Какво представляват агентите с изкуствен интелект?

Инструментите с изкуствен интелект постепенно се превръщат в обичайна реалност. В същото време много се говори за агентите с изкуствен интелект и че това е следващото голямо нещо. MIT Technology Review обяснява как нов тип изкуствен интелект може да промени бизнеса, да разнообрази видеоигрите и да помогне с ежедневните задачи. 

Какво е истински изкуствен интелект 

Когато ChatGPT беше пуснат за първи път, всички говореха за следващото поколение AI базирани асистенти. Но през изминалата година това вълнение се насочи към нова цел: AI-агентите. 

Агентите бяха представени на видно място на годишната I/O конференция на Google през май, когато компанията представи своя нов AI-агент, наречен Astra. Той позволява на потребителите да взаимодействат с него чрез аудио и видео. Новият модел GPT-4o на OpenAI също се нарича AI-агент.  

Технологичните компании харчат огромни суми пари за създаването на AI-агенти и техните изследователски усилия могат да доведат до наистина полезен изкуствен интелект, за който сме мечтали от десетилетия. Много експерти, включително и Сам Алтман, казват, че това е следващото голямо нещо. Но какво представляват ИИ-агентите? И как можем да ги използваме? 

Какво е AI-агент и как работи? 

Що се отнася до агентите с изкуствен интелект, изследванията все още са в ранен етап и индустрията няма окончателна дефиниция за тях. „Най-просто казано, това са модели и алгоритми с изкуствен интелект, които самостоятелно могат да вземат решения в един динамичен свят“, казва Джим Фан, старши учен в Nvidia, който ръководи инициативата на компанията за AI-агент. 

Общата визия на агентите с изкуствен интелект е следната: система, която може да изпълнява широк набор от задачи, подобно на човешки асистент. Например, в бъдеще може да ви помогне да резервирате ваканция, но също ще запомни и дали предпочитате луксозни хотели, така че ще предлага само хотели с четири или повече звезди и след това ще резервира този, който изберете от списък с опции. След това ще предложи полети, които най-добре отговарят на вашия календар, и ще планира маршрута за пътуване, въз основа на вашите предпочитания. AI-агентът, въз основа на този план и прогнозата за времето, може да състави списък с нещата за опаковане. Може дори да изпрати маршрута ви до приятели, които познава и които живеят във вашата дестинация, за да ги покани да се присъединят. 

В работата може да анализира вашия списък със задължения и да изпълнява задачи от него, като изпращане на покани в календара, напомняния или имейли. 

Една визия за агентите е, че те са мултимодални, което означава, че могат да обработват реч, аудио и видео. Например, при демонстрацията на Astra от страна на Google, потребителите можеха да насочат камерата на своя смартфон към отделни неща и да задават въпроси на агента, който може да отговори на текстово, аудио и видео съдържание. 

Тези агенти могат също да опростят процесите за бизнеса и обществените организации, казва Дейвид Барбър, директор на Центъра за изкуствен интелект в University College London. Например, AI-агентът може да работи като сложен бот за обслужване на клиентите. Настоящото поколение асистенти, базирани на езикови модели, могат да генерират отговори чрез изграждане на предположения въз основа на текста на клиента. Но AI-агентът ще може автономно да изпълнява и команди на естествен език и да предоставя обслужване на клиентите без нужда от надзор. Например, агент може да анализира имейлите с жалби, след това независимо да провери референтния номер на клиента, да получи достъп до базите данни, за да провери дали жалбата е легитимна и да я обработи според политиката на компанията.

Има два вида агенти с изкуствен интелект 

Като цяло съществуват две различни категории агенти, казва Фен: софтуерни агенти (software agents) и въплътени агенти (embodied agents). 

Софтуерните агенти работят на компютри или мобилни телефони и използват съществуващи приложения, подобно на примера на туристическия агент по-горе. Основната им цел е да изпълняват задача, която изисква участието на специфичен софтуер. 

“Въплътените агенти са алгоритми, които се намират в 3D-свят, като например във видео игра или са част от софтуера на робот.“

Такива агенти могат да направят видеоигрите по-ангажиращи, като позволяват на хората да играят с неигрови герои, контролирани от AI. Тези агенти също могат да помогнат за създаването на по-полезни роботи, които биха могли да ни помогнат с ежедневните задачи у дома, като сгъване на пране и готвене.

Беше създаден въплътен AI-агент, наречен MineDojo, който взе участие в популярната компютърна игра Minecraft. Използвайки огромни количества данни, събрани от интернет, AI-агентът успя да усвои нови умения и задачи, които му позволиха свободно да изследва виртуалния свят на играта и да изпълнява сложни задачи като ограждане на лами или загребване на лава в кофа.

Видеоигрите са добър заместител на реалния свят, защото изискват от агентите да разбират физиката, разсъжденията и здравия разум. 

В документ , който все още не е одобрен от партньори, изследователите от Принстън казват, че AI агентите обикновено имат една от трите характеристики. Системите с изкуствен интелект се считат за „агенти“, ако: 

1. могат да постигнат сложни цели в сложна среда без обучение; 
2. могат да бъдат научени на естествен език и да действат автономно без надзор; 
3. могат да използват инструменти като търсене в мрежата, програмиране или могат да планират. 

Нещо ново ли са агентите с изкуствен интелект?

Терминът „агенти с изкуствен интелект“ съществува от години и означава отделни неща в различно време, казва Чираг Шах, професор по компютърни науки във Вашингтонския университет. 

Имаше две вълни от агенти, казва Фан. Настоящата вълна се дължи на бума на езиковия модел и развитието на системите като ChatGPT. Предишният беше през 2016 г., когато Google DeepMind представи AlphaGo — това е фирмената система за изкуствен интелект. Тя може да взема решения и да планира стратегии. Това се основава на обучение с подкрепление — техника, която възнаграждава AI-алгоритмите за желаното поведение. 

„Но тези агенти не са общи“ — казва Ориол Виналс, вицепрезидент на Google DeepMind Research. Те са създадени за много специфична задача — в този случай игра. Новото поколение изкуствен интелект, базиран на основния модел, прави агентите по-гъвкави, защото могат да се учат от света, с който хората взаимодействат. 

Какви са ограниченията на AI-агентите? 

Все още има много отворени въпроси, на които трябва да се отговори. Кангджун Куин, главен изпълнителен директор и основател на стартъпа за изкуствен интелект Imbue, който работи върху агенти, можещи да разсъждават и кодират, сравнява състоянието на агентите със състоянието на самоуправляващите се автомобили преди повече от десетилетие. Те могат да правят неща, но са ненадеждни и все още не са напълно автономни. Например кодиращ агент може да генерира код, но понякога прави грешки и не знае как да тества кода, който генерира. Така че хората все още трябва да участват активно в процеса. Системите с изкуствен интелект все още не могат да разберат напълно коя е критичната стъпка в работата в сложния и двусмислен човешки свят. 

„Не сме близо до агент, който може просто да автоматизира всички домакински задължения вместо нас“ — казва Фан. Съвременните системи „халюцинират и не винаги следват ясно инструкциите. И това е досадно.“  

Друго ограничение е, че след известно време AI-агентите губят представа върху какво работят. Системите с изкуствен интелект са ограничени от контекстни прозорци, тоест количеството данни, което могат да обмислят във всеки един момент. 

„ChatGPT може да кодира, но не е добър в създаването на дългосрочно съдържание. Но за разработчиците ние създаваме цяло хранилище в GitHub, което съдържа десетки, ако не и стотици редове код, и нямаме проблем с това” казва Фан. 

За да реши този проблем, Google увеличи капацитета на моделите си за обработка на данни, което позволява на потребителите да взаимодействат с тях по-дълго, по време на което си спомнят повече за миналите взаимодействия. Компанията казва, че работи в бъдеще превръщането на контекстните прозорци да е безкрайно.

За въплътените агенти като роботи има още повече ограничения. Няма достатъчно данни за обучение, а изследователите тепърва започват да използват силата на езиковите модели в роботиката. 

Така че въпреки цялата шумотевица и реклама, струва си да си припомним, че изследването на агентите с изкуствен интелект е все още в много ранен етап и вероятно ще минат години, преди да можем да изпитаме пълния им потенциал. 

Мога ли да тествам AI-агента сега? 

Определено разнообразие, да. Вероятно сте опитвали ранните им прототипи, като ChatGPT и GPT-4 на OpenAI. „Ако взаимодействате със софтуер, който изглежда интелигентен, той е вид агент“ — казва Канджун Циу.

Понастоящем най-добрите агенти, които имаме, са системи с много тесни и специфични случаи на употреба, като асистенти за кодиране, ботове за обслужване на клиенти или софтуер за автоматизация на работния процес като Zapier. Но това далеч не е универсален AI-агент, който може да изпълнява сложни задачи. 

Плъгините с ChatGPT на OpenAI, които позволяват на хората да създават задвижвани от AI асистенти за уеб-браузъра, бяха опит за агенти. Но тези системи все още са тромави, ненадеждни и неспособни да разсъждават. 

Все пак, подобни системи един ден ще променят начина, по който взаимодействаме с технологиите, вярва Циу, и това е тенденция, на която хората трябва да обърнат внимание. „Не е като „О, Боже мой, изведнъж имаме AGI“ … по-скоро е „О, Боже мой, компютърът ми може много повече, отколкото преди пет години.““