A Generalist Agent vs Cogram

Gato es el agente generalista que DeepMind presentó en su publicación de investigación de mayo de 2022 "A Generalist Agent." Una política de transformador con pesos compartidos maneja chat, generación de subtítulos para imágenes, juegos de Atari y apilamiento de bloques con un brazo robótico real desde el mismo modelo. La publicación lo describe como una política multimodal, multitarea y multi-encarnación que elige si emitir texto, pares de torsión en las articulaciones, pulsaciones de botones u otros tokens según el contexto.

La mayoría de las herramientas en este ámbito entrenan un modelo separado por dominio de tarea. Gato, en cambio, serializa cada modalidad y entorno en una secuencia plana de tokens y la procesa mediante un transformador con la forma de un modelo de lenguaje grande. Eso significa que un único punto de control preentrenado se mueve entre diálogo, visión y control sin cambiar de arquitectura.

Durante el entrenamiento, los datos de entornos simulados y reales se mezclan con conjuntos de datos de lenguaje natural e imágenes, con la pérdida enmascarada para que Gato prediga solo objetivos de acción y texto. En el despliegue, un prompt se tokeniza primero, cada nueva observación se añade a la secuencia, y el modelo muestrea un vector de acción un token a la vez dentro de una ventana de contexto de 1024 tokens. El blog incluye gráficos agrupados por dominio de tareas donde el modelo preentrenado supera umbrales de puntuación de expertos.

El escrito está dirigido más a investigadores en IA y robótica que a compradores de software cotidianos. Puedes leer y citar la investigación en deepmind.google; no hay un flujo público de registro, nivel API ni botón de descarga en las páginas revisadas aquí.

Cogram ofrece a arquitectos e ingenieros un espacio de trabajo único para la documentación del proyecto, desde actas de reuniones e informes de campo hasta RFIs, presentaciones y correos electrónicos del proyecto. La plataforma se conecta con Procore, Deltek, Unanet, Microsoft Teams, Outlook, Autodesk, Zoom y Google Meet, y luego genera borradores en las plantillas de su empresa en lugar de resúmenes genéricos.

Los asistentes genéricos de reuniones capturan notas de llamadas. Cogram está diseñado en torno a los flujos de trabajo de AEC: los RFIs y presentaciones se sincronizan con Procore, los informes de campo provienen de voz y fotos en el sitio, y el Agente del proyecto responde preguntas basándose en planos y correspondencia. La tarificación modular permite a las empresas comprar solo los módulos que necesitan, y las cuentas para colaboradores externos son gratuitas.

Los gerentes de proyecto, líderes de diseño y administradores de construcción usan Cogram para reducir el trabajo administrativo repetitivo; la página principal estima que se pueden ahorrar varias horas por semana. Los individuos pueden iniciar una prueba de 14 días; el precio para equipos se cotiza por asiento después de una demostración.