Агентные модели стимулируют новый этап развития искусственного интеллекта

Время на прочтение: 2 мин

Значительные возможности больших языковых моделей и чат-ботов по взаимодействию и генерации убедительных четких предложений создали иллюзию наличия образования, эрудиции и ума у систем ИИ. Однако в настоящее время происходит переход от инструментов на основе знаний и генеративного ИИ к ИИ-агентам, которые используют базовые модели для выполнения сложных многоэтапных рабочих процессов в цифровом мире.

Это предположение подтверждается в отчете McKinsey Digital «Агенты – следующий рубеж генеративного ИИ», опубликованном в июле 2024 года.

Агенты – это цифровые системы, которые могут самостоятельно взаимодействовать в динамичном мире. Несмотря на то, что версии этих программных систем существуют давно, возможности генерации ИИ на естественном языке позволяют системам планировать свои действия, использовать онлайн инструменты, сотрудничать с другими агентами и/или людьми, и обучаться. Через некоторое время эти агенты могут стать виртуальными коллегами и работать с человеком. Например, виртуальный помощник сможет планировать сложные индивидуальные маршруты, работая с несколькими туристическими платформами. Или инженер сможет описать новую функцию программного обеспечения агенту, который сможет кодировать, тестировать, дорабатывать и внедрять новый инструмент. Согласно отчету, ИИ вступает в мыслительную фазу, то есть, имеет способность к разумным статистическим прогнозам после обучения на больших объемах информации. Человек с помощью LLM говорит ИИ-агенту, что нужно сделать, и агент это делает без вмешательства человека.

В настоящее время компьютеры используются для автоматизации задач и приложений. От размера и сложности приложений зависят трудозатраты. В настоящее время платформы для разработки приложений становятся сложнее, они основаны на языках и инструментах более высокого уровня, которые позволяют автоматизировать больше процессов для разработки сложных приложений.

Однако на смену традиционному детерминированному программированию приходят агентные системы разработки приложения, которые основаны на статистически ориентированных методах фундаментальных моделей ИИ и обучены на значительных наборах данных. Ранее агентные модели требовали трудоемкого программирования на основе правил или узкоспециализированного обучения моделей машинного обучения. Согласно отчету McKinsey, ИИ меняет это. Агентные системы создаются с использованием базовых моделей (которые обучаются на больших и разнообразных наборах неструктурированных данных) и могут адаптироваться к различным сценариям так же, как большие языковые модели могут разумно отвечать на запросы, для которых они не были специально обучены. Кроме того, используя естественный язык, а не программный код, пользователь-человек может управлять системой агентов с поддержкой ИИ для выполнения сложного рабочего процесса. Мультиагентная система интерпретирует и организовывает рабочий процесс в выполнимые задач, распределяет работу между специализированными агентами, выполняет эти уточнённые задачи с помощью цифровой экосистемы инструментов и сотрудничает с другими агентами и людьми для повышения качества своих действий. Агенты смогут автоматизировать значительную часть простых элементов сложных приложений, которые в настоящее время требуют времени и средств.

С помощью ИИ агенты упростят автоматизацию за счет трех ключевых аспектов:

управление многообразием. Линейный процесс с определенной последовательностью шагов для достижения определенного результата просто кодировать и автоматизировать. Однако при столкновении с непредсказуемыми ситуациями приложения, основанные на явных правилах, перестают работать. Системы ИИ-агентов, основанные на базовых моделях, адаптируются к ситуациям в режиме реального времени для завершения процесса;

управление с помощью естественного языка. Автоматизация сценариев использования требует его сегментации на ряд правил и этапов, которые необходимо кодифицировать и затем интегрировать в программные системы. Это трудоемкий, технически сложный и дорогостоящий процесс. Для обучения агентных систем используют естественный язык, что упрощает кодирование сложных процессов. Это также не требует технических знаний от сотрудников;

работа с программными инструментами и платформами. Агентов можно обучить работе с приложениями, поиску информации в интернете, сбору отзывов и сотрудничеству с другими агентами. Базовые модели могут научиться взаимодействовать с цифровыми инструментами с помощью естественного языка или других интерфейсов.

Резюмируя вышеизложенное, агентный ИИ – это перспективное направление в разработке приложений. Однако внедрение агентов потребует от организаций определения и документирования бизнес-процессов в кодифицированные рабочие процессы, которые затем используются для подготовки агентов; формирования эффективного взаимодействия агентов с существующей инфраструктурой и совершенствования механизмов управления для сохранения баланса автономии и риска.