Enamat kui vestlusbot: Agentse tehisintellekti arhitektuuri ja mõju määratlemine
Viimastel aastatel on meie suhtlus tehisintellektiga järginud ennustatavat mustrit: meie anname viiba ja masin annab vastuse. Olgu selleks turundusmeili koostamine või koodijupi vigade parandamine, tehisintellekt toimis kui arenenud peegel – võimeline peegeldama, kuid võimetu liikuma.
- aasta alguse seisuga on see paradigma muutunud. Oleme liikunud generatiivse tehisintellekti ajastust agentse tehisintellekti (agentic AI) ajastusse. See üleminek tähendab fundamentaalset muutust tarkvara toimimises. Enam ei piisa sellest, et süsteem lihtsalt 'teab' asju; me ootame nüüd, et see 'teeks' asju. Agentne tehisintellekt viitab süsteemidele, mis suudavad tajuda oma keskkonda, mõelda läbi keeruliste eesmärkide ja astuda nende saavutamiseks iseseisvaid samme.
Peamine erinevus: autonoomia vs. abistamine
Agentsest tehisintellektist arusaamiseks peame seda eristama 'kaaspilootidest' (Copilots), mis domineerisid 2020. aastate alguses. Tavaline tehisintellekti assistent on reaktiivne. See ootab konkreetset juhist ja täidab ühe ülesande. Kui soovite broneerida reisi, küsite tehisintellektilt lende, seejärel hotelle ja sisestate seejärel veebisaidil käsitsi oma krediitkaardi andmed.
Seevastu agentne süsteem on eesmärgile orienteeritud ja proaktiivne. Kui talle antakse eesmärk – "Broneeri kolmepäevane ärireis Tokyosse 2000-dollarise eelarve piires, mis sobib minu kalendriga" – ei loetle agent lihtsalt variante. See pääseb ligi teie kalendrile, navigeerib broneerimisliidestes (API), võrdleb hindu platvormide vahel, analüüsib ajavööndite logistikat ja sooritab tehingu.
Määrav omadus on siinkohal agentsus: võime tegutseda kasutaja nimel teatud määral autonoomselt. Kui vestlusbot on tööriist, mida te kasutate, siis agent on digitaalne töötaja, keda te juhite.
Tehisintellekti agendi neli sammast
Mis tegelikult agendilaadse süsteemi "kapoti all" toimub? Enamik teadlasi ja insenere jaotab arhitektuuri neljaks kriitiliseks komponendiks:
- Aju (mõtlemine): See on tavaliselt suur keelemudel (LLM) või suur multimodaalne mudel (LMM). See toimib keskse komandopunktina, jagades kõrgetasemelised eesmärgid väiksemateks, teostatavateks sammudeks selliste tehnikate abil nagu mõtteahel (Chain-of-Thought, CoT) või mõttepuu (Tree-of-Thought) arutluskäik.
- Planeerimine: Agendid peavad suutma ette vaadata. See hõlmab eneserefleksiooni – võimet kontrollida oma tööd – ja suutlikkust suunda muuta, kui konkreetne tee viib veani.
- Mälu: Lühiajaline mälu võimaldab agendil jälgida käimasolevaid ülesandeid, samas kui pikaajaline mälu (mida sageli toidavad vektordomeenid) võimaldab tal meeles pidada kasutaja eelistusi, varasemaid õnnestumisi ja spetsiifilisi teadmisi nädalate või kuude jooksul.
- Tööriistade kasutamine (tegevus): Need on agendi "käed". API-de ja spetsiaalsete tarkvaraliideste kaudu saab agent suhelda füüsilise ja virtuaalse maailmaga – saata e-kirju, käivitada koodi või isegi juhtida robotriistvara.
Tehisintellekti paradigmade võrdlus
Toomaks esile, kuhu agentne AI laiemas pildis paigutub, vaadake järgmist tehisintellekti võimekuste võrdlust:
| Funktsioon | Generatiivne AI (vestlusbotid) | Agentne AI (agendid) |
|---|---|---|
| Põhifunktsioon | Sisu loomine ja otsimine | Eesmärkide saavutamine ja täitmine |
| Kasutaja sisend | Konkreetsed, samm-sammulised viibad | Kõrgetasemelised eesmärgid |
| Töövoog | Lineaarne (sisend -> väljund) | Iteratiivne (plaani -> tegutse -> vaatle -> täpsusta) |
| Ühenduvus | Piiratud treeningandmete/otsinguga | Integratsioon väliste rakenduste ja API-dega |
| Inimjärelevalve | Pidev (inimene protsessis) | Perioodiline (inimene kontrollimas) |
Üleminek mitme agendi süsteemidele
Üks olulisemaid arenguid 2025. ja 2026. aastal on olnud mitme agendi süsteemide (MAS) esiletõus. Selle asemel, et üks monoliitne tehisintellekt püüaks teha kõike, rakendavad organisatsioonid spetsialiseerunud agentide "parvi".
Kujutage ette tarkvaraarendusprojekti. Üks agent tegutseb tootejuhina, määratledes nõuded. Teine tegutseb koodikirjutajana, koostades skripti. Kolmas agent tegutseb kvaliteedikontrollijana, otsides vigu. Need agendid suhtlevad omavahel, peavad läbirääkimisi piirangute üle ja annavad ülesandeid üle. See moodulpõhine lähenemine peegeldab inimeste organisatsioonilisi struktuure ja vähendab oluliselt "hallutsinatsioonide" määra, kuna igal agendil on kitsas ja kontrollitav töövaldkond.
Riskid ja "agentsuse lõhe"
Suurema autonoomiaga kaasneb suurem risk. Praegune peamine mure valdkonnas on "agentsuse lõhe" (Agentic Gap) – vahemaa selle vahel, mida agendil kästakse teha ja kuidas ta otsustab seda teha.
Turvalisus on esmatähtis murekoht. Kui agendil on õigus kulutada raha või kustutada faile, muutub see väärtuslikuks sihtmärgiks "viibasüsti" (prompt injection) rünnakutele, kus pahatahtlikud osapooled petavad agendi eirama oma turvaprotokolle. Lisaks on probleemiks "kaskaadvead". Kui agent teeb planeerimisetapis vea, võib iga järgnev tegevus seda viga süvendada, viies ettearvamatute tulemusteni reaalses keskkonnas.
Praktilised soovitused: kuidas valmistuda
Kuna agentne tehisintellekt muutub ettevõtte tehnoloogiakomplekti standardseks osaks, peaksid ettevõtted ja üksikisikud astuma konkreetseid samme kohanemiseks:
- Auditeerige oma API-sid: Agendid vajavad teie andmetega suhtlemiseks "käepidemeid". Veenduge, et teie sisesüsteemidel on tugevad ja hästi dokumenteeritud API-d, milles tehisintellekt suudab navigeerida.
- Määratlege selged piirded: Muutke oma fookust "kuidas viibata" suunalt "kuidas hallata". Kehtestage ranged õigused selle kohta, mida agent tohib ja mida ei tohi ilma inimese heakskiiduta teha.
- Keskenduge orkestreerimisele: Ärge otsige ühte tehisintellekti, mis valitseks kõiki. Otsige orkestreerimisplatvorme, mis võimaldavad erinevatel agentidel (OpenAI-st, Anthropicust või avatud lähtekoodiga mudelitest) koos töötada.
- Arendage "agentset kirjaoskust": Õppige määratlema eesmärke, mitte ülesandeid. Edu agentses maailmas sõltub võimest pakkuda selgeid, ühemõttelisi eesmärke ja edumõõdikuid.
Tee edasi
Agentne tehisintellekt ei ole lihtsalt moesõna; see on suurte keelemudelite revolutsiooni loogiline tulemus. Andes mudelitele võime planeerida, mäletada ja tegutseda, liigume tuleviku suunas, kus tehnoloogia ei ole enam staatiline ressurss, millega me nõu peame, vaid dünaamiline partner, kes aitab meil navigeerida kaasaegse maailma keerukuses. Järgnevate aastate väljakutse ei ole nende agentide targemaks muutmine, vaid nende muutmine usaldusväärsemaks, läbipaistvamaks ja kooskõlastatumaks inimeste kavatsustega.
Allikad
- DeepLearning.AI: "What are AI Agents?" by Andrew Ng
- OpenAI Research: "Practices for Governing Agentic AI Systems"
- Anthropic Technical Blog: "Building Effective Agents"
- Microsoft Research: "AutoGen: Enabling Next-Gen LLM Applications"
- Stanford Institute for Human-Centered AI (HAI): "The Rise of Autonomous Agents"
Kohtumiseni teisel poolel.
Meie läbivalt krüpteeritud e-posti ja pilvesalvestuse lahendus pakub kõige võimsamaid vahendeid turvaliseks andmevahetuseks, tagades teie andmete turvalisuse ja privaatsuse.
/ Tasuta konto loomin
