بهبود سرعت و بهره‌وری انرژی عامل‌های هوش مصنوعی
جریان‌های کاری عامل‌محور، سیستم‌های نرم‌افزاری مبتنی بر هوش مصنوعی هستند که مدل‌ها و ابزارهای خارجی متعددی را برای انجام وظایف پیچیده، مانند تجزیه و تحلیل یک ویدیو و پاسخ به سوالات مربوط به آن، به هم متصل می‌کنند. اما نحوه طراحی و پیاده‌سازی این سیستم‌های بسیار پراکنده اغلب باعث ناکارآمدی‌هایی می‌شود که می‌تواند منجر به هدر رفتن محاسبات، انرژی و هزینه شود.
برای بهبود کارایی، محققان MIT و مایکروسافت یک سیستم هوشمند توسعه داده‌اند که فرآیند طراحی جریان‌های کاری عامل‌محور را ساده می‌کند و به طور خودکار نحوه اجرای این جریان‌ها را بهینه می‌کند.
با این روش جدید، یک توسعه‌دهنده می‌تواند آنچه را که می‌خواهد جریان کاری عامل‌محور انجام دهد را به زبان ساده توصیف کند، بدون اینکه نیازی به تعیین تمام جزئیات برنامه خود از قبل داشته باشد.
این سیستم به طور خودکار بهترین مدل‌ها و ابزارهایی که باید استفاده شوند و همچنین پیکربندی سخت‌افزاری ایده‌آل و تخصیص منابع محاسباتی را هنگام اجرای جریان کاری توسط یک ارائه‌دهنده خدمات ابری تعیین می‌کند. این سیستم پیکربندی‌ها را بر اساس اولویت‌های هر کاربر، مانند به حداقل رساندن هزینه‌ها یا به حداکثر رساندن سرعت، به صورت پویا تنظیم می‌کند. در آزمایش‌های انجام شده بر روی چندین بار کاری عامل‌محور، این سیستم جدید تعداد واحدهای محاسباتی مورد نیاز برای استقرار را کاهش داد و در مقایسه با رویکردهای سنتی، الزامات انرژی و هزینه‌ها را به طور قابل توجهی کاهش داد، بدون اینکه بر عملکرد تأثیر بگذارد. «جریان‌های کاری عامل‌محور بسیار پیچیده می‌شوند و به سرعت به ستون فقرات آنچه ارائه‌دهندگان خدمات ابری انجام می‌دهند تبدیل می‌شوند. مصرف انرژی یک نگرانی بزرگ است، بنابراین ما...»