Naukowcy opracowali CoCoDA - innowacyjną metodę, która pozwala agentom AI samodzielnie uczyć się, jak najlepiej wykorzystywać dostępne narzędzia do rozwiązywania złożonych zadań. Zamiast trzymać się sztywnego schematu, system wykorzystuje skierowane grafy acykliczne (DAG) do dynamicznego ewoluowania i optymalizowania strategii wyboru narzędzi w trakcie działania. Podejście opiera się na zasadzie ko-ewolucji, gdzie struktury decyzyjne agenta i jego strategie korzystania z narzędzi rozwijają się równocześnie, wzajemnie się wspierając. To oznacza, że agent nie tylko uczy się, które narzędzie wybrać, ale również jak zorganizować swoją pracę, by były one wykorzystywane efektywniej.
Dotychczasowe modele agentów AI często borykały się z łańcuchowymi podejściami - działały sekwencyjnie, krok za krokiem, co ograniczało ich elastyczność w skomplikowanych scenariuszach wymagających wielokrotnego użycia różnych narzędzi. CoCoDA rozwiązuje ten problem, umożliwiając agentom bardziej inteligentne planowanie ścieżki działania i adaptacyjne przełączanie się między dostępnymi narzędziami. Dzięki temu system radzi sobie znacznie lepiej w zadaniach wymagających łączenia informacji z różnych źródeł, logicznego wnioskowania i precyzyjnego wyboru odpowiedniego momentu do użycia konkretnego narzędzia.
Nowa metoda stanowi ważny postęp w rozwoju bardziej autonomicznych i samodzielnych agentów AI. Zamiast polegać na ręcznym projektowaniu przepływów pracy, system sam odkrywa optymalną konfigurację, co zmniejsza pracę deweloperów i zwiększa potencjał praktycznych zastosowań agentów w rzeczywistych problemach biznesowych. Podejście ko-ewolucji ma potencjał, aby zmienić sposób, w jaki konstruujemy i optymalizujemy systemy AI wykorzystujące narzędzia zewnętrzne.