NVIDIA、企業知識と予測の基盤を加えてAgent Toolkitを拡充

NVIDIAは10月21日、企業向けエージェントを社内情報につなぐモデルとライブラリーの集合であるAgent Knowledge Foundationを追加し、Agent Toolkitを拡充した。発表は、モデルの一般知識から、個別の判断に必要な文書、表、業務上の関係へと焦点を移す。NVIDIAはこの新基盤を、OpenShellランタイム、NemoClawの設計図、専門エージェントの構築・改善ツールと並べて位置付ける。

同社が説明したのは、単一の新アプリケーションではなく、データプラットフォームにまたがる導入だ。NVIDIAのサプライチェーン部門はPalantirのFoundry、Ontology、AIPを使った取り組みを進め、SnowflakeはKumoの機能をノートブック環境に導入しようとしている。ほかのパートナーはNemotron Retrieverモデルを検索や文書理解に利用している。これらは異なる統合箇所を示す例であり、各プラットフォームの全顧客が、すべての構成要素を自動的に利用できるという意味ではない。

開発者向け資料は、この基盤をモジュール型と説明する。Nemotron Retrieverは文書処理、埋め込み、再ランキングを担い、CUDA-Xライブラリーはデータ準備、類似検索、グラフ分析、機械学習、最適化を支える。既存のデータベース、オントロジー、エージェント用フレームワークも処理の一部として残せる。各部品は個別に導入できるため、企業のデータ環境全体を置き換えずに、アプリケーションの情報処理の一段階を改善できる。

Auto Ontologyは、情報の背後にある関係を扱う。企業データと文書から業務概念の初期表現を生成し、業務専門家がそれを検証、調整、認定できる。これにより、生の記録とエージェントの応答の間に層が加わり、顧客、注文、製品を他の記録とのつながりから理解できるようになる。生成された初期案には、依然として業務面の検証が必要であり、最初から正しい公式な説明とみなせるわけではない。

Kumoは構造化データに対する予測を加える。NVIDIAは、表、表同士の関係、時系列の信号を扱うオープンモデル、ライブラリー、ツールの一群と説明する。想定される用途には、結果の予測、リスク評価、異常な活動の検知、行動の推奨がある。これらは文書内の段落を探す処理とは異なる。出力は既存の記述を取得するだけでなく、将来起こり得る結果や、記録の中のパターンに関するものとなる。

この方法は事前学習済みモデルを利用し、従来の予測機械学習プロジェクトで繰り返される作業の削減を目指す。従来のプロジェクトでは、タスクごとにデータ準備、特徴量設計、訓練、調整、導入を個別に行うことが多い。Kumoは、その能力を構造化データのさまざまな課題で再利用しやすくしようとしている。開発者向け説明は企業エージェントの役割を言語生成の外へ広げるが、予測の有用性を左右する中心には、引き続きアプリケーションのデータ、問い、評価がある。

実行時制御も、この構成の一部を担う。OpenShellの文書は、読み書きできるパス、プロセスの実行主体、プログラムが接続できるネットワーク上の宛先を規定するポリシーを説明している。ポリシーで許可されないアクセスは拒否される。一部の制御はサンドボックス開始時に固定される一方、ネットワークのルールは動作中に変更できる。これらはエージェントのソフトウェアに許される行為を扱う仕組みであり、取得した根拠や予測が正しいかどうかとは別の問題だ。

予測を業務上の意思決定へ移す段階では、NVIDIAはこれらの構成要素にcuOptを組み合わせる。この最適化ライブラリーは、目的と制約に基づいて経路、日程、資源配分を作る。cuGraphはつながりを持つ記録の分析を提供し、cuMLは独自の機械学習処理を支える。開発者向け資料はこれらを独立して使える部品として扱い、新モデルを既存の分析システムにつなぐ複数の方法をチームに提供している。