O que são sistemas de IA compostos e agentes de IA?
A Estrutura do Mosaic AI Agent ajuda os desenvolvedores a superar os desafios exclusivos do desenvolvimento de agentes de IA e sistemas compostos de IA. Saiba o que torna um aplicativo de IA um sistema de IA composto e um agente de IA .
Sistemas compostos de IA
Os sistemas compostos de IA são sistemas que lidam com tarefas de IA combinando vários componentes interativos. Em contraste, um modelo de IA é simplesmente um modelo estatístico, por exemplo, um Transformer que prevê o próximo token no texto. Os sistemas compostos de IA são um padrão de design cada vez mais comum para aplicativos de IA devido ao seu desempenho e flexibilidade.
Para obter mais informações, consulte A mudança de modelos para sistemas compostos de IA.
O que são agentes de IA?
A indústria ainda está definindo agentes de IA, no entanto, geralmente é entendido como um sistema de IA o sistema em que o modelo toma algumas ou todas as decisões de planejamento em contraste com a lógica embutida em código. Esses agentes usam grandes modelos de linguagem (LLMs) para tomar decisões e atingir seus objetivos.
Muitos aplicativos de agentes de IA são feitos de vários sistemas, qualificando-os como sistemas compostos de IA.
A agência é um continuum, quanto mais liberdade fornecemos aos modelos para controlar o comportamento do sistema, mais parecido com um agente o aplicativo se torna.
O que são ferramentas?
Os agentes de IA usam ferramentas para executar ações além da geração de linguagem, por exemplo, para recuperar dados estruturados ou não estruturados, executar código ou conversar com serviços remotos, como enviar emails ou mensagens do Slack.
No Databricks, você pode usar as funções do Catálogo do Unity como ferramentas, permitindo uma fácil descoberta, governança e compartilhamento de ferramentas. Você também pode definir ferramentas usando bibliotecas de criação de agentes de software livre, como o LangChain.
Em fluxos de trabalho de agentes típicos, o agente LLM recebe metadados sobre ferramentas, os quais ele usa para determinar quando e como usar a ferramenta. Portanto, ao definir ferramentas, você deve garantir que a ferramenta, seus parâmetros e seu valor retornado estejam bem documentados para que o agente LLM possa usar melhor a ferramenta.
De LLMs a agentes de IA
Para entender os agentes de IA, é útil considerar a evolução dos sistemas de IA.
- LLMs: Inicialmente, grandes modelos de linguagem simplesmente respondiam a solicitações com base no conhecimento de um vasto conjunto de dados de treinamento.
- LLMs + cadeias de ferramentas: Em seguida, os desenvolvedores adicionaram ferramentas codificadas para expandir os recursos do LLM. Por exemplo, a geração aumentada de recuperação (RAG) expandiu a base de informações de um LLM com conjuntos de documentos personalizados, enquanto as ferramentas de API permitiram que os LLMs executassem tarefas como criar tíquetes de suporte ou enviar e-mails.
- Agentes de IA: agora, os agentes de IA criam planos e executam tarefas de forma autônoma com base em sua compreensão do problema. Os agentes de IA ainda usam ferramentas, mas cabe a eles decidir qual ferramenta usar e quando. A principal distinção está no nível de autonomia e capacidade de tomada de decisão em comparação com os sistemas compostos de IA.
Do ponto de vista do desenvolvimento, os aplicativos de IA, sejam eles LLMs individuais, LLMs com cadeias de ferramentas ou agentes de IA completos, enfrentam desafios semelhantes. A Estrutura do Mosaic AI Agent ajuda os desenvolvedores a gerenciar os desafios exclusivos da criação e de aplicativos de IA em todos os níveis de complexidade.
Exemplos de agentes de IA
Aqui estão alguns exemplos de agentes de IA em todos os setores:
IA/BI: chatbots e painéis da plataforma de IA aceitam solicitações de linguagem natural para realizar análises nos dados de uma empresa, extraindo insights de todo o ciclo de vida de seus dados. Os agentes de IA/BI analisam solicitações, decidem quais fontes de dados e como comunicar as descobertas. Agentes IA/BI podem melhorar ao longo do tempo por meio de feedback humano, oferecendo ferramentas para verificar e refinar seus resultados.
Atendimento ao cliente: chatbots com inteligência artificial, como os usados por plataformas de atendimento ao cliente, interagem com os usuários, entendem a linguagem natural e fornecem respostas relevantes ou executam tarefas. As empresas usam chatbots de IA para atendimento ao cliente, respondendo a perguntas, fornecendo informações sobre produtos e auxiliando na solução de problemas.
Manutenção preditiva de fabricação: os agentes de IA podem ir além de simplesmente prever falhas de equipamentos, agindo de forma autônoma solicitando substituições ou agendando a manutenção para reduzir o tempo de inatividade e aumentar a produtividade.
Próximas etapas
Saiba como desenvolver e avaliar agentes de IA:
Tutoriais práticos do agente de IA: