Co jsou složené agenty AI a agenti AI?
Rozhraní AI Agent Framework umožňuje vývojářům překonat jedinečné výzvy při vývoji agentů AI a složených systémů AI. Zjistěte, co dělá aplikaci AI složeným systémem AI a agentem AI.
Složené systémy AI
Složené systémy AI jsou systémy , které řeší úlohy AI kombinováním více interagujících komponent. Naproti tomu model AI je jednoduše statistický model, například Transformer, který předpovídá další token v textu. Složené systémy AI jsou stále častějším vzorem návrhu pro aplikace umělé inteligence z důvodu jejich výkonu a flexibility.
Další informace naleznete v tématu Přechod z modelů na složené systémy AI .
Co jsou agenti AI?
Odvětví stále definuje agenty AI, ale obecně se rozumí jako systém AI, ve kterém model provádí některá nebo všechna rozhodnutí o plánování na rozdíl od pevně zakódované logiky. Tito agenti používají velké jazykové modely (LLM) k rozhodování a plnění svých cílů.
Mnoho aplikací agentů umělé inteligence je tvořeno více systémy, a proto je kvalifikuje jako složené systémy AI.
Agentura je kontinuum, tím více volnosti poskytujeme modely pro řízení chování systému, tím více agent-jako aplikace se stane.
Co jsou nástroje?
Agenti umělé inteligence používají nástroje k provádění akcí kromě generování jazyka, například k načtení strukturovaných nebo nestrukturovaných dat, spuštění kódu nebo komunikaci se vzdálenými službami, jako je odeslání e-mailu nebo zprávy Slack.
V Databricks můžete používat funkce katalogu Unity jako nástroje, které umožňují snadné zjišťování, zásady správného řízení a sdílení nástrojů. Můžete také definovat nástroje pomocí opensourcových knihoven pro vytváření agentů, jako je LangChain.
V typických agentských pracovních postupech má agent LLM metadata o nástrojích, které používá k určení, kdy a jak nástroj používat. Při definování nástrojů tedy musíte zajistit, aby byl nástroj, jeho parametry a jeho návratová hodnota dobře zdokumentované, aby agent LLM mohl nástroj nejlépe použít.
Z LLM na agenty AI
Abyste porozuměli agentům umělé inteligence, je vhodné zvážit vývoj systémů AI.
- LLMs: Zpočátku velké jazykové modely jednoduše odpověděly na výzvy založené na znalostech z rozsáhlé trénovací datové sady.
- LLMs + řetězy nástrojů: Vývojáři přidali pevně zakódované nástroje pro rozšíření možností LLM. Načtení rozšířené generace (RAG) například rozšířilo znalostní báze LLM s vlastními sadami dokumentace, zatímco nástroje API umožňují LLM provádět úlohy, jako je vytváření lístků podpory nebo odesílání e-mailů.
- Agenti umělé inteligence: Agenti umělé inteligence teď samostatně vytvářejí plány a provádějí úlohy na základě jejich porozumění problému. Agenti umělé inteligence stále používají nástroje, ale záleží na nich, abyste se rozhodli, který nástroj použít a kdy. Klíčovým rozdílem je úroveň autonomie a rozhodovacích schopností v porovnání se složeným systémem AI.
Z hlediska vývoje čelí aplikace AI, ať už jde o jednotlivé LLM, LLM s nástroji nebo úplné agenty umělé inteligence, čelit podobným výzvám. Rozhraní AI Agent Framework umožňuje vývojářům spravovat jedinečné výzvy při sestavování aplikací a aplikací umělé inteligence na všech úrovních složitosti.
Příklady agentů AI
Tady je několik příkladů agentů umělé inteligence v různých odvětvích:
AI/BI: Chatovací roboti a řídicí panely využívající AI přijímají výzvy přirozeného jazyka k provádění analýzy dat podniků a získávají přehledy z úplného životního cyklu jejich dat. Agenti AI/BI analyzují žádosti, rozhodují o zdrojích dat a o tom, jak komunikovat závěry. Agenti AI/BI se můžou v průběhu času zlepšit prostřednictvím lidské zpětné vazby a nabízejí nástroje pro ověření a upřesnění svých výstupů.
Zákaznická služba: Chatovací roboti využívající AI, jako jsou například chatovací roboti, kteří používají platformy zákaznických služeb, komunikují s uživateli, chápou přirozený jazyk a poskytují relevantní odpovědi nebo provádějí úlohy. Společnosti používají chatovací roboty AI pro zákaznické služby zodpovězením dotazů, poskytováním informací o produktech a pomocí s řešením potíží.
Prediktivní údržba výroby: Agenti umělé inteligence můžou jednoduše předpovídat selhání zařízení, nezávisle na nich jednat objednáním nahrazení nebo plánováním údržby za účelem snížení výpadků a zvýšení produktivity.
Další kroky
Naučte se vyvíjet a vyhodnocovat agenty AI:
Praktické kurzy k agentům AI: