ИИ-агент: что это такое и чем он отличается от генеративного ИИ

ИИ-агент сам принимает решения, а генеративный ИИ ждёт запроса

На волне популярности ИИ легко забыть, что его используют не только для чат-ботов и генерации изображений. Агентный ИИ, или «автономный ИИ», — другой подход: такие агенты сами принимают решения, выполняют задачи и обучаются через взаимодействие.

Разница с генеративным ИИ — в том, кто ведёт процесс:

• Генеративный ИИ опирается на ввод от человека — запрос или заданные правила — и создаёт по нему результат. Его фокус — творческий контент: изображения, видео, тексты.
• Агентный ИИ сам принимает решения и действует проактивно. Его фокус — решения и действия, которые ведут к конкретной цели.

Как работает ИИ-агент: цепочка действий

Один из ключевых элементов агентного ИИ — «цепочка действий». Она позволяет агенту выполнить последовательность шагов в ответ на одно задание. Так сложная задача разбивается на мелкие этапы.

Пример: агент предсказывает состояние пациента

В здравоохранении ИИ-агенты могут заметно помочь пациентам, заранее предсказывая возможные проблемы. Прогноз состояния пациента — сложная задача, которую агент решает самостоятельно в несколько шагов:

1. Сбор данных о пациенте — получает данные из электронных медицинских карт и объединяет их с другими источниками, например с носимых устройств или генетической информацией.
2. Анализ факторов риска — выявляет известные факторы риска определённых заболеваний и проверяет на них данные пациента.
3. Распознавание паттернов — с помощью машинного обучения находит закономерности в данных пациента и сравнивает их с данными пациентов с похожими характеристиками.
4. Предиктивное моделирование — строит предсказательные модели для конкретных заболеваний и применяет их к данным пациента.
5. Долгосрочный анализ — отслеживает изменения в здоровье пациента и выявляет тенденции, которые говорят о необходимости срочного вмешательства.
6. Анализ лечения — проверяет текущее лечение и предлагает альтернативы с учётом истории болезни и факторов риска.

К осени 2024 года агентный ИИ уже применяли в медицине. Система Biovitals от Biofourmis анализирует данные с носимых датчиков и выявляет признаки ухудшения состояния. Платформа Aidoc анализирует КТ и МРТ и автоматически выделяет критически важные находки.

Следующий шаг — агенты, которые работают вместе

В 2024 году большинство инноваций в ИИ касалось работы одного агента с задачей или человеком. Но что, если несколько агентов будут вместе решать сложные задачи?

Первый шаг — научить агентов действовать более «по-человечески»: связывать разные фрагменты информации и применять их к конкретному контексту. Исследователи работают над архитектурой Memory Stream, которая хранит все события в среде ИИ. Агенты используют прошлые взаимодействия и принимают более обоснованные решения в текущих задачах.

Когда агенты взаимодействуют между собой, им важно понимать предыдущие события и оценивать текущий контекст. В 2024 году уже существовали платформы, которые давали структуру для многоагентных систем:

• Adept — инструмент для предприятий, который использует модели, данные и веб-взаимодействия для работы с агентным ИИ.
• LangGraph — открытая платформа для оркестрации агентных систем на основе фреймворка LangChain. Она даёт стандартный интерфейс для взаимодействия с моделями и другими компонентами.
• AutoGen — платформа Microsoft для приложений, в которых несколько агентов вместе решают задачи.

Главное: агентный ИИ открывает большие перспективы для автоматизации сложных задач. Агенты сами выполняют цепочки действий и взаимодействуют друг с другом в поиске решения.