma base de conhecimento para a colaboração humana/agente.
Alguns projetos emergentes da aliança foram abordados em uma apresentação em 17 de setembro por Anthony Annunziata, diretor da AI Alliance da AI Open Innovation, na conferência de IA em São Francisco. Com o Dana (agente neurossimbólico com reconhecimento de domínio), anunciado formalmente no final de junho, os usuários recebem programação movida a IA com desenvolvimento orientado a intenções, onde os desenvolvedores podem descrever o que desejam construir e o idioma lidará com a implementação. Dana apresenta suporte nativo para fluxos de trabalho do agente, aterramento de memória e simultaneidade. Projetado para executar localmente ou na nuvem, o idioma é projetado em torno do conhecimento específico do domínio, desde conhecimentos humanos e fluxos de trabalho específicos do setor. Ele aproveita os grandes modelos de linguagem (LLMs) com aterramento simbólico para saídas determinísticas e confiáveis.
Enquanto isso, Semionte, permite que humanos e agentes co-criem o conhecimento compartilhado. Oferecendo um wiki nativo da IA, o Semionte apresenta recuperação de contexto de alta precisão, de acordo com a AI Alliance. Integrando via Model Context Protocol (MCP), o Semiont permite bases de conhecimento de propriedade local, que são implantáveis sob demanda. Outros projetos da aliança incluem dados confiáveis abertos para modelos de IA e agentes de IA, bem como a arquitetura profunda do agente de pesquisa com o MCP. O esforço de dados confiável aberto envolve uma especificação de metadados para proveniência, linhagem e utilidade, bem como um catálogo de conjuntos de dados abertos existentes com base em uma pontuação fiduciária. Os esforços apresentam a curadoria e a criação de novos conjuntos de dados para casos de uso de IA agênticos. O objetivo da pesquisa profunda é explorar os desafios da construção de agentes de qualidade de produção, acessando dados e ferramentas apenas por meio de servidores MCP. O projeto também pretende lançar uma implementação de referência.
