GPT-4o LATENCY240msCLAUDE OPUS 4.7ONLINENVDA+1.2%MISTRAL LARGE 2STREAMINGOPENAI API99.97% UPTIMEGROQ MIXTRAL580 tok/sGEMINI 2.5 PROCTX 2MANTHROPIC STATUSOKTSMC+0.4%PERPLEXITYINDEXINGGPT-4o LATENCY240msCLAUDE OPUS 4.7ONLINENVDA+1.2%MISTRAL LARGE 2STREAMINGOPENAI API99.97% UPTIMEGROQ MIXTRAL580 tok/sGEMINI 2.5 PROCTX 2MANTHROPIC STATUSOKTSMC+0.4%PERPLEXITYINDEXING
پرش به محتوای مقاله

چرا مایکروسافت برای کنترل عامل‌های هوش مصنوعی، لایه‌ای مستقل از مدل ساخت؟

·۱۳ خرداد ۱۴۰۵۳ دقیقه مطالعه
مایکروسافت روش بهتری برای کنترل رفتار عامل‌های هوش مصنوعی ارائه می‌دهد
مایکروسافت روش بهتری برای کنترل رفتار عامل‌های هوش مصنوعی ارائه می‌دهد
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

انتقال کنترل رفتار عامل‌ها از لایه‌ی پرامپت به یک لایه‌ی سیاست‌گذاری مستقل که در چهار نقطه کلیدی جریان داده را متوقف یا اصلاح می‌کند.

اگر امروز برای کنترل عامل‌های هوش مصنوعی روی پرامپت‌های طولانی حساب می‌کنید، در واقع در حال باختن یک جنگ فرسایشی هستید. تصور کنید تمام تلاش شما برای امن کردن یک سیستم، به چند خط دستور متکی باشد که مدل هر لحظه ممکن است نادیده بگیرد.

در ۲ ژوئن ۲۰۲۶، مایکروسافت استاندارد ACS (Agent Control Specification) را معرفی کرد. این ابزار قرار است پرامپت‌های شکننده را با یک لایه‌ی حاکمیتی جایگزین کند. عامل (Agent) — مثل کارمند متخصصی که فقط حرف نمی‌زند، بلکه واقعاً کارهای اداری را برای شما انجام می‌دهد — حالا نیاز به نظارت دقیق‌تری دارد. همان‌طور که در تحلیل قبلی ما درباره‌ی کاهش هزینه‌های مدل MAI-Code-1-Flash اشاره کردیم، مایکروسافت حالا تمرکز خود را از قیمت به قابلیت اطمینان در زمان اجرا تغییر داده است.

به گزارش TechCrunch، استاندارد ACS از فایل‌های سیاست‌گذاری واحد استفاده می‌کند. این قوانین در چهار نقطه کلیدی اعمال می‌شوند:

  • قبل از دریافت ورودی توسط عامل
  • قبل از فراخوانی یک ابزار
  • بعد از بازگشت نتیجه از ابزار
  • قبل از رسیدن پاسخ نهایی به کاربر

این سیاست‌ها می‌توانند دسترسی‌ها را مسدود کنند یا داده‌های حساس را پاک کنند. طبق اعلام مایکروسافت، SDK این ابزار در حال حاضر افزونه‌هایی برای LangChain، AutoGen، CrewAI و Semantic Kernel دارد. همچنین ابزاری به نام ASSERT برای تست رفتارهای مدل با توصیحات متنی ساده معرفی شده است.

مایکروسافت روش بهتری برای کنترل رفتار عامل‌های هوش مصنوعی ارائه می‌دهد

این تغییر، ایمنی هوش مصنوعی را از یک «هنر پرامپت‌نویسی» به یک «رشته مهندسی» تبدیل می‌کند. با جدا کردن قوانین از پرامپت، تیم‌های امنیتی می‌توانند همان سیاست‌ها را روی مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — مختلف اعمال کنند. دیگر لازم نیست به شهود مدل اعتماد کنید؛ حالا می‌توانید به یک فایل سیاست‌گذاری سخت‌کد شده تکیه کنید.

گام بعدی شما

  • SDK متن‌باز ACS را بررسی کنید تا ببینید عامل‌های فعلی شما با استانداردهای امنیتی جدید هم‌خوانی دارند یا خیر.
  • ابزار ASSERT را برای تست خودکار رفتارهای عامل‌هایتان به کار بگیرید.
  • منتظر بمانید و ببینید آیا سایر ارائه‌دهندگان فریم‌ورک برای جلوگیری از انحصار مایکروسافت، این استاندارد را می‌پذیرند یا خیر.

اما این استاندارد تنها بخشی از پازل است؛ برای درک نحوه تعامل این لایه با سخت‌افزارهای جدید، تحلیل ما درباره‌ی تراشه‌های Blackwell را بخوانید.

چرا این موضوع مهم است؟

این استاندارد با جداسازی قوانین رفتاری از مدل، اجازه می‌دهد تیم‌های امنیتی نظارت یکسانی بر مدل‌های مختلف داشته باشند. این یعنی اعتماد به عامل‌ها از «شهود مدل» به «فایل‌های سیاست‌گذاری سخت‌افزاری» منتقل می‌شود.

تأثیر برای ایران

برنامه‌نویسان ایرانی که از فریم‌ورک‌هایی مثل LangChain یا CrewAI استفاده می‌کنند، می‌توانند با استفاده از SDK متن‌باز ACS، امنیت عامل‌های خود را بدون نیاز به تغییر مدل ارتقا دهند.

·نگاه ما
تحریریه دات‌هوش

تحلیل ما این است که مایکروسافت با ACS در واقع در حال تعریف «قوانین راهنمایی و رانندگی» برای عصر عامل‌هاست. این حرکت نشان می‌دهد که صنعت از مرحله‌ی «امیدوار بودن به هوشمندی مدل» عبور کرده و به سمت «اجبار مدل به پیروی از قانون» حرکت می‌کند تا استقرار تجاری در مقیاس بزرگ ممکن شود.

منابع

گفتگو

شماره ۰۵۳پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت — به‌علاوه ۳ بخش جدید. بدون هیاهو، هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی
۰۰:۰۰تا شماره بعدیهفته‌ی ۵۳ بدون وقفه