Zespół naukowców opracował nowy agent o nazwie PExA, który za pomocą równoległej eksploracji radykalnie poprawia dokładność tłumaczenia naturalnego języka na zapytania SQL. Zamiast testować potencjalne rozwiązania jedno po drugim, system jednocześnie badań wiele ścieżek, co pozwala mu uniknąć ślepych zaułków i znaleźć prawidłowe zapytanie szybciej i pewniej niż dotychczasowe podejścia.
Problem, który rozwiązuje PExA, dotyczy konwersji tekstu na SQL - jednego z najbardziej złożonych wyzwań w AI. Gdy użytkownik pyta naturalnym językiem "Pokaż mi wszystkich klientów, którzy złożyli zamówienia o wartości powyżej 1000 zł w ostatnim miesiącu", system musi poprawnie zinterpretować zmienne, złożone warunki i strukturę bazy danych. Dotychczasowe rozwiązania opierały się na sekwencyjnym testowaniu hipotez, co często prowadziło do błędnych wyników, szczególnie w przypadku skomplikowanych zapytań z wieloma warunkami. PExA zmienia to podejście na rewolucyjne - eksploruje wiele możliwości równolegle, jak gdyby jednocześnie badał różne scenariusze zamiast iść po kolei jednym przesmykiem.
Praktyczne implikacje tej technologii są znaczące dla biznesu i programistów. Bardziej niezawodna konwersja tekstu na SQL to szansa dla firm na budowanie inteligentniejszych asystentów, narzędzi analitycznych i systemów business intelligence, które nie będą wymagać od użytkowników znajomości SQL. Podejście równoległe oznacza też krótsze czasy odpowiedzi, co jest kluczowe dla interaktywnych aplikacji. PExA demonstruje, że czasami najlepsze rozwiązanie dla sztucznej inteligencji to nie samo zwiększanie rozmiaru modelu, ale inteligentniejsza organizacja procesu wnioskowania.