TRPlane Clubi kasutajad
Tehisintellekti agendid on eeldatavasti läbimurre AI valdkonnas, kuid nende täpse määratluse osas pole endiselt üksmeelt. Siiani puudub üldine kokkulepe AI-agendi moodustavate elementide osas.
Lihtsamalt võib AI-agenti määratleda kui AI-toega programmi, mis täidab teie nimel mitmesuguseid ülesandeid, mida võis varem täita klienditeeninduse agent, personalispetsialist või arvutitoe tehnik, kuigi tegelikult võib see hõlmata mis tahes tüüpi ülesanne. Te palute tal toiminguid teha ja ta teeb need teie eest, mõnikord navigeerides mitme süsteemi vahel ja ületades lihtsalt päringutele vastamise.
Esmapilgul tundub see lihtne, kas pole? Keeruliseks teeb asja aga selguse puudumine. Isegi suurte tehnoloogiaettevõtete seas pole kokkulepet. Google peab neid assistentideks, kes on spetsialiseerunud konkreetsetele ülesannetele: programmeerijate toetamine kodeerimisel, turundajate abistamine värvipalette kujundamisel, IT-eksperdi abistamine probleemide lahendamisel andmelogide abil.
Asana puhul on agent võimeline toimima meeskonnaliikmena, täites talle pandud kohustusi eeskujuliku kaastöölisena. Salesforce'i endise kaasjuhi Bret Taylori ja Google'i veterani Clay Bavori loodud idufirma Sierra näeb agentides kliendikogemuse vahendeid, mis aitavad inimestel võtta meetmeid, mis ületavad vanade vestlusrobotite, et lahendada keerulisemaid probleeme.
Selge määratluse puudumine tekitab segadust selles osas, mida need elemendid teostavad, olenemata nende määratlusest, on agentide eesmärk hõlbustada ülesannete täitmist automatiseeritud viisil, vähendades inimeste sekkumist miinimumini.
Glasswing Venturesi asutaja ja juhtivpartner Rudina Seseri sõnul mainitakse, et see võib olla liiga vara, mis võib olla üksmeele puudumise põhjuseks. Ei ole ühtset määratlust, mis on AI agent. Sellele vaatamata on levinuim arusaam, et agent on intelligentne tarkvarasüsteem, millel on võime oma keskkonda tajuda, analüüsida, teha otsuseid ja teostada toiminguid konkreetsete eesmärkide saavutamiseks iseseisvalt.
Nende sõnul kasutavad nad selle eesmärgi saavutamiseks erinevaid tehisintellekti tehnoloogiaid. Need süsteemid integreerivad mitut AI/ML tehnikat, nagu loomuliku keele töötlemine, masinõpe ja arvutinägemine, et töötada muutuvates keskkondades kas iseseisvalt või koostöös teiste inimagentide ja kasutajatega.
Boxi kaasasutaja ja tegevjuhi Aaron Levie sõnul saavad lähitulevikus tehisintellekti täiustumisel virtuaalsed assistendid inimeste eest keerukamaid ülesandeid täita ning juba on tekkimas jõud, mis seda edasiminekut edendavad. .
Levie kirjutas hiljuti Linkedinis erinevatest elementidest, mis moodustavad AI agentide komplekti, mis tugevdavad üksteist, et oluliselt suurendada nende agentide lühi- ja pikaajalisi saavutusi. Need elemendid võivad hõlmata GPU jõudlust, mudeli tõhusust, mudeli kvaliteeti ja intelligentsust, aga ka tehisintellekti raamistikke ja infrastruktuuri täiustusi.
Tehnoloogiale esitatakse positiivne perspektiiv, mis tähendab kõigi nende valdkondade kasvu, kuigi see pole kindel. MIT-i robootikauuendaja Rodney Brooks mainis, et tehisintellekt seisab silmitsi keerukamate väljakutsetega kui enamik tehnoloogiaid ja ei pruugi areneda nii kiiresti kui näiteks Moore'i seadust järgivad kiibid.
Intervjuu ajal mainis Brooks, et kui inimene jälgib tehisintellekti süsteemi ülesannet täitmas, kipub ta selle toimivust teistele sarnastele ülesannetele ekstrapoleerima ja hindama selle üldist pädevust. See hindamine ei piirdu ainult vaadeldava ülesande täitmisega, vaid hõlmab teie pädevust laiemas kontekstis. Lisaks märkis ta, et need hinnangud on sageli liiga optimistlikud, kuna need põhinevad inimese konkreetse ülesande täitmise mudelil.
Raskus seisneb süsteemide omavahelises ühendamises, mille teeb keeruliseks põhilise API-juurdepääsu puudumine mõnes pärandsüsteemis. Vaatamata Levie mainitud jätkuvatele edusammudele võib tarkvaral erinevate süsteemidega ühenduse loomine ja võimalike takistuste lahendamine nende teel olla suurem väljakutse, kui arvata võiks.
Kui jah, siis ilmselt kõik ülehindavad võimeid, mida tehisintellekti agentidelt oodatakse. HFS Researchi juhtivteaduri David Cushmani sõnul sarnaneb praegune robotite põlvkond pigem assistentidega nagu Asana: kaastöötajad, kes aitavad inimestel teatud ülesandeid täita, et saavutada kasutaja seatud strateegilised eesmärgid. Väljakutse seisneb selles, et masinal oleks võimalik ettenägematuid sündmusi täielikult automatiseeritud viisil hallata ja on selge, et me oleme selle saavutamisest veel kaugel.
"Ma pean seda järgmiseks sammuks," ütles ta. "See on punkt, kus tehisintellekt töötab autonoomselt ja tõhusalt suures ulatuses. "See on koht, kus inimesed seavad suuniseid, piire ja rakendavad erinevaid tehnoloogiaid, et inimene protsessist välja jätta, kui kõik on keskendunud inimese hoidmisele "The Loop with GenAI"," mainis ta. Seetõttu rõhutas ta, et võti seisneb selles, et AI-agendil lastakse ohjad enda kätte võtta ja rakendada ehtsat automatiseerimist.
Madrona Venturesi kaasautori Jon Turowi sõnul tuleb luua AI agendi infrastruktuur, tehnoloogiline struktuur, mis on loodud ainult nende agentide arendamiseks (olenemata sellest, kuidas need on määratletud). Hiljutises blogipostituses kirjeldas Turow AI agentide näited mis praegu töötavad ja kuidas neid luuakse.
Turowi sõnul nõuab tehisintellekti agentide pidev tõus (kuigi ta tunnistab, et määratlus jääb mõnevõrra tabamatuks) tehnoloogiat, nagu iga teine tehnoloogiline uuendus. Oma artiklis kirjutatud sõnades märkis ta, et see tähendab, et tööstus peab püüdma välja töötada tugeva aluse, mis toetab tehisintellekti agente ja neile tuginevaid rakendusi.
Aja möödudes täiustub mõtlemisvõime tasapisi, uuenduslikud suundumused juhivad järjest enam ülesannete korraldamist ning programmeerijad püüavad keskenduda tootele ja andmetele, aspektidele, mis muudavad need ainulaadseks. Nad igatsevad, et tehnoloogiline baas toimiks lihtsalt laialdaselt, tõhusalt ja turvaliselt.
Teine aspekt, mida tuleks kaaluda, on võimalus nõuda mitut mudelit, selle asemel, et tugineda ainult ühele LLM-ile, et agendid saaksid tõhusalt töötada. See idee on mõttekas, kui käsitleda neid aineid erinevate ülesannete liitmisena. Macquarie US Equity Researchi tarkvara ja tehisintellekti uuringute direktori Fred Havemeyeri sõnul ei ole ühelgi praegusel suurel keelemudelil, eriti avalikult juurdepääsetaval monoliitsel mudelil, praegune võime tegeleda agentide ülesannetega. Nad ei ole veel võimelised selliseks keeruliseks pikaajaliseks arutluskäiguks, mis oleks agentide kontekstis tõeliselt põnev. Kuigi me liigume selles suunas, ei ole me veel seal.
Usun, et kõige tõhusamad agendid koosnevad tõenäoliselt erinevate mudelite erinevatest rühmadest, mille juhtkiht suunab päringuid või juhiseid kõige tõhusama agendi ja mudeli poole. Ma kujutan ette, et see võiks olla midagi sarnast põneva automatiseeritud järelevaatajaga, mis määrab mingi funktsiooni.
Lühidalt, Havemeyeri sõnul püüab tööstus saavutada eesmärki, et agendid tegutseksid autonoomselt. Tema enda sõnul näeb ta ette tulevikku, kus agendid on tõeliselt sõltumatud, võimelised omaks võtma abstraktsed eesmärgid ja mõistuse iga vaheetapi kaudu.
Ometi oleme nende agentidega seoses muutumise etapis ja me ei tea, millal jõuame Havemeyeri seatud lõppeesmärgini. Kuigi seni vaadeldud kujutab endast julgustavat sammu õiges suunas, on tehisintellekti agentide praeguste ootuste kohaselt toimimiseks siiski vaja täiendavaid edusamme ja leide. On ülioluline mõista, et me pole veel selleni jõudnud.
