Что такое составная система ИИ и агенты ИИ?
Платформа агента ИИ Мозаики помогает разработчикам преодолеть уникальные проблемы разработки агентов ИИ и составных систем ИИ. Узнайте, что делает приложение ИИ составной системой ИИ и агентом ИИ.
Составные системы ИИ
Составные системы ИИ — это системы , которые решают задачи ИИ путем объединения нескольких взаимодействующих компонентов. В отличие от этого, модель искусственного интеллекта — это просто статистическая модель, например преобразователь, который прогнозирует следующий маркер в тексте. Составные системы ИИ являются все более распространенным шаблоном проектирования для приложений ИИ из-за их производительности и гибкости.
Дополнительные сведения см. в разделе "Переход от моделей к составным системам ИИ".
Что такое агенты ИИ?
Отрасль по-прежнему определяет агентов ИИ, однако она обычно понимается как система ИИ, где модель принимает некоторые или все решения по планированию в отличие от жестко закодированных логики. Эти агенты используют большие языковые модели (LLM) для принятия решений и достижения своих целей.
Многие приложения агентов ИИ состоят из нескольких систем, таким образом, квалифицируя их как составные системы ИИ.
Агентство является континуумом, чем больше свободы мы предоставляем модели для управления поведением системы, тем больше агентов, как приложение становится.
Что такое инструменты?
Агенты ИИ используют средства для выполнения действий помимо создания языка, например для получения структурированных или неструктурированных данных, выполнения кода или взаимодействия с удаленными службами, например отправкой сообщения электронной почты или сообщения Slack.
В Databricks можно использовать функции каталога Unity в качестве инструментов, позволяя легко обнаруживать, управлять и совместно использовать средства. Вы также можете определить средства с помощью библиотек разработки агента открытый код, таких как LangChain.
В типичных рабочих процессах агента LLM предоставляет метаданные о средствах, которые используются для определения того, когда и как использовать средство. Поэтому при определении средств необходимо убедиться, что средство, его параметры и возвращаемое значение хорошо документированы, чтобы агент LLM лучше всего использовал это средство.
От LLM до агентов ИИ
Чтобы понять агенты ИИ, полезно рассмотреть эволюцию систем ИИ.
- LLMs: Первоначально крупные языковые модели просто ответили на запросы на основе знаний из обширного набора данных обучения.
- LLMs + цепочки инструментов. Затем разработчики добавили жестко закодированные инструменты для расширения возможностей LLM. Например, получение дополненного поколения (RAG) расширило база знаний LLM с пользовательскими наборами документации, а средства API позволили LLM выполнять такие задачи, как создание запросов в службу поддержки или отправка сообщений электронной почты.
- Агенты ИИ: теперь агенты ИИ автономно создают планы и выполняют задачи на основе их понимания проблемы. Агенты искусственного интеллекта по-прежнему используют инструменты, но это до них, чтобы решить, какой инструмент следует использовать и когда. Ключевым различием является уровень автономии и возможностей принятия решений по сравнению с составными системами ИИ.
С точки зрения разработки приложения ИИ, будь то отдельные LLM, LLMs с цепочкой инструментов или полные агенты ИИ сталкиваются с аналогичными проблемами. Платформа агента ИИ мозаики помогает разработчикам управлять уникальными задачами создания и приложений ИИ на всех уровнях сложности.
Примеры агентов ИИ
Ниже приведены некоторые примеры агентов ИИ в различных отраслях:
AI/BI: чат-боты и панели мониторинга, на основе ИИ, принимают запросы естественного языка для анализа данных предприятия, используя аналитические сведения из полного жизненного цикла их данных. Агенты AI/BI анализируют запросы, решают, какие источники данных и как взаимодействовать с результатами. Агенты ИИ/BI могут улучшаться с течением времени с помощью человеческих отзывов, предлагая средства для проверки и уточнения выходных данных.
Служба клиентов: чат-боты с поддержкой ИИ, такие как те, которые используются платформами обслуживания клиентов, взаимодействуют с пользователями, понимают естественный язык и предоставляют соответствующие ответы или выполняют задачи. Компании используют чат-боты ИИ для обслуживания клиентов, отвечая на запросы, предоставляя сведения о продукте и помогая в устранении неполадок.
Производственное прогнозное обслуживание: агенты ИИ могут выйти за рамки простого прогнозирования сбоев оборудования, автономного действия на них путем заказа замены или планирования обслуживания, чтобы сократить время простоя и повысить производительность.
Следующие шаги
Узнайте, как разрабатывать и оценивать агенты ИИ:
Руководство по агентам ИИ: