När du tänker på AI-agenter, föreställer du dig då en personlig AI-assistent som Tony Starks Jarvis? Kanske en lugn-och-sansad TARS från Interstellar? Eller, på den mer skrämmande sidan, en amoralisk HAL 9000 direkt ur 2001: Ett rymdäventyr?
Oroa dig inte: dagens teknik kommer inte i närheten av den sortens science fiction—inte än. Just nu använder AI-agenter stora språkmodeller som GPT för att förstå mål, generera uppgifter och genomföra dem. Du kan använda dem för att automatisera arbete och outsourca komplexa kognitiva uppgifter, och skapa ett team av robotkollegor för att stödja dina mänskliga medarbetare—en pratstund vid vattenkylaren kl. 11 är valfri.
Detta område utvecklas nu snabbare, särskilt på mjukvarusidan, med nya AI-modeller och agentramverk som blir bättre och mer tillförlitliga. Även plattformarna för no-code, som används för att sätta ihop dem, blir allt kraftfullare, så detta är en utmärkt tid att doppa tårna och genomföra några experiment.
Vad är AI-agenter?
En AI-agent är en enhet som kan agera autonomt i en miljö. Den kan ta in information från sin omgivning, fatta beslut baserat på dessa data och agera för att förändra omständigheterna—fysiska, digitala eller blandade. Mer avancerade system kan lära sig och uppdatera sitt beteende över tid, ständigt prova nya lösningar på ett problem tills de når målet.
Vissa agenter kan ses i verkligheten—som robotar, automatiserade drönare eller självkörande bilar. Andra är enbart mjukvarubaserade och körs på datorer för att slutföra uppgifter. Utseendet, komponenterna och gränssnittet för varje AI-agent varierar kraftigt beroende på vilken uppgift den är avsedd att arbeta med.
Till skillnad från en chatbot som ChatGPT behöver du inte ständigt skicka nya instruktioner. AI-agenter börjar arbeta när du ger dem ett mål eller en stimulans för att utlösa deras beteende. Beroende på agentens systemkomplexitet använder den sina processorer för att överväga problemet, förstå det bästa sättet att lösa det och sedan vidta åtgärder för att nå målet. Även om du kan definiera regler för att få den att samla in din feedback och ytterligare instruktioner vid vissa punkter, kan den arbeta självständigt.
Mer flexibla och mångsidiga än traditionella datorprogram kan AI-agenter förstå och interagera med sina omständigheter: de behöver inte förlita sig på fasta programmerade regler för att fatta beslut. Detta gör dem utmärkta för komplexa och oförutsägbara uppgifter. Och även om de inte har fullständig noggrannhet kan de upptäcka sina misstag och hitta sätt att lösa dem när de går vidare.
Medan det är utom räckhåll för icke-tekniska personer som mig att bygga fullfjädrade AI-agenter, kan du redan nu komma ett steg närmare denna teknik med AI-automation. Till exempel, när du skapar en ny Zap i Zapier, kan du skicka data till en AI-modell för att sammanfatta en artikel, hålla koll på dina möten eller skriva ett blogginlägg, bland många andra möjligheter. Det är artificiellt intelligent automation.
En sista sak: det råder en viss förvirring mellan AI-agenter och vanliga agentprogram. De senare faller under robotiserad processautomation—RPA. Dessa appar kan använda en dator som en mänsklig användare, titta på skärmar, klicka på element och automatisera arbete. De är baserade på förutbestämda regler och hanterar strukturerade data, saknar flexibilitet och anpassningsförmåga. De använder inte AI alls—men du kan definitivt integrera AI i dem för att ge dem extra krafter.
Komponenter i ett AI-agent system
AI-agenter har olika komponenter som utgör deras kropp eller mjukvara, var och en med sina egna förmågor.
Sensorer låter agenten uppfatta sin omgivning för att samla in percept (inmatningar från världen: bilder, ljud, radiofrekvenser, etc.). Dessa sensorer kan vara kameror, mikrofoner eller antenner, bland annat. För mjukvaruagenter kan det vara en webbsökningsfunktion eller ett verktyg för att läsa PDF-filer.
Aktuatorer hjälper agenten att agera i världen. Dessa kan vara hjul, robotarmar eller ett verktyg för att skapa filer på en dator.
Processorer, kontrollsystem och beslutsmekanismer utgör agentens “hjärna”. Jag har sammanfogat dessa eftersom de har liknande funktioner, men de kanske inte alla finns i ett AI-agent system. De bearbetar information från sensorerna, överväger bästa handlingssättet och utfärdar kommandon till aktuatorerna.
Lärande- och kunskapsbaserade system lagrar data som hjälper AI-agenten att slutföra uppgifter; till exempel en databas med fakta eller tidigare percept, svårigheter som stötts på och lösningar som hittats.
Eftersom formen på en AI-agent beror så mycket på de uppgifter den utför, kan du upptäcka att vissa AI-agenter har alla dessa komponenter medan andra inte har det. Till exempel kan en smart termostat sakna lärandekomponenter och bara ha grundläggande sensorer, aktuatorer och ett enkelt kontrollsystem. En självkörande bil har allt på denna lista: den behöver sensorer för att se vägen, aktuatorer för att röra sig, beslutsfattande för att byta fil och ett lärandesystem för att komma ihåg hur man navigerar i utmanande delar av en stad.
Typer av AI-agenter
Robotdammsugare kan ha allt från enkla AI-agentsystem för hinderigenkänning till mer komplexa system som kan känna igen objekt. Baserat på deras komponenter, komplexitet och verkliga tillämpningar är här de vanligaste typerna av AI-agenter.
Enkla reflexagenter letar efter en stimulus i en eller en liten samling sensorer. När den signalen detekteras, tolkar de den, fattar ett beslut och producerar en handling eller ett resultat. Du hittar dessa i enkla digitala termostater eller i den smarta dammsugaren som just nu skrämmer din hund.
Modellbaserade reflexagenter håller en aktiv intern status, samlar information om hur världen fungerar och hur deras handlingar påverkar den. Detta hjälper till att förbättra beslutsfattandet över tid. Du hittar dem förutsäga lagerbehov på ett lager eller i den självkörande bilen som nu parkerar framför ditt vardagsrumsfönster.
Målbaserade agenter skapar en strategi för att lösa ett specifikt problem. De genererar en uppgiftslista, tar steg för att lösa den och förstår om dessa åtgärder närmar dem målet. Du hittar dessa agenter som besegrar mänskliga schackmästare och i AI-agentapplikationer—mer om detta senare i artikeln.
Nyttobaserade agenter överväger resultaten av beslut i situationer med många möjliga handlingsalternativ. De kör varje möjlighet och poängsätter den baserat på sin nyttokalkyl: Är det bästa alternativet det billigaste? Det snabbaste? Det mest effektiva? Superanvändbart för att identifiera det ideala valet—och kanske hantera perioder av mänsklig analysförlamning. Du kan se dem optimera trafiken i din stad eller rekommendera de bästa programmen du bör titta på på TV.
Lärande agenter, som namnet antyder, lär sig av sin omgivning och sitt beteende. De använder en problemsgenerator för att skapa tester för att utforska världen och ett prestandaelement för att fatta beslut och vidta åtgärder baserat på vad de hittills har lärt sig. Dessutom har de en intern kritiker som jämför de vidtagna åtgärderna med den observerade påverkan i världen. Dessa agenter förhindrar skräppost från att landa i din inkorg.
Och om du har en riktigt, riktigt komplex uppgift att slutföra kan du kombinera dessa till multi-agent system. Du kan ha en AI-agent som kontrollsystem, generera en lista över uppgifter och delegera dem till andra specialiserade AI-agenter. När de slutför dessa uppgifter lagras och analyseras resultatet av en intern kritiker, och hela systemet fortsätter iterera tills det hittar en lösning.
Hur fungerar en AI-agent?
I korthet använder en AI-agent sina sensorer för att samla in data, kontrollsystem för att tänka igenom hypoteser och lösningar, aktuatorer för att utföra handlingar i den verkliga världen och ett lärandesystem för att hålla reda på sina framsteg och lära sig av sina misstag.
Men hur ser detta ut steg för steg? Låt oss gräva djupare i hur en målbaserad AI-agent fungerar, eftersom det är troligt att du kommer att bygga eller använda en av dessa i framtiden.
När du matar in ditt mål går AI-agenten igenom målinitialisering. Den skickar din prompt till kärnan i språkmodellen (som GPT) och återger den första utgången av sin interna monolog, vilket visar att den förstår vad den behöver göra.
Nästa steg är att skapa en uppgiftslista. Baserat på målet genererar den en uppsättning uppgifter och förstår i vilken ordning den ska slutföra dem. När den bestämt att den har en genomförbar plan, börjar den söka efter information.
Eftersom agenten kan använda en dator på samma sätt som du, kan den samla information från internet. Jag har också sett några agenter som kan ansluta till andra AI-modeller eller agenter för att outsourca uppgifter och beslut, vilket gör att de kan få tillgång till bildgenerering, geografisk databehandling eller datorseendefunktioner.
All data lagras och hanteras av agenten i dess lärande-/kunskapsbaserade system, så den kan återföra det till dig och förbättra sin strategi när den går framåt.
När uppgifter stryks från listan bedömer agenten hur långt den fortfarande är från målet genom att samla in feedback, både från externa källor och från sin interna monolog.
Och tills målet är uppnått kommer agenten att fortsätta iterera, skapa fler uppgifter, samla mer information och feedback, och röra sig framåt utan paus.
