Що таке агенти штучного інтелекту

Інструменти із штучним інтелектом потроху стають звичною реальністю. Водночас багато говорять про агентів штучного інтелекту та що це next big thing. MIT Technology Review пояснює, як новий тип штучного інтелекту може змінити бізнес, урізноманітнити відеоігри та допомогти впоратись із повсякденними справами. 

Правдивий штучний інтелект 

Коли випустили ChatGPT, усі говорили про нове покоління помічників на базі штучного інтелекту. Але за останній рік це хвилювання обернулося новою метою — агентами ШІ. 

Агенти посідали важливе місце на щорічній конференції Google I/O у травні, коли компанія представила свій новий агент ШІ під назвою Astra, який дає змогу користувачам взаємодіяти з ним за допомогою аудіо та відео. Нову модель GPT-4o від OpenAI також називають агентом ШІ.  

І це не просто ажіотаж, хоча певна частина цього також присутня. Технічні компанії витрачають величезні кошти на створення агентів штучного інтелекту, і їхні дослідницькі зусилля можуть створити справді корисний штучний інтелект, про який ми мріяли десятиліттями. Багато експертів, зокрема Сем Альтман, кажуть, що це next big thing. Але які вони? І як ми можемо ними скористатися? 

Що таке агент штучного інтелекту та як це працює 

Що стосується агентів штучного інтелекту, то дослідження досі на ранній і в галузі немає остаточного визначення для них. «Простіше кажучи, це моделі та алгоритми штучного інтелекту, які можуть самостійно ухвалювати рішення у динамічному світі», — каже Джим Фан, старший науковий співробітник Nvidia, який очолює ініціативу агентів ШІ компанії. 

Загальне бачення агентів штучного інтелекту — це система, яка може виконувати широкий спектр завдань, подібно до людини-помічника. Наприклад, у майбутньому він може допомогти забронювати відпустку, але також запам’ятає, чи віддаєте ви перевагу шикарним готелям, тож пропонуватиме готелі лише з чотирма зірками або більше, а потім забронюйте той, який виберете зі списку варіантів. Потім він також запропонує рейси, які найкраще відповідають вашому календарю, і спланує маршрут подорожі відповідно до ваших уподобань. Агент ШІ може скласти список речей, які потрібно спакувати, виходячи з цього плану та прогнозу погоди. Він навіть може надіслати ваш маршрут будь-яким друзям, яких знає, що живуть у вашому пункті призначення, і запросити їх приєднатись. 

На робочому місці він може аналізувати ваш список справ і виконувати завдання з нього, наприклад надсилати запрошення з календаря, нагадування або електронні листи. 

Одне з бачень агентів полягає в тому, що вони мультимодальні, тобто можуть обробляти мову, аудіо та відео. Наприклад, у демонстрації Astra від Google користувачі могли наводити камеру смартфону на речі та ставити запитання агенту. Агент міг реагувати на текст, аудіо- та відеоконтент. 

Підписуйтеся на наші соцмережі

Ці агенти можуть також спростити процеси для бізнесу та громадських організацій, каже Девід Барбер, директор Центру штучного інтелекту Лондонського університетського коледжу. Наприклад, агент ШІ міг би працювати як складний бот обслуговування клієнтів. Сучасне покоління помічників на основі мовної моделі може генерувати відповіді, будуючи припущення на основі тексту клієнта. Але агент штучного інтелекту матиме можливість автономно виконувати команди природною мовою та обслуговування клієнтів без нагляду. Наприклад, агент міг би аналізувати електронні листи зі скаргами, а потім самостійно перевірити контрольний номер клієнта, отримати доступ до баз даних, щоб перевірити, чи скарга законна, і обробити її відповідно до політики компанії.

Два типи агентів штучного інтелекту 

Є дві категорії агентів, каже Фан: програмні агенти (software agents) та втілені агенти (embodied agents). 

Програмні агенти працюють на комп’ютерах або мобільних телефонах і використовують наявні програми, приблизно як у прикладі про турагента вище. Їхня основна мета — виконати завдання, яке потребує залучення конкретного програмного забезпечення. 

Такі агенти можуть зробити відеоігри більш привабливими, дозволяючи людям грати з неігровими персонажами, керованими ШІ. Ці агенти можуть також допомогти створити більш корисних роботів, які могли б допомагати нам виконувати повсякденні завдання вдома, наприклад, складати білизну та готувати їжу. 

Фан був частиною команди, яка створила втіленого агента ШІ під назвою MineDojo у популярній комп’ютерній грі Minecraft. Використовуючи величезну кількість даних, зібраних з інтернету, агент із штучного інтелекту Fan зміг освоїти нові навички та завдання, які дозволили йому вільно досліджувати віртуальний світ гри та виконувати складні завдання, наприклад, оточувати лам парканами або зачерпувати лаву у відро.

Відеоігри є хорошим проксі для реального світу, оскільки вони вимагають від агентів розуміння фізики, міркувань і здорового глузду. 

У статті, яка ще не була рецензована, дослідники з Принстона кажуть, що агенти ШІ зазвичай мають одну з трьох характеристик. Системи штучного інтелекту вважаються «агентними», якщо вони: 

Агенти штучного інтелекту — це щось нове?

Термін «агенти штучного інтелекту» існує вже багато років і у різні часи означав різні речі, каже Чираг Шах, професор інформатики з Університету Вашингтона. 

Було дві хвилі агентів, каже Фан. Нинішня хвиля — завдяки буму мовної моделі та розвитку таких систем, як ChatGPT. Попередня була у 2016 році, коли Google DeepMind представила AlphaGo, свою систему штучного інтелекту, яка перемогла чемпіона у грі го. AlphaGo міг ухвалювати рішення та планувати стратегії. Це ґрунтувалося на навчанні з підкріпленням, техніці, яка винагороджує алгоритми ШІ за бажану поведінку. 

«Але ці агенти не були загальними», — каже Оріол Віньялс, віцепрезидент із досліджень Google DeepMind. Вони були створені для дуже конкретних завдань — у цьому разі для гри. Нове покоління штучного інтелекту на основі базової моделі робить агентів більш універсальними, оскільки вони можуть навчатися у світі, з яким взаємодіють люди. 

Які існують обмеження у агентів ШІ? 

Є ще багато відкритих питань, на які потрібно знайти відповіді. Канджун Цю, генеральний директор і засновник стартапу із штучним інтелектом Imbue, який працює над агентами, що вміють міркувати та кодувати, порівнює стан агентів зі станом безпілотних автомобілів більш як десять років тому. Вони можуть щось робити, але вони ненадійні та досі не зовсім автономні. Наприклад, агент кодування може генерувати код, але іноді помиляється і не знає, як перевірити код, який створює. Отже, люди все ще повинні брати активну участь у цьому процесі. Системи штучного інтелекту досі не можуть повністю розуміти, що є критично важливим кроком у роботі в складному та неоднозначному людському світі. 

«Ми й близько не матимемо агента, який може просто автоматизувати всі домашні справи за нас», — каже Фан. Сучасні системи «галюцинують, і вони також не завжди чітко дотримуються інструкцій, і це дратує».  

«ChatGPT може кодувати, але не може добре створювати довгостроковий контент. Але для розробників ми дивимося на цілий репозиторій GitHub, який містить десятки, якщо не сотні рядків коду, і ми не маємо проблем з цим», — каже Фан. 

Щоб вирішити цю проблему, Google збільшив здатність своїх моделей обробляти дані, що дозволяє користувачам довше взаємодіяти з ними, під час яких вони більше пам’ятають про минулі взаємодії. Компанія заявила, що працює над тим, аби зробити контекстні вікна нескінченними.

Для втілених агентів, як-от роботи, існує ще більше обмежень. Немає достатньо навчальних даних, щоб навчити їх, і дослідники тільки починають використовувати потужність мовних моделей у робототехніці. 

Тому, попри весь ажіотаж, варто пам’ятати, що дослідження агентів штучного інтелекту все ще перебувають на ранніх стадіях, і, ймовірно, знадобляться роки, поки ми зможемо відчути їхній повний потенціал. 

Чи можу я зараз випробувати агента ШІ? 

Певний різновид, так. Ймовірно, ви пробували їхні ранні прототипи, як-от ChatGPT і GPT-4 від OpenAI. «Якщо ви взаємодієте з програмним забезпеченням, яке здається розумним, це свого роду агент», — каже Канджун Цю. 

Наразі найкращі агенти, які ми маємо, — це системи з дуже вузькими й конкретними сценаріями використання, як-от помічники кодування, боти обслуговування клієнтів або програмне забезпечення для автоматизації робочого процесу, як-от Zapier. Але це далеко не універсальний агент ШІ, який може виконувати складні завдання. 

Плагіни ChatGPT від OpenAI, які дозволяють людям створювати помічників на основі ШІ для веббраузера, були спробою агентів. Але ці системи все ще незграбні, ненадійні та не здатні міркувати. 

Ці системи одного разу змінять спосіб нашої взаємодії з технологіями, вважає Цю, і це тенденція, на яку люди повинні звернути увагу. «Це не схоже на: «О Боже мій, раптом у нас з’явився AGI», а більше схоже на: «О Боже мій, мій комп’ютер може набагато більше, ніж п’ять років тому».