Autonoomsed agendid: mis need on ja kuidas need töötavad

Mis on autonoomne agent

Autonoomne agent on tehisintellektisüsteem, mis liigub eesmärgi poole iseseisvalt. Inimene kirjeldab soovitud tulemust ning agent mõtleb välja vajalikud sammud ja viib need ellu.

Oletame, et keegi soovib valida kolme projektijuhtimise tööriista vahel. Autonoomne agent saab iga tööriista üles otsida, avada selle hinnalehe, märkida üles erinevused ja esitada valmis võrdluse. Inimene seab eesmärgi ja vaatab tulemuse üle ning agent teeb vahepealse töö ära.

Paljud praegused tarkvaraagendid kasutavad juhiste tõlgendamiseks ja järgmise sammu otsustamiseks suurt keelemudelit. Mõni mudel töötleb ka pilte või heli. Selleks et veebist otsida, nuppe klõpsata või e-kirju saata, vajab agent tarkvara, mis ühendab mudeli tööriistadega ja täidab selle päringud.

Projektijuhtimise näites töötaksid LLM ja agent nii:

1. LLM loeb eesmärgi ja kirjutab päringu esimese tööriista hinnainfo otsimiseks.
2. Agendi tarkvara teeb otsingu ja edastab tulemused LLM-ile tekstina.
3. LLM loeb tulemused, valib järgmise sammu (hinnalehe avamine) ja kirjutab uue päringu.
4. Tsükkel kordub, kuni LLM otsustab, et võrdlus on valmis, ja kirjutab lõpliku vastuse.

Suurenda

Autonoomsuse tasemed

Agentses tehisintellektisüsteemis (tehisintellekt, mis on loodud tegutsema, mitte ainult küsimustele vastama) on autonoomsus disainivalik. Sama agendi saab seadistada nii, et see küsib luba enne iga sammu või teeb kogu ülesande üksi ära.

Washingtoni ülikooli teadlased pakuvad välja viietasemelise raamistiku, et selgitada, millisel määral võib agent autonoomne olla:

4. tasemel võib agent ostutellimuse iseseisvalt ette valmistada ja mustandi koostada, kuid enne selle esitamist peatuda. 5. tasemel esitaks agent ka tellimuse.

Autonoomsed tehisintellektiagendid vs. automatiseerimine vs. vestlusrobotid

Autonoomsed agendid erinevad vestlusrobotitest ja töövoo automatiseerimisest kahel moel: nad otsustavad oma sammud ise ning tegutsevad teistes rakendustes ja veebisaitidel.

Vestlusrobot vastab vestluses küsimustele, kuid tavaliselt ei tegutse sellest väljaspool. Töövoo automatiseerimine küll tegutseb, kuid ainult eelnevalt kellegi seadistatud samme järgides. Levinud liik on robotprotsesside automatiseerimine (RPA) – tarkvara, mis kordab lihtsaid reeglipõhiseid ülesandeid, näiteks andmete kopeerimist ühest süsteemist teise.

Autonoomne agent teeb mõlemat: see tegutseb muus tarkvaras ja valib eesmärgi poole liikumiseks ise oma sammud, jäädes talle antud tööriistade, õiguste ja juhiste piiresse.

Erinevust näitab hästi kaebus hilinenud tellimuse kohta. Vestlusrobot võiks vastata eelnevalt kirjutatud selgitusega tarnetingimuste kohta. Töövoo automatiseerimine võiks saata standardse „tellimuse hilinemise“ e-kirja. Autonoomne agent võiks tellimuse üles otsida, tuvastada, et see läks transpordi käigus kaduma, väljastada asendustellimuse ja anda kliendile teada.

Kuidas autonoomsed agendid töötavad

Ülesande täitmiseks tugineb autonoomne agent neljale võimekusele: sammude planeerimine, tööriistade kasutamine, tehtu meelespidamine ja oma tulemuste kontrollimine. Suuremate ülesannete puhul jagavad mõned agendid töö ka agentide meeskonna vahel.

1. Eesmärkide osadeks jagamine ja plaanide koostamine

Eesmärk on tavaliselt liiga suur, et seda ühe sammuga ellu viia, seega on agendi esimene ülesanne jagada see väiksemateks ülesanneteks. Näiteks kui kasutaja palub agendil planeerida meeskonna väljasõit, võib agent jagada eesmärgi järgmisteks osadeks: kuupäevade valimine, eelarvesse mahtuvate toimumiskohtade leidmine, saadavuse kontrollimine ja kutse koostamine.

Olenevalt sellest, kuidas agendid on loodud, saavad nad planeerida kas ette või jooksvalt. Ette planeerimine tähendab iga sammu kirjapanemist enne alustamist, mis sobib lühikeste ja etteaimatavate ülesannete puhul. Jooksev planeerimine tähendab järgmise sammu või paari kavandamist, tegutsemist ja plaani muutmist vastavalt sellele, mis tagasi tuleb. Kui väljasõiduks esimesena valitud toimumiskoht oleks juba broneeritud, saaks agent liikuda järgmise valiku juurde ilma otsast alustamata.

Suurenda

Hiina Renmini ülikooli ülevaade LLM-põhistest autonoomsetest agentidest leiab, et teine lähenemine tuleb keerukamate ülesannetega paremini toime, sest enne tulemuste nägemist on raske täiuslikku plaani kirjutada. Paljud agendid ühendavad need kaks: visandavad kõigepealt täieliku plaani ja muudavad seda töö käigus.

2. Tegutsemine tööriistade abil

Kui plaan on paigas, täidab agent seda ülesanne haaval ja valib igaühe jaoks tööriista.

• Toimumiskohtade leidmiseks võib see kasutada veebiotsingut päringuga nagu „väljasõidu toimumiskohad 20 inimesele Austini lähedal“.
• Saadavuse kontrollimiseks võib see avada brauseris iga toimumiskoha broneerimislehe ja vaadata kalendrit.
• Kutse saatmiseks võib see ühenduda inimese e-postiga API kaudu – see on ühendus, mis võimaldab ühel tarkvaral teiselt andmeid või toiminguid küsida.

Pärast iga toimingut loeb agent, mis tagasi tuli, ja otsustab järgmise käigu. Kui otsing leiab viis toimumiskohta, kontrollib see nende saadavust. Kui broneerimisleht ei laadi, proovib see toimumiskoha telefoninumbrit või liigub järgmise valiku juurde.

Agendi tööriistad määravad, milliseid ülesandeid see suudab iseseisvalt lõpule viia. Ilma e-posti juurdepääsuta saab see kutse mustandi koostada, kuid mitte seda saata.

3. Edenemise jälgimine mälu abil

Töö käigus peab agent meeles pidama, mida see on teinud ja teada saanud. Selleks ajaks, kui see on kolm toimumiskohta üle kontrollinud, peab see teadma, millised olid broneeritud, millistes oli ruumi ja kui palju igaüks maksab. See teave asub LLM-i kontekstiaknas ehk tekstihulgas, mida mudel saab korraga arvesse võtta.

Pikad ülesanded võivad sellest kontekstiaknast välja kasvada. Pikaajalise mäluga agendid lahendavad selle, salvestades teabe väljapoole mudelit, tavaliselt andmebaasi, ja hankides sealt ainult selle, mida praegune samm vajab.

Pikaajaline mälu kandub ka ühest ülesandest teise. Kui on aeg planeerida järgmise aasta väljasõitu, saaks agent uuesti kasutada selle aasta toimumiskohtade loendit ja eelarvet või meenutada, et meeskond eelistab toimumiskohti, kuhu on autoga kuni tunni sõit.

4. Tulemuste kontrollimine ja kursi korrigeerimine

Paljud agendid jälgivad töö käigus märke sellest, et mõni samm läks valesti. Kui broneerimisvorm tagastab vea või otsing ei anna tulemusi, proovib agent teist lähenemist. Kui see jõuab otsuseni, mida see ei peaks üksi tegema, näiteks kas veidi üle eelarve minev toimumiskoht on vastuvõetav, küsib see inimeselt ja kohandab tegevust vastuse põhjal.

Enne töö üleandmist vaatavad paljud agendid oma tulemused üle. LLM loeb läbi selle, mille see koostas, võrdleb seda eesmärgiga ja loetleb kõik, mis on puudu või valesti. Agent teeb parandused ja kontrollib uuesti, kuni tulemus vastab eesmärgile. Kui näiteks kutsest puudub toimumiskoha aadress, märkab ülevaatus selle ja agent lisab aadressi enne saatmist.

5. Töö jagamine agentide vahel

Mõni ülesanne laabub kiiremini, kui mitu agenti seda jagavad. Juhtagent jagab töö osadeks ja annab osad alamagentidele.

Perplexity Computer töötab just nii. Inimene kirjeldab soovitud tulemust, Computer jagab selle ülesanneteks ja alamülesanneteks ning loob seejärel nende täitmiseks alamagendid. Alamagendid saavad veebis uurimistööd teha, dokumente luua, andmeid töödelda või API-de kaudu ühendatud teenuseid kasutada.

Kui Computer satub probleemi otsa, loob see selle lahendamiseks uued alamagendid. Iga alamagent saab töötada ka erineval tehisintellektimudelil, nii et iga tööosa läheb mudelile, mis sellele kõige paremini sobib.

Seega võiks väljasõidu näites üks alamagent uurida toimumiskohti, teine kontrollida meeskonna kalendreid ja kolmas uurida reisivõimalusi.

Suurenda

Kuidas inimesed autonoomseid agente kasutavad

Inimesed kasutavad autonoomseid agente peamiselt igapäevases teadmustöös: uurimistöös, kirjutamises, e-kirjade haldamises ja õppimises. Harvardi ja Perplexity teadlaste uuringus moodustasid produktiivsus- ja õppimisülesanded 57% agentsetest päringutest. Allpool toodud näited selgitavad, mida agent iga tööliigi puhul teeb.

Uurimistöö ja analüüs

Uurimistöö sobib agentidele hästi, sest see koosneb paljudest väikestest sammudest. Agent saab otsida, allikaid avada, neid lugeda ja võrrelda, mida need ütlevad. Võtame päringu nagu „leia kolm hiljutist uuringut kaugtöö ja produktiivsuse kohta ning tee kokkuvõte iga uuringu tulemustest“. Agent otsib uuringuid ja avab kõige asjakohasemad. See loeb iga uuringu tulemused ja kirjutab kokkuvõtte koos linkidega kõigile allikatele. Kui uuring on maksumüüri taga, liigub agent järgmise juurde. Nimetatud uuringu järgi moodustab uurimistööde kokkuvõtmine ja analüüsimine 7% agentsetest päringutest.

Dokumendid, e-post ja kalendrid

Agendid töötavad sageli tööriistades, mida inimesed juba iga päev kasutavad. Harvardi ja Perplexity uuringus olid kaks kõige levinumat tööriista Google’i dokumenditööriistad ja e-post, mis moodustasid kokku umbes veerandi agentsetest päringutest. Võtame päringu nagu „vaata läbi selle nädala lugemata e-kirjad, märgi ära kõik klientidelt tulnud kirjad ja koosta kohtumisaja kokkuleppimise palvetele vastuste mustandid“. Agent avab postkasti ja sorteerib kirjad. See kontrollib kalendrist vabu aegu ja koostab igale palvele vastuse mustandi. See saab mustandid salvestada ilma neid saatmata, nii et inimene saab igaühe neist esmalt üle vaadata.

Õppimine ja õppetöö

Õpilased kasutavad agente õppimiseks. Õppetöö on uuringus suurim agentide kasutuse kategooria, moodustades 13% agentsetest päringutest. Päring nagu „küsitle mind minu kursuse lugemismaterjalide neljanda peatüki põhjal“ saadab agendi kursuse veebisaidile, kus see loeb peatüki läbi, kirjutab põhipunktide kohta küsimused ja kontrollib õpilase vastuseid. Sama lähenemine sobib igaühele, kes õpib uut valdkonda, näiteks töötajale, kes peab end kiiresti kurssi viima talle võõra tööstusharuga.

Ostlemine ja võrdlused

Ostlemine moodustab 10% agentsetest päringutest ning see seisneb peamiselt toodete otsimises ja võrdlemises. Kui agendil palutakse „leia heade arvustustega seisulaud alla 400 dollari“, otsib agent mitme jaemüüja juurest, filtreerib hinna ja hinnangu järgi, võrdleb parimaid valikuid ja saab parima neist ostukorvi lisada. Kui agent võrdleb valikuid mitmel veebisaidil, võib see säästa palju aega, sest inimene ei pea enam iga kuulutust ise avama ja ristkontrollima.

Seitse parimat tava autonoomsete agentide kasutamiseks

1. Alustamine lihtsasti kontrollitavatest ülesannetest

Parimad esimesed ülesanded on need, kus viga on lihtne märgata ja odav parandada. Head lähtepunktid on näiteks uurimuste kokkuvõtted ja tootevõrdlused. Kui agent lisab oma allikatele lingid, võtab töö kontrollimine vaid mõne minuti. Usalduse kasvades saab agendile üle anda pikemaid ja rohkemate sammudega ülesandeid.

2. Selgete tulemuste ja piirangute seadmine

Agent võib teha paremaid otsuseid, kui ta teab, miks ülesanne on oluline. Hea päring on nagu lähteülesanne töövõtjale: eesmärk, sihtrühm, mis on juba teada ja mis on välistatud. „Võrdle neid kolme tarnijat juhatuse memo jaoks; juhatusele on kõige olulisem juurutamise risk ja oleme juba välja jätnud kõik, kellel puudub SOC 2 vastavus“ annab agendile kõik, mida ta vajab, et iseseisvalt otsuseid teha.

3. Kinnituspunktide lisamine

Mõnda toimingut ei saa tagasi võtta, näiteks e-kirja saatmist, ostu sooritamist, failide kustutamist või vormi esitamist. Kui agent seda võimaldab, seadistage see enne selliseid samme peatuma ja luba küsima. Peatumiskoha saab määrata ka päringus endas. „Koosta vastuste mustandid, aga ära neid saada“ või „lisa parim valik ostukorvi, aga ära vormista ostu“ ütleb agendile täpselt, kus peatuda ja juhtimine tagasi anda.

4. Plaani ülevaatamine enne töö algust

Suurema ülesande puhul paluge agendil enne alustamist oma plaan välja tuua. Plaani ülevaatamine võtab minuti ning arusaamatuse parandamine selles etapis on palju odavam kui selle avastamine valmis tulemuses.

5. Juurdepääsu piiramine sellega, mida ülesanne vajab

Iga konto, millele agent ligi pääseb, on konto, milles ta saab toiminguid teha. Kui ühendada ainult need rakendused, mida ülesanne nõuab, jäävad tundlikud andmed kättesaamatuks ja võimalike vigade ulatus väheneb. Tarnijaid uuriv agent ei vaja juurdepääsu e-postile. Vastuste mustandeid koostav agent vajab seda, kuid tal ei pruugi olla vaja luba neid saata.

6. Kontrollide sisseehitamine päringusse

Agendid vaatavad juba praegu oma väljundi üle, seega saab päringus öelda, mida nad kontrollima peaksid. Kui kirjeldada, milline on hea tulemus („iga arvnäitaja juures peab olema 2025. aastal või hiljem dateeritud allikas“), rakendab agent seda standardit enne töö tagastamist. Kui paluda tal eristada kinnitatud fakte oma järeldustest ja märkida ära eeldused, muutub inimese ülevaatus kiiremaks ja keskendunumaks.

7. Toimivate lahenduste taaskasutamine

Päring, mis andis hea tulemuse, võib saada malliks järgmisele sarnasele ülesandele. Kui anda agendile näide heast väljundist, näiteks eelmise kvartali aruanne, on sellest sageli rohkem kasu kui vormingu sõnalisest kirjeldamisest. Korduvatest ülesannetest võivad saada püsivad töövood.

Kuidas Perplexity autonoomsetele agentidele läheneb

Perplexity pakub kahte autonoomset agenti. Comet Assistant tegeleb igapäevaste ülesannetega otse brauseris ning Perplexity Computer võtab ette suuremaid projekte, mis võivad kesta tunde või kauemgi.

Comet Assistant on sisse ehitatud Perplexity tehisintellektiga brauserisse Comet. See töötab veebisaitidel, mis inimesel on juba avatud, nii et see saab ajastada koosolekuid, muuta dokumente, saata e-kirju ja broneerida lende ilma tööriistu vahetamata.

Computer töötab pilves ja jagab iga eesmärgi alamagentide vahel, nagu varem kirjeldatud. See ühendub sadade teenustega ning inimesed saavad valida töö eri osade jaoks konkreetsed tehisintellekti mudelid. Computer on saadaval Pro- ja Max-tellijatele.

Agendi proovimiseks brauseris tutvuge tööriistaga Comet Assistant või suurema projekti üleandmiseks lahendusega Perplexity Computer.

Korduma kippuvad küsimused

Kas autonoomne agent on sama mis agentne tehisintellekt?

Ei, kuid need mõisted kattuvad osaliselt. Agentne tehisintellekt viitab tavaliselt laiemale tehisintellektisüsteemide kategooriale, mis püüdlevad eesmärkide poole planeerimise ja toimingute tegemise kaudu. Autonoomne agent on selle kategooria konkreetne süsteem, mis teeb oma tööd vähese sammhaavalise kinnitamisega.

Kas kõik tehisintellekti agendid on autonoomsed?

Ei. Mõni agent teeb iga sammu alles siis, kui inimene seda suunab, teised aga täidavad terve ülesande iseseisvalt. Varem kirjeldatud autonoomsuse tasemed näitavad kogu ulatust – agentidest, mida inimene juhib samm-sammult, kuni agentideni, mida inimene ainult jälgib.

Kas autonoomsed agendid saavad teha oste või makseid?

Mõni agent saab olenevalt veebisaidist, õigustest ja kaitsemeetmetest ostude tegemisel abiks olla. Comet Assistant saab tooteid võrrelda ja aidata ostu vormistamisel. Perplexity funktsioon Instant Buy võimaldab tingimustele vastavatel USA kasutajatel osta toetatud tooteid otse Perplexity keskkonnas ning ostu vormistamisel on maksevõimalusena saadaval PayPal.

Kas autonoomsete agentide kasutamiseks on vaja programmeerimisoskusi?

Paljusid valmisagente saab kasutada ilma programmeerimiseta. Mõni platvorm võimaldab luua agente ka loomulikus keeles antud juhiste või graafilise liidese kaudu. Programmeerimisest võib olla kasu kohandatud integratsioonide, silumise ja spetsiifilisema käitumise puhul.