ИИ-агенты обладают гибкостью и автономией при планировании и выполнении сложных задач, которые традиционно требуют участия человека.

Автор: Дэвид Линтикум, InfoWorld
 
В быстро развивающейся области облачных вычислений появление агентов с генеративным ИИ, или, проще говоря, агентного ИИ, предвещает потенциальную смену парадигмы в том, как мы используем ИИ в облаке — даже до того, как мы полностью используем истинный потенциал генеративного ИИ.
 
Точно так же, как облачные вычисления изменили технологический ландшафт, агентный ИИ обладает потенциалом революционизировать наш подход к архитектуре генеративного ИИ, привнося автономию, интеллектуальность и эффективность.
 
Прежде чем мы углубимся в это, важно понять, что agentic AI — не универсальное решение для всех развертываний искусственного интеллекта. Да, он обладает потрясающим потенциалом. В этой отрасли мы склонны поддаваться ажиотажу вокруг новейших технологий, не имея достаточного понимания или опыта для принятия обоснованных решений. Моя цель — не просто продвигать агентный ИИ, но и донести до вас, что это жизнеспособный архитектурный вариант, который также имеет недостатки. 
 
Революция автономии
 
В основе agentic AI лежит его автономность и способность обеспечивать динамичное, распределенное поведение. Агенты ИИ могут самостоятельно инициировать, планировать и выполнять сложные задачи, которые традиционно требуют значительного вмешательства человека. Облачные архитекторы могут перейти от ручного управления задачами к контролирующей роли, где ИИ справляется со всеми сложностями.
 
Представьте себе сценарий, в котором агенты генеративного ИИ автономно управляют подготовкой инфраструктуры, динамически масштабируя ресурсы в зависимости от требований рабочей нагрузки и оптимизируя конфигурации для повышения производительности.
 
Различия между агентским ИИ и ИИ-агентами
 
Термин agentic AI охватывает более широкую и продвинутую концептуальную схему. Это всеобъемлющая система с различными автономными и адаптивными возможностями. Агенты ИИ — строительные блоки, которые выполняют конкретные задачи или функции в рамках структуры агентного ИИ. Agentic AI и ИИ-агенты связаны, но отличаются друг от друга. Все ясно как божий день?
 
Agentic AI — система искусственного интеллекта, предназначенная для достижения сложных целей и управления рабочими процессами при минимальном участии человека. Он демонстрирует расширенные возможности понимания контекста, принятия решений, адаптации к изменяющимся обстоятельствам и автономного выполнения многогранных задач.
 
Одна из важнейших характеристик агентского ИИ — его автономность. Агенты ИИ (лежащие в основе agentic AI) работают независимо, инициируя и решая задачи без постоянного контроля со стороны человека. Такая независимость позволяет им эффективно выполнять свои обязанности и оперативно реагировать на различные ситуации.
 
Если вам кажется, что это дежавю, вы правы. Агенты используются уже несколько десятилетий. И снова мы стираем пыль со старых архитектурных шаблонов, чтобы создать и определить новую уникальную ценность. Я много лет работал с агентами как с архитектурным вариантом, включая интеллектуальных агенты, использующих функции искусственного интеллекта. Новым здесь является использование генеративного ИИ (в частности, больших языковых моделей, LLMs), хотя это и не дает такой уж большой разницы. 
 
Как работает Agentic AI
 
Двумя важнейшими аспектами работы ИИ-агентов являются их способность принимать решения и рассуждать. Они оснащены сложными алгоритмами, которые позволяют им оценивать различные варианты, находить компромиссы и эффективно реагировать на новые ситуации. Они могут сделать это с помощью своих возможностей искусственного интеллекта, но большинство из них будут консультироваться с другими LLMs, чтобы узнать их мнение о проблемах, которые они хотят решить. Как правило, они берут информацию от многих больших языковых моделей, а затем проверяют на соответствие полученным ответам.
 
Помимо принятия решений, ИИ-агенты обладают высокой адаптивностью, если они правильно построены. Они могут динамично корректировать свои действия и планы в зависимости от меняющихся условий и получать обратную связь в режиме реального времени. Такая адаптивность гарантирует, что они будут продолжать эффективно работать даже в нестабильных условиях, сохраняя свою эффективность и результативность.
 
Agentic AI в системе управления цепочками поставок может автономно выполнять различные логистические операции, обеспечивая эффективную транспортировку, хранение и доставку товаров. ИИ-агенты анализируют и координируют данные из нескольких источников, такие как уровень запасов, графики поставок и погодные условия в режиме реального времени.
 
Допустим, глобальная розничная компания использует агентский искусственный интеллект для управления своей цепочкой поставок в нескольких регионах. Как она справится с суровыми погодными условиями, которые могут привести к неожиданным сбоям на нескольких маршрутах сбыта? Или с пандемией? В случае с погодой ИИ-агенты будут быстро анализировать данные о дорожном движении в режиме реального времени, прогнозах погоды и закрытии портов. Затем они будут динамично корректировать маршруты, перенаправляя грузовики в менее пострадавшие районы, чтобы избежать задержек и обеспечить своевременность доставки.
 
Эти агенты также умеют решать сложные задачи. Они могут управлять многоступенчатыми процессами и технологическими потоками, устанавливая промежуточные цели для решения любого количества задач. Они могут решать те задачи, которые в противном случае потребовали бы значительного вмешательства человека.
 
ИИ-агенты обладают расширенными возможностями обработки естественного языка (NLP). Они могут понимать, интерпретировать и генерировать человеческий язык, что облегчает взаимодействие и коммуникацию с пользователями и другими системами. Эти агенты также работают вместе с другими агентами с искусственным интеллектом или людьми-операторами в совместных и повторяющихся рабочих процессах. Благодаря постоянному обучению и обратной связи они совершенствуют свои результаты и повышают общую производительность.
 
Это сложнее, чем кажется на первый взгляд
 
На бумаге ИИ-агенты должны широко использоваться уже сегодня. Посмотрите на все плюсы, которые я перечислил. Недостатки гораздо сложнее понять. В первую очередь вам нужны инструменты для создания агентов с искусственным интеллектом. Их очень много, но важно понимать, что они из себя представляют и как их использовать. Не позволяйте поставщикам убеждать вас в обратном.
 
ИИ-агенты — сложные устройства для написания и развертывания. Архитекторов, способных проектировать их, и разработчиков, способных эффективно создавать их, очень мало. Я был свидетелем того, как команды объявляли, что будут использовать технологию, основанную на агентах, а затем создавали что-то, что совсем не соответствовало предлагаемому бизнес-сценарию.
 
Также вы не можете много вложить в эти ИИ-агенты, иначе они перестанут быть агентами. Вы упустили главное, если ваши ИИ-агенты представляют собой огромные кластеры графических процессоров. Лучший способ — внедрять такие ИИ-решения, где внутри агентов практически ничего не происходит. Вместо этого они должны предъявлять более жесткие требования к обработке данных, например, взаимодействуя со многими LLMs, которые выполняют «реальную работу».
 
Я думаю, мы увидим появление гораздо большего числа агентных архитектур ИИ, поскольку архитекторы ИИ и облачных технологий начнут понимать их ценность. Я уже интегрировал их в несколько проектов. Мой совет? Убедитесь, что все понимают преимущества, а также проблемы. Мы учимся по ходу дела. Пришло время изучить возможности и начать использовать агентный ИИ. Удачи.
 
Ссылка на источник