Pot noile modele de limbi mari să devină agenți autonomi?
Majoritatea bazelor de date relaționale se bazează pe scheme bine definite și pe tipare stricte.
Culture picks
Apple WWDC 2026 Keynote: Cum să te uiți și ce să te aștepți
Sigma BF Review: O cameră neconvențională care câștigă inimile
MacOS 27 pentru a termina suportul Intel Mac și upgrade-ul Siri
Merită Galaxy S26 Ultra prețul de 1.300 de dolari?Cercetătorii au observat că chiar și variații minore în formulare pot determina un motor de bază de date să respingă o cerere, forțând agentul să încerce din nou sau să renunțe.
Andy Pavlo, profesor de științe informatice la Universitatea Carnegie Mellon, observă că Bazele de date sunt piesa de rezistență care rămâne cea mai puțin adaptată pentru a fi actualizată în mod sigur, cu ajutorul unor comenzi de utilizare a datelor, care nu au fost niciodată create cu ajutorul inteligenței artificiale, ci cu ajutorul unor comenzi de utiliz
Modelele de limbi mari s-au mutat dincolo de interfețele de chat pentru a deveni agenți autonomi care pot planifica, raționa și rula pile de software, dar acum se confruntă cu un obstacol critic: accesul și actualizarea bazelor de date convenționale. În timp ce agenții LLM-powered excelă în generarea codului și orchestrarea serviciilor cloud, ei se luptă să traducă intenția în limba naturală precisă în interogări SQL care respectă restricții.
Cercetătorii din întreaga academie și industrie raportează că inadecvarea dintre fluxurile de lucru conduse de AI și sistemele de date tradiționale încetinește progresul, determinând un val de noi eforturi de inginerie.
Provocarea provine din modul în care bazele de date moderne aplică scheme stricte, reguli de tranzacție și politici de securitate.
Sunt oare bazele de date pregătite pentru viitor?
Mai mult, straturile de securitate, cum ar fi controlul accesului bazat pe roluri, adaugă un alt obstacol; agenților trebuie acordate permisiuni explicite, un proces care poate submina flexibilitatea promită de AI. Performanța este, de asemenea, o preocupare.
Agenții funcționează adesea în timp real, necesit de Cadrele emergente vizează integrarea cunoștințelor de bază de date direct în datele de formare ale modelului, permițând AI să genereze cereri mai exacte.
Dacă acestea au succes, astfel de soluții ar putea dezlănțui o nouă eră a aplicațiilor de autoservire, în care utilizatorii non-tehnici îi cer unui AI să recupereze cifre de vânzări, să programeze expedieri sau să audite loguri fără a scrie cod.
Alții propun interfețe ⁇ prompt-guarded ⁇ care traduc limba naturală în comenzi SQL verificate înainte de executare.
Grupul Pavlo ⁇ explorează o abordare hibridă în care agentul sugerează o operațiune, iar un modul de verificare ușor verifică conformitatea cu schemele și cu politicile de securitate.
Impactul agenților de testare ar extinde la reguli precum, sănătate și logistică, întrebați, unde integritatea datelor este dificilă. Oare agenții AI vor înlocui în cele din urmă inginerii tradiționali de date? Agentii pot automatiza sarcinile de rutină cu datele, dar proiectarea complexă a schemelor, ajustarea performanțelor și supravegherea conformității vor rămâne probabil responsabilități umane pentru viitorul apropiat.
Cu toate acestea, de abilitarea de date, care crește lacune de date, creșe și de verificare, care necesită pentru a îmbunătăți soluțiile de securitate existente, în modelele de verificare și verificare, în mod frecvente, în mod frecvente, în mod frecvente și de verificare, în mod frecvente, în moduri de verificare și de verificare, în mod frecvențiune, în mod frecvențiune și verificare, în mod frecvențiune și verificare a unor probleme.
