هوش مصنوعی ایجنتیک چیست و چرا همه از آن حرف می‌زنند

هوش مصنوعی ایجنتیک چیست و چرا در یکی دو سال اخیر این کلمه همه‌جا شنیده می‌شود؟ منظور از ایجنتیک، سیستمی است که به‌جای جواب دادن، کار انجام می‌دهد؛ هدف می‌گیرد، خودش تصمیم می‌گیرد چه مراحلی لازم است، ابزارها را به کار می‌گیرد و تا رسیدن به نتیجه ادامه می‌دهد.

تفاوت این با استفاده‌ی معمولی از هوش مصنوعی، تفاوت بین «پرسیدن» و «سپردن» است. در حالت اول شما هنوز مجری کار هستید و مدل فقط کمکتان می‌کند. در حالت دوم، بخشی از کار واقعاً از دوش شما برداشته می‌شود.

چهار ستون هر سیستم ایجنتیک

هر سیستمی که واقعاً ایجنتیک باشد، این چهار چیز را دارد. اگر یکی کم باشد، هنوز یک دستیار هوشمند است نه یک سیستم.

ادراک. سیستم باید بتواند وضعیت فعلی را ببیند؛ فایل‌ها، داده‌ها، پیام‌ها، نتیجه‌ی قدم قبلی. بدون دیدن، تصمیم‌گیری فقط حدس زدن است.

تصمیم. باید بتواند بین چند مسیر ممکن یکی را انتخاب کند. این همان جایی است که مدل زبانی وارد می‌شود و کاری می‌کند که با قاعده‌های ثابت نمی‌شد.

عمل. باید بتواند کار واقعی انجام دهد؛ نوشتن فایل، فرستادن پیام، صدا زدن یک سرویس. سیستمی که فقط پیشنهاد می‌دهد، هنوز در مرحله‌ی حرف است.

حافظه. باید بداند قبلاً چه کرده و چه چیزی جواب داده. بدون حافظه، هر بار از صفر شروع می‌کند و همان اشتباه‌ها را تکرار می‌کند. این ستونی است که بیشتر از همه فراموش می‌شود و بیشترین تفاوت را می‌سازد.

اگر با مفهوم پایه‌ای‌ترِ ایجنت آشنا نیستید، تفاوت ایجنت و چت بات نقطه‌ی شروع بهتری است.

چرا حالا؟ چه چیزی عوض شد

این ایده جدید نیست؛ سال‌هاست درباره‌اش حرف زده می‌شود. چیزی که تازه است، سه اتفاق است که تقریباً هم‌زمان افتادند.

اول اینکه مدل‌ها یاد گرفتند ابزار صدا بزنند. تا وقتی مدل فقط متن تولید می‌کرد، هیچ کار واقعی از دستش برنمی‌آمد. حالا می‌تواند تصمیم بگیرد که برای این کار به کدام ابزار نیاز دارد.

دوم اینکه توانایی دنبال کردن دستور به‌شدت بهتر شد. سیستمی که در قدم پنجم فراموش کند در قدم اول چه قراری گذاشته بودید، قابل استفاده نیست.

سوم اینکه هزینه پایین آمد. یک کار چندمرحله‌ای ممکن است ده‌ها بار مدل را صدا بزند و تا وقتی هر بار گران بود، این حساب جور درنمی‌آمد.

یک مثال که تفاوت را روشن می‌کند

فرض کنید هر هفته باید گزارش عملکرد محتوای اینستاگرام را آماده کنید.

در حالت معمولی، خودتان وارد پنل می‌شوید، عددها را برمی‌دارید، در فایل می‌ریزید، نگاه می‌کنید کدام پست بهتر بوده و یک جمع‌بندی می‌نویسید. هوش مصنوعی شاید در نوشتن جمع‌بندی کمکتان کند، ولی بقیه‌ی کار دست شماست.

در حالت ایجنتیک، سیستم خودش سر وقت به منبع داده وصل می‌شود، عددهای این هفته و هفته‌ی قبل را می‌گیرد، پست‌های برتر را جدا می‌کند، الگوی مشترکشان را بررسی می‌کند و گزارش را با یک پیشنهاد مشخص برای هفته‌ی بعد تحویل می‌دهد. اگر جایی داده ناقص بود، خودش می‌بیند و یا دوباره تلاش می‌کند یا در گزارش می‌نویسد که این بخش کامل نیست.

نکته‌ی کلیدی همان بخش آخر است. تفاوت اصلی در گرفتن داده نیست؛ در این است که سیستم نتیجه‌ی کار خودش را می‌بیند و می‌فهمد کِی چیزی درست پیش نرفته. همین یک ویژگی است که یک ابزار را به چیزی تبدیل می‌کند که می‌شود بهش تکیه کرد.

هوش مصنوعی ایجنتیک چیست در عمل: سه مرحله تا رسیدن به آن

هیچ‌کس از روز اول سیستم ایجنتیک نمی‌سازد. مسیر واقعی سه مرحله دارد و پریدن از روی مرحله‌ها معمولاً به شکست ختم می‌شود.

مرحله‌ی اول، کارهای تکی. با هوش مصنوعی کارهای مشخص را انجام می‌دهید. اینجا یاد می‌گیرید مدل کجا خوب است و کجا نه. این شناخت را نمی‌شود از روی مقاله به دست آورد.

مرحله‌ی دوم، ورک‌فلوها. کارهای تکراری را به مسیرهای مشخص تبدیل می‌کنید که خودشان اجرا می‌شوند. اینجا هنوز مسیر را شما تعیین می‌کنید. برای این مرحله ورک فلو هوش مصنوعی چیست را ببینید.

مرحله‌ی سوم، سیستم. ورک‌فلوها و ایجنت‌ها یک حافظه‌ی مشترک، یک محل ثبت خطا و یک نقطه‌ی نظارت پیدا می‌کنند. حالا به‌جای چند اتوماسیون پراکنده، یک ساختار واحد دارید که می‌شود رویش حساب کرد.

همین مرحله‌ی سوم است که در XOS با نُه ماژول پیاده شده؛ به‌جای اینکه هر بار از صفر بسازید، ساختار از قبل چیده شده و شما کار خودتان را رویش سوار می‌کنید.

کجا سراغش نروید

این بخشی است که در تبلیغ‌ها گفته نمی‌شود ولی از بقیه مهم‌تر است.

سراغ ایجنتیک نروید وقتی کار شما کاملاً مشخص و تکراری است. اگر می‌توانید مراحلش را یک بار بنویسید و برای همیشه همان بماند، ورک‌فلوی ساده هم ارزان‌تر است و هم قابل اتکاتر.

سراغش نروید وقتی هنوز فرایند خودتان روشن نیست. سیستمی که قرار است کار شما را انجام دهد، اول باید بداند آن کار دقیقاً چیست. اگر خودتان هم نمی‌دانید، هیچ مدلی حلش نمی‌کند.

و سراغش نروید وقتی اشتباه گران است و راهی برای بازبینی نگذاشته‌اید. برای کارهای حساس، یک نقطه‌ی تأیید انسانی بگذارید. این کار سرعت را کم نمی‌کند ولی ریسک را به‌شدت پایین می‌آورد.

اگر می‌خواهید بدانید کدام بخش کسب‌وکار شما آماده‌ی این کار است، می‌توانید درخواست مشاوره بدهید.

سوالات متداول

تفاوت ایجنتیک با اتوماسیون معمولی در چیست؟

اتوماسیون معمولی مسیر ثابت دارد و شما آن را نوشته‌اید. سیستم ایجنتیک خودش تصمیم می‌گیرد مسیر چه باشد. اولی قابل پیش‌بینی‌تر است، دومی انعطاف‌پذیرتر.

برای شروع باید برنامه‌نویس باشم؟

نه. برای مرحله‌ی اول و دوم اصلاً لازم نیست. برای مرحله‌ی سوم هم بیشتر از کدنویسی، به درک درست از ساختار و مرزهای دسترسی نیاز دارید.

این سیستم‌ها چقدر هزینه دارند؟

بستگی به تعداد اجرا و مدل‌های انتخابی دارد. بیشترین صرفه‌جویی از این می‌آید که مرحله‌های ساده را به مدل سبک بسپارید و مدل سنگین را فقط برای تصمیم اصلی نگه دارید.

از کجا شروع کنم؟

از یک کار واقعی و کوچک که هفته‌ای چند بار تکرارش می‌کنید. هدف پروژه‌ی اول این نیست که چشمگیر باشد؛ این است که کار کند و شما ساز و کارش را ببینید.

قدم بعدی

اگر می‌خواهید به‌جای ساختن همه‌چیز از صفر، روی ساختاری آماده سوار شوید، XOS را ببینید؛ نُه ماژول که حافظه، نظارت و هماهنگی بین ایجنت‌ها را از قبل حل کرده‌اند.

در فصل چهارم و پنجم دوره‌ی سفر هوش مصنوعی همین مسیر سه‌مرحله‌ای را روی پروژه‌های واقعی طی می‌کنیم، از اولین ایجنت تا سیستم کامل.

نمونه‌های کوتاه‌تر هم در کانال یوتیوب منتشر می‌شود.