Pouya Hamadanian Pantea Karimi Arash Nasr-Esfahany Kimia Noorbakhsh Joseph Chandler Ali ParandehGheibi Mohammad Alizadeh Hari Balakrishnan

Résumé

Peut-une intelligence artificielle concevoir de manière autonome des mécanismes pour les systèmes informatiques, à un niveau comparable à la créativité et à la capacité de raisonnement des experts humains ? Nous présentons Glia, une architecture d’intelligence artificielle pour la conception de systèmes interconnectés, qui utilise des modèles linguistiques massifs (LLM) dans un workflow à plusieurs agents inspiré de la cognition humaine. Chaque agent se spécialise dans le raisonnement, l’expérimentation ou l’analyse, et collabore via un cadre d’évaluation qui ancre le raisonnement abstrait dans des retours empiriques. Contrairement aux approches antérieures basées sur l’apprentissage automatique pour la conception de systèmes, qui optimisent des politiques en tant que boîtes noires, Glia génère des conceptions interprétables et rend explicite son processus de raisonnement. Lorsqu’elle est appliquée à un cluster distribué de GPU destiné à l’inférence de modèles linguistiques à grande échelle (LLM), Glia conçoit de nouveaux algorithmes pour le routage des requêtes, la planification et l’auto-échelle, qui atteignent un niveau de performance équivalent à celui des experts humains, en un temps significativement plus court, tout en offrant des insights novateurs sur le comportement des charges de travail. Nos résultats suggèrent qu’en combinant des LLM de raisonnement avec une expérimentation structurée, une intelligence artificielle peut produire des conceptions à la fois créatives et compréhensibles pour des problèmes complexes de systèmes.