Агентный ИИ – цифровая рабочая сила

Искусственный интеллект (ИИ) стремительно развивается, и в настоящее время мы являемся свидетелями «третьей волны» его эволюции.

Среди различных моделей систем ИИ одна из концепций, которая привлекает внимание, – это агентный ИИ (Agentic AI). Он предназначен для автономного функционирования, принятия решений и действий на основе понимания окружающей среды и заранее определенных целей.

Согласно последним исследованиям, рынок Agentic AI оценивается примерно в 5,1 млрд долларов США и, по прогнозам, вырастет до 47,1 млрд долларов к 2030 году (среднегодовой темп роста 44,8%). Недавние заявления Salesforce и Oracle подтверждают эти прогнозы. Salesforce анонсировала «AgentForce», набор новых агентов ИИ, которые можно быстро внедрить на предприятии для создания гибридной рабочей силы. Oracle объявила о разработке более 50 новых ИИ агентов для своего облачного приложения Oracle Fusion Cloud.

Агенты в Agentic AI – это интеллектуальные помощники, способные автономно решать сложные задачи. Они действуют как цифровые сотрудники или ассистенты, которые могут управлять взаимодействием с клиентами, анализировать данные и выполнять задачи самостоятельно в реальном масштабе времени.

Концепция агентного ИИ

Agentic AI относится к системам искусственного интеллекта, которые демонстрируют автономное поведение, действуют как ИИ-агенты в окружающей среде для достижения конкретных целей. В отличие от традиционных систем ИИ, которые требуют контроля со стороны человека для принятия решений, агентный ИИ работает независимо, используя свои внутренние модели, алгоритмы обучения и процессы принятия решений для навигации и взаимодействия с внешними условиями.

Основные характеристики и компоненты Agentic AI

· Автономность и целенаправленность. Агентные системы искусственного интеллекта работают независимо, принимая решения и совершая действия без контроля со стороны человека. Они запрограммированы на реализацию конкретных целей и работают над их достижением посредством автономных действий.

· Адаптивное обучение и принятие сложных решений. Эти ИИ-системы учатся на собственном опыте, одновременно адаптируя своё поведение для оценки эффективности достижения своих целей. Они могут ориентироваться в сложных условиях, учитывая множество функций и результатов.

· Взаимодействие с окружающей средой и восприятие. ИИ-агент взаимодействует с будущими событиями, собирая данные с помощью датчиков, камер и других устройств ввода. Сбор данных в кратчайшие сроки позволяет оценить окружающую среду и принять обоснованные решения.

· Обработка информации. С помощью алгоритмов нейронные сети находят образы. Агентный ИИ обрабатывает и анализирует собранные данные посредством использования системы принятия решений, основанной на правилах и модели машинного обучения для соответствующих данных и управления своими действиями.

· Выполнение действий. Оснащённые такими механизмами, как роботизированные приводы или программируемыми командами, системы агентского ИИ выполняют задачи автономно, основываясь на обработанной информации и целях, на достижение которых они запрограммированы.

Например, ИИ-агент, управляющий электрочайником, может научиться корректировать его настройки в зависимости от изменений условий окружающей среды, в частности, высокой влажности. Со временем эти системы могут повысить свою эффективность, совершенствуя процессы принятия решений на основе прошлого опыта.

Отличие агентного ИИ от традиционного

Несмотря на то, что агентный и традиционный ИИ относятся к более широкому понятию «искусственный интеллект», между ними есть некоторые отличия в плане функциональности, автономности и способности принимать решения. Понимание этих различий крайне важно для раскрытия заложенного в Agentic AI потенциала.

1.Уровень автономии:

· Традиционные системы ИИ, как правило, предназначены для решения конкретных задач на основе заранее определённых правил или алгоритмов. Эти системы требуют, чтобы человек принимал решения, и часто работают в узких рамках возможностей. Например, протокол ИИ может использоваться для сортировки электронных писем по папкам на основе ключевых слов, но он не может принимать решения, выходящие за рамки этой заранее определённой задачи.

· Агентный ИИ – работает автономно, принимая решения без контроля со стороны человека. Он может учитывать окружающую среду, собирать данные и корректировать свои действия для достижения заранее определённых целей. Такой уровень автономности позволяет ИИ-агентам работать в динамичных, непредсказуемых средах, где они должны постоянно оценивать изменения и реагировать на них.

2.Процесс принятия решений:

· Традиционный ИИ – процесс принятия решений, как правило, основан на правилах или предварительно обученных моделях. эти системы не способны принять сложные решения, включая множество проблем и возможных результатов.

· Агентный искусственный интеллект напротив, способен принимать сложные решения, учитывая множество факторов и результатов. Он использует адаптивное обучение, которое с течением времени позволяет ему справляться с более широким спектром задач и проблем, особенно в ситуациях, когда окружающая среда постоянно меняется. Эта адаптивность является ключевой особенностью, которая позволяет агентному ИИ достигать своих целей и быть более эффективным и результативным, чем традиционные системы ИИ.

Сравнительные характеристики генеративного и агентного ИИ

Применение агентного ИИ

Потенциальные области применения агентного ИИ обширны и разнообразны, охватывают множество отраслей и сфер, например:

1. Автономные транспортные средства – агентный ИИ может использоваться в беспилотных автомобилях, где ИИ выступает в роли водителя, принимая решения в режиме реального времени на основе дорожных условий, дорожных знаков и других факторов окружающей среды.

2. Здравоохранение – может помочь в диагностике пациентов и планировании лечения, автономно анализируя медицинские данные и рекомендуя персонализированные варианты лечения.

3. Финансы – для осуществления алгоритмической торговли, где ИИ самостоятельно принимает торговые решения на основе рыночных тенденций и анализа данных.

4. Робототехника – имеет возможность управлять роботами, выполняющими сложные задачи самостоятельно, например поисково-спасательные операции в регионах, пострадавших от стихийных бедствий.

5. Системы «умного дома» – для автономного управления энергопотреблением, безопасностью и другими функциями домашней автоматизации.

Так, американский транснациональный финансовый конгломерат, один из крупнейших банков мира JPMorgan Chase инвестирует значительные средства в искусственный интеллект. Его платформа Contract Intelligence (COiN) является примером новаторского применения агентного ИИ в сфере финансовых услуг. COiN – это система машинного обучения, предназначенная для автоматизации анализа юридических документов, таких как контракты и соглашения.

COiN используется методы обработки естественного языка (Natural Language Processing, NLP) и машинного обучения (Machine Learning, ML) для:

· Извлечения данных из юридических документов – даты, участвующие стороны и условия договора.

· Анализа контрактов – COiN может анализировать контракты на предмет потенциальных рисков, несоответствий или ошибок.

· Автоматизации процессов – это позволяет значительно сократить время и затраты, связанные с рассмотрением контрактов в ручном режиме.

Данная платформа способна кардинально изменить способ обработки юридических документов финансовыми учреждениями. Автоматизируя рутинные задачи, COiN способствует повышению эффективности, сокращению расходов и улучшению управления рисками.

Поскольку область агентного ИИ продолжает развиваться, несколько ключевых игроков вносят значительный вклад посредством инновационных проектов и исследований.

Лидерами отрасли, которые расширяют границы возможностей Agentic AI являются:

1. Проект AutoGen от Microsoft

AutoGen – это фреймворк с открытым исходным кодом, разработанный Microsoft, который упрощает оркестровку, оптимизацию и автоматизацию рабочих процессов, включающих большие языковые модели (Large Language Models, LLM). Он позволяет создавать многоагентные системы, в которых агенты могут обмениваться информацией и объединяться для решения сложных задач.

Основные характеристики Project AutoGen:

· AutoGen позволяет разработчикам создавать специализированных ИИ агентов с определёнными возможностями, которые могут взаимодействовать друг с другом.

· Фреймворк включает в себя рабочие процессы с участием человека (обратная связь), позволяя в режиме реального времени получать информацию от людей и осуществлять контроль.

· За счет автоматизации взаимодействия между несколькими ИИ агентами, AutoGen значительно сокращает объём ручной работы и повышает эффективность приложений LLM, упрощая создание сложных систем для различных областей, таких как оптимизация цепочек поставок и ответы на вопросы на основе кода.

2. Lumos от Института искусственного интеллекта Аллена (Allen Institute for Artificial Intelligence, AI2, США)

Lumos – это платформа с открытым исходным кодом, предназначенная для обучения языковых агентов, разработанная AI2. Она ориентирована на создание ИИ агентов, способных выполнять сложные интерактивные задачи, с помощью модульной структуры и простого набора обучающих данных.

Ключевые особенности Lumos:

· Lumos состоит из модулей планирования, обучения и выполнения, что обеспечивает гибкость и масштабируемость при разработке языковых агентов.

· Платформа использует большой набор высокопроизводительных аннотаций, полученных из существующих тестов, которые позволяют агентам эффективно выполнять широкий спектр задач.

· Lumos в различных тестах продемонстрировала более высокую производительность по сравнению с существующими моделями, а также свой потенциал для развития исследований в области агентного ИИ.

3. Второй Next-Gen Copilot от Moveworks (США)

Moveworks известна своими решениями в области ИИ, которые повышают производительность труда. Next-Gen Copilot – это диалоговый интерфейс, который использует агентский ИИ для автоматизации задач ИТ-поддержки, позволяя сотрудникам взаимодействовать со всеми бизнес-системами.

Основные характеристики Next-Gen Copilot:

· Copilot может автономно диагностировать и решать распространенные ИТ-проблемы без вмешательства человека, оптимизируя процессы поддержки.

· Использует расширенные возможности обработки естественного языка для понимания запросов пользователей и предоставления точных ответов.

· Платформа легко интегрируется с различными корпоративными системами, расширяя свои возможности по оказанию помощи сотрудникам за счёт применения интеллектуального механизма поиска, предоставляющего своевременную и актуальную информацию.

Эти отраслевые лидеры не только расширяют возможности Agentic AI, но и демонстрируют его потенциал для революционных преобразований в различных областях.

Этические аспекты агентного ИИ

Несмотря на то, что Agentic AI открывает широкие возможности, он также поднимает важные этические вопросы. К ним относятся:

· Ответственность. Если автономная система ИИ принимает вредоносное решение, определение того, кто именно виноват (разработчики, пользователи или сам ИИ), становится сложной задачей?

· Предвзятость и справедливость. Агентные ИИ потенциально могут унаследовать или наработать определенную предвзятость на основе данных, на которых они обучаются. Обеспечение справедливости и смягчение последствий необъективности – важнейшая задача.

· Безопасность. Автономность Agentic AI вызывает опасения по поводу соблюдения мер безопасности, особенно в таких ответственных сферах, как здравоохранение или транспорт. Обеспечение того, чтобы эти системы ИИ принимали ответственные и правильные решения, имеет первостепенное значение.

· Регулирование. По мере распространения систем агентного ИИ растет потребность в нормативно-правовой базе, учитывающей уникальные проблемы, которые они создают.

Agentic AI открывает широкие возможности, но оно также требует тщательного рассмотрения правовых и социальных последствий. По мере развития технологий ИИ разработка надёжных структур, регулирующих создание и развертывание агентного ИИ, будет иметь решающее значение. Эти платформы должны гарантировать, что системы Agentic AI будут разработаны с учетом требований безопасности, справедливости и прозрачности, а также позволят раскрыть весь их потенциал, чтобы принести пользу обществу.

Таким образом, агентный ИИ представляет собой шаг вперёд в развитии технологий искусственного интеллекта, позволяющих создавать современные автономные системы, способные принимать сложные решения и адаптироваться. По мере того, как продолжается изучение и развитие этой технологии, очень важно соблюдать баланс между инновациями и ответственностью.