عامل هوش مصنوعی چیست؟

وقتی به عامل های هوش مصنوعی فکر می کنید، آیا دستیار هوش مصنوعی شخصی مانند جارویس تونی استارک را تصور می کنید؟ شاید یک TARS آرام و تحت فشار از Interstellar؟ یا، بیشتر در مورد طیف ترسناک، یک HAL 9000 غیر اخلاقی مستقیما از سال ۲۰۰۱: یک ادیسه فضایی؟

نگران نباشید: فناوری کنونی به آن نوع داستان های علمی تخیلی نزدیک نمی شود – هنوز نه. در حال حاضر، عامل های هوش مصنوعی از مدل‌های زبان بزرگ مانند GPT-3 برای درک اهداف، ایجاد وظایف و تکمیل آنها استفاده می‌کنند. می‌توانید از آن‌ها برای خودکارسازی کار و برون‌سپاری وظایف شناختی پیچیده، ایجاد تیمی از همکاران روباتیک برای پشتیبانی از همکارانتان استفاده کنید.

این زمینه هنوز بسیار جدید است، بنابراین گزینه‌های تجاری زیادی برای شروع ایجاد عامل های هوش مصنوعی خود هنوز وجود ندارد. با این حال، آن را در رادار خود نگه دارید: همه چیز به طرز سرگیجه‌آوری سریع در حال حرکت است.

عامل هوش مصنوعی چیست؟

در حال حاضر، تعامل با هوش مصنوعی از یک فرایند آشنا پیروی می کند. شما یک پرامپت وارد می کنید و مدل هوش مصنوعی پاسخ را بر اساس ورودی محاسبه می کند. هر بار که می خواهید یک خروجی جدید داشته باشید، باید یک پرامپت ارائه دهید. همیشه یک انسان برای شروع این فرآیند وجود دارد.

عامل هوش مصنوعی به روش متفاوتی کار می کنند. این عامل ها طوری طراحی شده اند که مستقل فکر و عمل کنند. تنها چیزی که باید ارائه کنید یک هدف است – تحقیق در مورد رقبا یا خرید پیتزا. آنها با تکیه بر بازخوردهای محیط و مونولوگ درونی خود، فهرستی از وظایف ایجاد می کنند و دست به کار می شوند. گویی عامل های هوش مصنوعی می توانند خود را تشویق کنند، دائما در حال تکامل و تطبیق برای رسیدن به هدف خود به بهترین شکل ممکن هستند.

در مقایسه با اتوماسیون اصلی – جایی که طیفی از محرک‌ها را بر اساس داده‌ها یا وضعیت‌های سیستم تنظیم می‌کنید و اتفاقات بعدی را پیکربندی می‌کنید – عامل هوش مصنوعی می‌تواند در محیط‌های غیرقابل پیش‌بینی که در آن اطلاعات جدید زیادی وجود دارد، کار کند. این اتوماسیون هوشمند مصنوعی است.

عامل هوش مصنوعی نیز می تواند به خوبی از کامپیوترها استفاده کنند. عامل ها می توانند وب را مرور کرده، از برنامه ها استفاده کنند، فایل ها را بخوانند و بنویسند، با کارت اعتباری شما پرداخت کنند و حتی لپ تاپ شما را در حین انجام این کار کنترل کنند.

این یک گام دیگر به سوی AGI (هوش عمومی مصنوعی) است. ما در حال نزدیک‌تر شدن به لحظه‌ای هستیم که یک ماشین می‌تواند همان کارهایی را انجام دهد که انسان‌ها می‌توانند در هر موضوع یا حوزه تخصصی انجام دهند، با انعطاف‌پذیری کامل و عملکرد برتر.

عامل هوش مصنوعی چگونه کار می کند؟

هنگامی که هدف خود را وارد می کنید، عامل هوش مصنوعی مراحل اولیه سازی هدف را انجام داده، درخواست شما را به هسته LLM ارسال می کند (آنهایی که اکنون استفاده می شوند GPT-3.5 و GPT-4 هستند) و اولین خروجی مونولوگ داخلی خود را برمی گرداند و نشان می دهد که متوجه می شود چه کاری باید انجام دهد.

مرحله بعدی ایجاد یک لیست وظایف است. بر اساس هدف، مجموعه‌ای از وظایف را ایجاد می‌کند و می‌فهمد که به چه ترتیبی باید آنها را تکمیل کند. هنگامی که تصمیم گرفت که یک برنامه قابل اجرا دارد، شروع به جستجو برای اطلاعات می کند.

از آنجایی که عامل می تواند از کامپیوتر به همان شیوه شما استفاده کند، می تواند اطلاعات را از اینترنت جمع آوری کند. همچنین برخی از عامل ها هستند که می‌توانند با سایر مدل‌های هوش مصنوعی ارتباط برقرار کنند تا وظایف و تصمیم‌گیری‌ها را برون‌سپاری کرده و به آن‌ها اجازه دهند به تولید تصویر، پردازش داده‌های جغرافیایی یا بیشن رایانه ای دسترسی داشته باشند.

همه داده‌ها توسط عامل، ذخیره و مدیریت می‌شوند. عامل هم می‌تواند آن‌ها را به شما بازگرداند و هم می‌تواند استراتژی خود را در حین حرکت به جلو بهبود بخشد.

هنگامی که وظایف انجام می شوند، عامل با جمع آوری بازخورد، چه از منابع خارجی و چه از تک گویی داخلی، ارزیابی می کند که هنوز تا چه حد از هدف فاصله دارد. سپس تا رسیدن به هدف، عامل به تکرار ادامه می‌دهد؛ وظایف بیشتری ایجاد کرده، اطلاعات و بازخورد بیشتری جمع‌آوری می‌کند و بدون مکث به جلو حرکت می‌کند.

این مراحل، فرایند کلی را توصیف می کند که یک عامل AI معمولی می تواند برای تکمیل هر هدفی انجام دهد. اما بسته به نحوه تنظیم عامل ها توسط توسعه دهندگان، مراحل ممکن است متفاوت سازماندهی شوند. این همچنین فقط عامل هایی را توصیف می کند که ما در رایانه های خود یا در یک پلتفرم نرم افزار استفاده می کنیم – انواع دیگری از عامل های هوش مصنوعی وجود دارند که در ادامه به بررسی آنها خواهیم پرداخت.

نمونه هایی از عامل های هوش مصنوعی در عمل

عامل هوش مصنوعی در عمل چگونه به نظر می رسد؟ در اینجا چند نمونه را مرور می کنیم:

• در یک شهر مجازی با ۲۵ عامل هوش مصنوعی چه اتفاقی می افتد؟ دانشگاه استنفورد و گوگل کنجکاو بودند، بنابراین از API هوش مصنوعی OpenAI برای ایجاد این شهر مجازی و مشاهده نحوه زندگی آنها استفاده کردند. برای پشتیبانی از این آزمایش، تیم یک پلتفرم برای ذخیره خاطرات و پرامپت های پایه ایجاد کرد که به هر عامل هدف می‌دهد. از آن زمان به بعد، عامل های هوش مصنوعی توانستند اطلاعات را با یکدیگر به اشتراک بگذارند، جزئیات روابط خود را به خاطر بسپارند و حتی یک جشن روز ولنتاین را برنامه ریزی کنند.
• خودروهای خودران نمونه دیگری از عامل های هوش مصنوعی هستند، زیرا آنها خودرو را برای رفتن از نقطه A به B در حالی که در جاده می مانند و قوانین راهنمایی و رانندگی را رعایت می کنند، کنترل می کنند. بسته به توسعه سیستم های خودران، وسایل نقلیه ممکن است با یکدیگر و با زیرساخت های شهری همکاری کنند و یک سیستم هوش مصنوعی چند عامله را یکپارچه کنند.
• عامل های هوش مصنوعی که می توانیم در رایانه های خود استفاده کنیم، برای طیف گسترده ای از وظایف عالی هستند. تحقیق یکی از آنهاست. از آنجایی که آن‌ها می‌توانند از لپ‌تاپ شما به همان روشی که شما استفاده می‌کنید استفاده کنند، می‌توانید آن‌ها را موظف کنید که اینترنت را برای یافتن اطلاعات جستجو کنند، آن را در پایگاه‌های داده و فایل‌ها سازمان‌دهی کنند، آن‌ها را خلاصه کرده و نتایج را با شما بررسی کنند.
• با نگاهی به آینده، تصور دنیایی از تیم‌های انسانی کوچک‌تر که از تیم‌های بزرگ عامل هوش مصنوعی برای ایجاد شرکت‌های کارآمدتر استفاده می‌کنند، آسان است. انسان‌ها در راس استراتژی و ایجاد روابط با انسان‌های دیگر خواهند بود، در حالی که عامل های هوش مصنوعی می‌توانند هر چیز دیگری را خودکار کنند، احتمالا با سایر عامل ها یا عامل های شرکت‌ها و ارگان‌های دولتی ارتباط برقرار کنند.

راهی برای اعمال عامل هوش مصنوعی برای تقریبا هر کاری وجود دارد، حداقل در جایی که به عملکردهای استراتژیک یا خلاقانه سطح بالاتر نیاز نیست. از آنجایی که آنها از LLM برای استدلال استفاده می کنند، به قابلیت های مدلی که شما استفاده می کنید محدود می شوند. با بهبود این موارد، هوش مصنوعی ممکن است تفاوت های ظریف بیشتری پیدا کند و نکات دستیابی به یک هدف را با وضوح بیشتری درک کرده و آنها را برای کارهای پیچیده تر در آینده مناسب کند.

عامل های هوش مصنوعی که می توانید همین الان امتحان کنید

برای اینکه خودتان هم مطمئن شوید، فهرست کوتاهی از برنامه‌هایی را که می‌توانید امتحان کنید، گردآوری کردم. همه اینها در مراحل اولیه توسعه هستند، بنابراین در طول مسیر انتظار اشکالات و زمان انتظار طولانی را داشته باشید. با این حال، مطمئن هستم که شما می توانید پتانسیل را در اینجا احساس کنید.

برنامه های همه منظوره

AI Agent یک برنامه انعطاف‌پذیر است که به شما امکان می‌دهد با انتخاب نام، هدف و مدل هوش مصنوعی که باید استفاده کند، عامل های خود را ایجاد کنید (GPT-3.5 Turbo و GPT-4 در حال حاضر در دسترس هستند). پس از اینکه هدف را مقدار دهی اولیه کرد و اولین لیست کار را ایجاد کرد، می توانید وظایف خود را ویرایش و اضافه کنید. سازنده گردش کار بصری به زودی ارائه می شود. برای تکمیل هر مرحله به آن زمان بدهید: تکمیل کارهای پیشرفته ممکن است بیش از ۲۰ دقیقه طول بکشد.

AgentGPT طرح آشنای ChatGPT را دارد که به شما امکان می دهد چندین عامل هوش مصنوعی ایجاد و مدیریت کنید. بسیار شهودی و سریع است، اما نتایج متناقض است. همچنین یک کتابخانه برای توسعه دهندگان وجود دارد، بنابراین می توانید چرخش خود را بر روی آن پیاده سازی کنید.

HyperWrite Assistant یک عامل هوش مصنوعی است که بر مرورگر کروم شما نصب می شود. هنوز در مراحل اولیه توسعه و در لیست انتظار قرار دارد، بنابراین فعلا کارایی چندانی ندارد.

برنامه های تحقیقات آنلاین

aomni یک عامل هوش مصنوعی است که در وب به دنبال اطلاعات در مورد هر موضوعی که شما انتخاب می کنید کراول می کنند. هدف شما را می گیرد، یک لیست کار ایجاد می کند، آن را یکی یکی تکمیل می کند و نتیجه را از طریق ایمیل به شما تحویل می دهد. تکمیل آن حداقل ۱۵ دقیقه طول می کشد و می توانید دو بار در روز به صورت رایگان از آن استفاده کنید.

Toliman AI یکی دیگر از گزینه های قابل اجرا برای تحقیقات آنلاین است که روند مشابهی را دنبال می کند. می‌توانید انتخاب کنید که چند مرجع باید قبل از جمع‌آوری نتیجه نهایی پیدا کند. هنگام ثبت نام، چند اعتبار برای آزمایش ویژگی ها دریافت می کنید. هر اعتباری که در بالای آنها خریداری کنید، از توسعه برنامه پشتیبانی می کند.

ابزارهای مجهز به هوش مصنوعی

Fine-Tuner به شما کمک می کند طیف وسیعی از ابزارهای دارای هوش مصنوعی را بسازید. می‌توانید با استفاده از BabyAGI و AutoGPT با رویکرد بدون کد، عامل های هوش مصنوعی ایجاد کنید، اما ابزارهای هوش مصنوعی دیگری نیز وجود دارد:

• یک ربات پرسش و پاسخ سند. شما مجموعه ای از اسناد را آپلود می کنید. سپس می توانید سوال بپرسید و پاسخ ها بر اساس داده های آن اسناد خواهد بود.
• جاسازی‌هایی که داده‌های شما را به نمایش‌های برداری تبدیل می‌کنند و پردازش مدل‌های هوش مصنوعی را آسان‌تر می‌کنند، در صورتی که در یادگیری ماشین سرمایه‌گذاری می‌کنید.
• تنظیم دقیق، که فرآیند انطباق یک LLM همه منظوره با وظایف خاص یا حوزه های دانش است. این کار معادل در اختیار گرفتن GPT-3 و آموزش آن برای دانستن نحوه کار با داده های شرکت شما است.

برای توسعه دهندگان

اگر کدنویسی می دانید، می توانید کارهای بیشتری را با عامل های هوش مصنوعی انجام دهید. در اینجا چند ایده برای شروع وجود دارد:

• BabyAGI (paper, GitHub)
• LangChain (بک اند برای BabyAGI)
• Pinecone (دیتابیس های وکتور)
• AgentGPT (برای استقرار عامل ها در مرورگر شما)

پیامدها

چنین امکاناتی شگفت‌انگیز است، اما چه اتفاقی می‌افتد اگر و زمانی که عامل های هوش مصنوعی شروع به گسترش در هر بخش از زندگی ما کنند؟ آیا می‌توانیم به این فناوری اعتماد کنیم تا وظایف مهم‌تری را در آینده بر عهده بگیرند؟

هنوز هیچ پاسخ روشنی وجود ندارد، زیرا تمام این تکنولوژی های بسیار جدید هستند. در اینجا خلاصه ای از سوالات اصلی در مورد این موضوع را مرور می کنیم.

آیا عامل های هوش مصنوعی درک احساسی دارند؟

با آنکه یکی از کارمندان گوگل معتقد بود که یکی از مدل های زبان بزرگ این شرکت، چنین درکی را دارد، اتفاق نظر فعلی این است که نه، هوش مصنوعی حساس نیست.

آیا عامل هوش مصنوعی مشاغل ما را خواهد گرفت؟

این فناوری کاملا جانشین مشاغل خواهد شد و تغییراتی را در بازار ایجاد خواهد کرد؛ اگرچه هیچ چشم انداز روشنی از زمان و چگونگی وقوع آن وجود ندارد. کارکنان انسانی ممکن است با عامل های هوش مصنوعی در صنایع مختلف جایگزین شوند. در عین حال، ممکن است موقعیت‌های بیشتری برای توسعه و نگهداری هوش مصنوعی به همراه موقعیت‌های انسان ایجاد شود تا اطمینان حاصل شود که تصمیمات انسانی اقدامات هوش مصنوعی را هدایت می‌کنند و نه برعکس.

آیا عامل هوش مصنوعی تعصب و تبعیض را تداوم می بخشد؟

یک مدل هوش مصنوعی به اندازه داده‌هایی که روی آن آموزش داده شده، بی‌طرف است—بنابراین بله، آنها مغرضانه هستند. مقابله با این مشکلات مستلزم ایجاد تغییراتی در فرآیندهای یادگیری ماشین و ایجاد مجموعه داده هایی است که طیف کاملی از دنیای انسانی و تجربه را نشان می دهد.

وقتی یک عامل هوش مصنوعی اشتباه می کند چه کسی مقصر است؟

این یک موضوع چالش برانگیز اخلاقی و حقوقی بوده و هنوز مشخص نیست چه کسی باید مقصر حوادث و عواقب ناخواسته باشد. توسعه دهندگان؟ صاحبان سخت افزار/نرم افزار؟ اپراتور انسانی؟ با ایجاد قوانین جدید و اجرای نرده‌های محافظ صنعت، می‌توانیم بفهمیم که عامل های هوش مصنوعی چه نوع نقش‌هایی را می‌توانند یا نمی‌توانند ایفا کنند.

عامل های هوش مصنوعی برای همه

تصور همه احتمالات و پیامدهای عامل های هوش مصنوعی در این زمینه دشوار است. فقط یک چیز قطعی است: زندگی و کار در این فرآیند دگرگون می شود.

اگر این زمینه به همان سرعتی که هوش مصنوعی در حال رشد است رشد کند، پلتفرم‌های عامل تجاری هوش مصنوعی ممکن است خیلی زود وارد بازار شوند. البته آنها ممکن است به اندازه همتایان خیالی خود ویژگی های زیادی نداشته باشند.

منبع: https://zapier.com/blog/ai-agent/