Amazon
Web Services
Microsoft Azure
Google Cloud PlatformO que são o sistema composto AI e os agentes AI?
Mosaic AI O Agent Framework ajuda os desenvolvedores a superar os desafios exclusivos do desenvolvimento de agentes AI e sistemas compostos AI. Saiba o que torna um aplicativo AI um sistema AI composto e um agenteAI .
Sistemas de IA compostos
Os sistemas compostos AI são sistemas que lidam com a tarefa AI combinando vários componentes que interagem entre si. Por outro lado, um modelo AI é simplesmente um modelo estatístico, por exemplo, um Transformer que prevê os próximos tokens no texto. Os sistemas compostos AI são um padrão de design cada vez mais comum para aplicativos AI devido ao seu desempenho e flexibilidade.
Para obter mais informações, consulte The Shift from Models to Compound AI Systems .
O que são os agentes do site AI?
As indústrias ainda estão definindo os agentes doAI , no entanto, ele é geralmente entendido como um sistema AI em que o modelo toma algumas ou todas as decisões de planejamento, em contraste com a lógica codificada. Esses agentes usam grandes modelos de linguagem (LLMs) para tomar decisões e atingir seus objetivos.
Muitos aplicativos de agentes AI são feitos de vários sistemas, o que os qualifica como sistemas AI compostos.
A agência é um continuum; quanto mais liberdade fornecemos aos modelos para controlar o comportamento do sistema, mais semelhante a um agente o aplicativo se torna.
O que são ferramentas?
AI Os agentes usam ferramentas para realizar ações além da geração de linguagem, por exemplo, para recuperar dados estruturados ou não estruturados, executar código ou conversar com serviços remotos, como enviar uma mensagem para email ou Slack.
No Databricks, o senhor pode usar as funções do Unity Catalog como ferramentas, permitindo fácil descoberta, governança e compartilhamento de ferramentas. O senhor também pode definir ferramentas usando a biblioteca de autoria de agentes de código aberto, como LangChain.
Em um fluxo de trabalho agêntico típico, o agente LLM recebe metadados sobre as ferramentas, que ele usa para determinar quando e como usar a ferramenta. Portanto, ao definir ferramentas, o senhor deve garantir que a ferramenta, seus parâmetros e seu valor de retorno estejam bem documentados, para que o agente LLM possa usar a ferramenta da melhor forma possível.
De LLMs a AI agentes
Para entender os agentes do AI, é útil considerar a evolução dos sistemas do AI.
LLMs: Inicialmente, os grandes modelos de linguagem simplesmente respondiam a solicitações com base no conhecimento de um vasto treinamento dataset.
LLMs + cadeias de ferramentas: Em seguida, os desenvolvedores adicionaram ferramentas codificadas para expandir os recursos do LLM. Por exemplo, a geração aumentada de recuperação (RAG) expandiu a base de conhecimento do LLMcom conjuntos de documentação personalizados, enquanto as ferramentas do API permitiram que os LLMs realizassem tarefas como criar tíquetes de suporte ou enviar e-mails.
AI agentes: Agora, os agentes do AI criam planos e executam tarefas de forma autônoma com base em sua compreensão do problema. AI Os agentes ainda usam ferramentas, mas cabe a eles decidir qual ferramenta usar e quando. A distinção do key está no nível de autonomia e nos recursos de tomada de decisão em comparação com os sistemas compostos do AI.
Do ponto de vista do desenvolvimento, os aplicativos AI, sejam eles LLMs individuais, LLMs com cadeias de ferramentas ou agentes AI completos, enfrentam desafios semelhantes. Mosaic AI O Agent Framework ajuda os desenvolvedores a gerenciar os desafios exclusivos de criar e AI aplicativos em todos os níveis de complexidade.
Exemplos de AI agentes
Aqui estão alguns exemplos de agentes do AI em várias indústrias:
AI/BI AI- chatbots e dashboards que aceitam solicitações de linguagem natural para realizar análises dos dados de uma empresa, extraindo percepções de todo o ciclo de vida de seus dados. AI/BI Os agentes analisam as solicitações, decidem para qual fonte de dados e como comunicar os resultados. AI/BI Os agentes podem melhorar com o tempo por meio de feedback humano, oferecendo ferramentas para verificar e refinar seus resultados.
Atendimento ao cliente: AI-Os chatbots com recursos, como os usados pelas plataformas de atendimento ao cliente, interagem com os usuários, entendem a linguagem natural e fornecem respostas relevantes ou realizam tarefas. As empresas usam AI chatbots para atendimento ao cliente, respondendo a consultas, fornecendo informações sobre o produto e auxiliando na solução de problemas.
Manutenção preditiva da manufatura: os agentes do AI podem ir além da simples previsão de falhas de equipamentos, agindo de forma autônoma sobre elas, solicitando substituições ou programando a manutenção para reduzir o tempo de inatividade e aumentar a produtividade.