Нам есть чем гордиться: на этапе разработки ионно-дрейфового детектора принимал участие один из директоров нашей компании Александр Ионов.

Сегодня аппарат широко применяется в системах обеспечения химической и антитеррористической безопасности.
Его предназначение — обнаружение следовых количеств малолетучих и летучих органических веществ, включая: токсичные и аварийно-химически опасные вещества, взрывчатые материалы и наркотические средства.

Детектор используется в работе силовых ведомств, служб охраны, на промышленных объектах и транспортной инфраструктуре. Его точность, надежность и компактность позволяют обеспечивать общественную безопасность.

Мы рады, что экспертиза и инженерный опыт наших сотрудников вносят вклад в развитие критически важных технологий!

Быстрая память для агентного ИИ

Ваш ИИ может быть гением, но если его «память» (СХД) медленная, то, он будет думать очень долго 🌀

Агентный ИИ — не просто тренд, а сдвиг парадигмы. Это автономные системы и их возможности напрямую зависят от скорости доступа к данным.

Именно поэтому традиционные HDD нерелевантны, а гибридные СХД уже недостаточны. Только All-Flash, архитектурно ориентированный на ИИ-нагрузки, способен поддерживать современный темп вычислений.

BAUM создает именно такие решения. Наш BAUM MDS – это реактивное топливо для самых умных алгоритмов.

Вскоре мы подробно расскажем о возможностях All-Flash и решении MDS. Следите за постами!

Разбираем агентный ИИ и исследуем память

Агентный ИИ — это не просто улучшенный ChatGPT. Он не ждет команд, он самостоятельно ставит цели, планирует и действует.

В его основе три «кита»:
1. Мозг (LLM): Для рассуждений и построения планов.
2. Память: Долговременная и обучаемая, чтобы помнить прошлый опыт и не повторять ошибок.
3. Инструменты: API, базы данных и доступ в интернет для взаимодействия с реальным миром.

Все это работает в непрерывном цикле:
Восприятие → Рассуждение → Действие → Обучение
Агент постоянно анализирует, действует и учится на результатах, становясь умнее с каждой итерацией.
Именно так ИИ превращается из простого помощника в автономного участника процессов.

В BAUM мы проектируем архитектуры, способные выдерживать это интеллектуальное давление.

Кто бы мог подумать, что стремление преодолеть Босфор станет началом новой корпоративной традиции! 🏊‍♂️

В прошлом году наш технический директор Андрей Гантимуров и бизнес-ассистент Юлия Савинцева переплыли легендарный Босфор в Стамбуле. Этот яркий пример вдохновил многих, и уже тогда в команде появилось больше людей, регулярно занимающихся плаванием.

В этом году эстафету принимает руководитель финансово-коммерческого направления — Алексей Сергеевич. Подготовка к заплыву через Босфор началась ещё в январе: регулярные тренировки, работа над техникой и участие в стартах на открытой воде.

Верим, что такие инициативы укрепляют не только здоровье, но и корпоративную культуру: учат ставить амбициозные цели, двигаться к ним шаг за шагом и добиваться результатов с помощью подготовки и дисциплины.

Будущее за теми, чей ИИ не «тормозит», а действует на опережение

Продолжаем цикл постов по нашей топ-статье и более подробно раскроем цикл Восприятие → Рассуждение → Действие → Обучение

Восприятие (Perceive). Агент собирает данные из своего окружения. Это могут быть вводимые пользователем данные, показания датчиков или ответы от API.

Рассуждение (Reason). LLM-оркестратор анализирует полученные данные, обращается к своей памяти и формирует план для достижения поставленной цели. Этот процесс часто включает в себя такие методы рассуждений, как «цепочка мыслей» (chain-of-thought) или «дерево мыслей» (tree-of-thought).

Действие (Act). Агент выполняет план, используя доступные ему инструменты.

Обучение (Learn).Результат действия обеспечивает обратную связь, которая используется для обновления памяти агента и совершенствования будущих стратегий, часто с применением принципов обучения с подкреплением (reinforcement learning).

Агентный ИИ не сбрасывает память после каждой задачи. Он преследует долгосрочные цели, постоянно обновляя свои знания. Каждое действие и вывод мгновенно записываются в память, которая тут же используется для следующего шага. Это создает непрерывный поток данных, превращая систему хранения из пассивного склада в активную часть мыслительного процесса.

Вывод:
Скорость «мышления» агента напрямую зависит от скорости его памяти. Медленное хранилище — медленно думающий, неэффективный агент. Будущее за теми, чей ИИ не «тормозит».