Naukowcy stworzyli Agentopic - system oparty na generatywnych agentach AI, który potrafi automatycznie odkrywać tematy w tekstach i jednocześnie wyjaśniać, dlaczego je wybrał. To hybryda między nowoczesną sztuczną inteligencją a tradycyjnymi metodami analizy tekstu, która rozwiązuje jeden z kluczowych problemów współczesnego AI - tzw. czarną skrzynię, czyli brak przejrzystości decyzji. Agentopic bierze na warsztat duże zbiory danych tekstowych, wyszukuje w nich regularności tematyczne i podaje jasne uzasadnienie za każdym krokiem. To szczególnie ważne w świecie, gdzie modele AI stają się coraz bardziej skomplikowane i coraz trudniej wytłumaczyć użytkownikowi, jak doszły do swoich wniosków.
Tradycyjne podejścia do modelowania tematów, jak latent Dirichlet allocation (LDA), działały szybko, ale były czarne jak smoła - nikt nie wiedział dokładnie, skąd wziął się wynik. Z drugiej strony duże modele językowe potrafiące pracować z tekstem są inteligentne, ale równie tajemnicze. Agentopic stara się połączyć mocne strony obu podejść: bierze strukturę i przejrzystość starego sposobu, dodaje do tego inteligencję nowoczesnych agentów AI i otrzymuje system, który zarówno działa, jak i potrafi się wytłumaczyć.
Praktyczne zastosowania tego podejścia są szerokie. Newsroom może użyć go do automatycznego kategoryzowania artykułów i zrozumienia, co znajduje się w ogromnym archiwum. Firmy mogą analizować opinie klientów i wiedzieć nie tylko, jakie tematy się pojawiają, ale też dokładnie dlaczego system je rozpoznał. Naukowcy mogą przeszukiwać tysiące prac badawczych i odkrywać trendy z pełną przejrzystością metodologii. Agentopic pokazuje, że przejrzystość AI nie musi oznaczać rezygnacji z jego mocy - czasem wystarczy inteligentne połączenie starych i nowych technik.