Che cosa sono gli agenti di AI e AI composti?
Mosaic AI Agent Framework aiuta gli sviluppatori a superare le sfide uniche dello sviluppo di agenti di intelligenza artificiale e sistemi di intelligenza artificiale composti. Informazioni su come rendere un'applicazione di intelligenza artificiale composta un sistema di intelligenza artificiale e un agente di intelligenza artificiale.
Sistemi AI composti
I sistemi di intelligenza artificiale composti sono sistemi che affrontano le attività di intelligenza artificiale combinando più componenti che interagiscono. Al contrario, un modello di intelligenza artificiale è semplicemente un modello statistico, ad esempio un transformer che stima il token successivo nel testo. I sistemi di intelligenza artificiale composti sono un modello di progettazione sempre più comune per le applicazioni di intelligenza artificiale grazie alle prestazioni e alla flessibilità.
Per altre informazioni, consultare Il passaggio da modelli a sistemi di intelligenza artificiale composti.
Che cosa sono gli agenti di intelligenza artificiale
Il settore definisce ancora gli agenti di intelligenza artificiale, ma in genere è un sistema di intelligenza artificiale in cui il modello prende alcune o tutte le decisioni di pianificazione in contrasto con la logica hardcoded. Questi agenti usano modelli di linguaggio (LLM) di grandi dimensioni per prendere decisioni e raggiungere i propri obiettivi.
Molte applicazioni di agenti di intelligenza artificiale sono costituite da più sistemi, qualificandoli quindi come sistemi di intelligenza artificiale composti.
L'agenzia è un continuum, maggiore è la libertà di fornire modelli per controllare il comportamento del sistema, più diventa l'agente-simile all'applicazione.
Che cosa sono gli strumenti?
Gli agenti di intelligenza artificiale usano strumenti per eseguire azioni oltre alla generazione del linguaggio, ad esempio per recuperare dati strutturati o non strutturati, eseguire codice o comunicare con servizi remoti come l'invio di un messaggio di posta elettronica o Slack.
In Databricks è possibile usare le funzioni di Unity Catalog come strumenti, consentendo un'individuazione, una governance e una condivisione semplici degli strumenti. È anche possibile definire strumenti usando librerie di creazione di agenti open source come LangChain.
Nei flussi di lavoro tipici degli agenti, l'agente LLM fornisce metadati sugli strumenti, che usa per determinare quando e come usare lo strumento. Pertanto, quando si definiscono gli strumenti, è necessario assicurarsi che lo strumento, i relativi parametri e il relativo valore restituito siano ben documentati, in modo che l'agente LLM possa usare al meglio lo strumento.
Da LLM a agenti di intelligenza artificiale
Per comprendere gli agenti di intelligenza artificiale, è utile considerare l'evoluzione dei sistemi di intelligenza artificiale.
- LLM: inizialmente, i modelli linguistici di grandi dimensioni hanno semplicemente risposto alle richieste in base alle conoscenze di un set di dati di training vasto.
- LLM + catene di strumenti: quindi, gli sviluppatori hanno aggiunto strumenti hardcoded per espandere le funzionalità di LLM. °Ad esempio, il recupero della generazione aumentata (RAG) ha espanso la knowledge base di un LLM con set di documentazione personalizzati, mentre gli strumenti API hanno consentito alle VM di eseguire attività come creare ticket di supporto o inviare messaggi di posta elettronica.
- Agenti di intelligenza artificiale: ora gli agenti di intelligenza artificiale creano autonomamente piani ed eseguono attività in base alla comprensione del problema. Gli agenti di intelligenza artificiale usano ancora strumenti, ma spetta loro decidere quale strumento usare e quando. La distinzione principale consiste nel livello di autonomia e capacità decisionali rispetto ai sistemi di intelligenza artificiale composti.
Dal punto di vista dello sviluppo, le applicazioni di intelligenza artificiale, indipendentemente dal fatto che siano singole LLM, LLM con toolchain o agenti di intelligenza artificiale completi affrontano sfide simili. Mosaic AI Agent Framework consente agli sviluppatori di gestire le sfide uniche della creazione e dell'intelligenza artificiale a tutti i livelli di complessità.
Esempi di agenti di intelligenza artificiale
Ecco alcuni esempi di agenti di intelligenza artificiale in tutti i settori:
AI/BI: chatbot e dashboard basati sull'intelligenza artificiale accettano richieste di linguaggio naturale per eseguire analisi sui dati di un'azienda, disegnando informazioni dettagliate dal ciclo di vita completo dei dati. Gli agenti di AI/BI analizzano le richieste, decidono le origini dati e come comunicare i risultati. Gli agenti di AI/BI possono migliorare nel tempo attraverso il feedback umano, offrendo strumenti per verificare e perfezionare i suoi output.
Servizio clienti: chatbot basati sull'intelligenza artificiale, ad esempio quelli usati dalle piattaforme del servizio clienti, interagiscono con gli utenti, comprendono il linguaggio naturale e forniscono risposte pertinenti o eseguono attività. Le aziende usano chatbot di intelligenza artificiale per il servizio clienti rispondendo a query, fornendo informazioni sul prodotto e assistendo nella risoluzione dei problemi.
Manutenzione predittiva della produzione: gli agenti di intelligenza artificiale possono andare oltre la semplice previsione degli errori delle apparecchiature, agendo autonomamente su di essi ordinando sostituzioni o pianificando la manutenzione per ridurre i tempi di inattività e aumentare la produttività.
Passaggi successivi
Informazioni su come sviluppare e valutare gli agenti di intelligenza artificiale:
Esercitazioni pratiche sull'agente di intelligenza artificiale: