نویسنده (ها): R. Thompson (دکترا)
در ابتدا منتشر شده در به سمت هوش مصنوعیبشر
“زمینه فقط یک متغیر نیست. این تفاوت بین خروجی و درک است.”
تکامل عوامل هوش مصنوعی فراتر از پیش بینی و آموزش در دامنه ای است که تفسیر ، اعتماد به نفس و حافظه از ویژگی های اساسی است. با اتخاذ رو به رشد مدلهایی مانند کلود ، بسیار هماهنگ انسان شناسی زبان طبیعی مدل ، جامعه AI اکنون با نیاز فشرده ای برای ایجاد عملکرد استدلال با حافظه مداوم و ساختاری روبرو است. این دقیقاً جایی است که پروتکل زمینه مدل (MCP) وارد می شود – هم به عنوان یک زیرساخت شناختی و هم یک چارچوب تفسیر.
در این مقاله شیرجه عمیقی در مورد چگونگی ترکیب Claude و MCP برای ایجاد عوامل هوشمند ارائه شده است که نه تنها به طور مؤثر پاسخ می دهند بلکه با مسئولیت پذیری استدلال می کنند. MCP به عنوان داربست عصبی عمل می کند که هوش زبان کلود را احاطه کرده است ، تداوم جلسه ، مسیریابی دانش خارجی و پس از استنتاج را ارائه می دهد آنتروپی امتیاز دهی نتیجه یک سیستم هوش مصنوعی است که قادر به رفتار با احتیاط معرفتی است – دانستن اینکه چه زمانی می داند ، و چه زمانی این کار را نمی کند.
قدرت زبانی کلود در توانایی های پیروی از آموزش ، تراز اخلاقی و توانایی انجام کارهای با فرم طولانی نهفته است. با این حال ، کلود ، مانند بیشتر LLMS، فاقد پایداری دولت و ردیابی اعتقاد رسمی است. این پاسخ از ابتدا در هر فوری ایجاد می کند. MCP این را با تعبیه مدل در یک حلقه شناختی کنترل شده با متن تغییر می دهد.
گردش کار با مشتری آغاز می شود … وبلاگ کامل را به صورت رایگان در رسانه بخوانیدبشر
منتشر شده از طریق به سمت هوش مصنوعی