از هوش مصنوعی عامل محور چه می دانید؟

هوش را چگونه می‌سنجیم؟

چگونه تعیین می‌کنیم که یک فرد یا یک برنامه، هوشمندتر از دیگری است؟

آیا معیار آن، میزان اطلاعاتی است که در اختیار دارند؟

یا شاید نحوه استفاده آن‌ها از آن اطلاعات برای یافتن بهترین راه‌حل‌هاست؟

اگر نظر شما مورد دوم است، احتمالاً بر این باورید که هوشمندترین موجودیت، همان است که بیشترین میزان خودمختاری را دارد؛ و این موضوع دقیقاً با مبحث «هوش مصنوعی مبتنی بر عامل» (agent-based AI) مرتبط است.

در سالیان اخیر، در حوزه هوش مصنوعی، از مفهومی تحت عنوان سامانه های هوش مصنوعی عامل محور صحبت به میان آمده است. عنوان می شود که هوش مصنوعی مبتنی بر عامل، معطوف به یک یا چند هدف است. این سیستم‌ها به‌جای تلاش برای انجام وظایفِ مجزا و پراکنده، قادرند برای هر گام در مسیر دستیابی به هدف نهایی برنامه‌ریزی کنند.

هوش مصنوعی عامل محور به سامانه های مبتنی بر مدل های زبانی بزرگ اطلاق می شود که با قابلیت استفاده از ابزارها، می توانند از طریق گردش کارهای پیچیده چندعاملی به استدلال خودمختار، برنامه ریزی راهبردی و اقدام هدف مند دست بزنند.

هوش مصنوعی عامل محور به عنوان نیرویی برهم زننده عمل می کند که ساختارهای سازمانی و نظام های تصمیم گیری را به طور بنیادین بازآرایی می کند.

اگر ویژگی‌های عوامل هوش مصنوعی را که پیش‌تر ذکر شد مرور کنیم، درمی‌یابیم که هوش‌های مصنوعیِ مبتنی بر عامل، از خودمختاری، کنش‌گری (پیش‌دستی در عمل) و هدفمندیِ بیشتری برخوردارند. به‌عبارت‌دیگر، آن‌ها در قبال وظایف محول‌شده، از عاملیت بیشتری برخوردارند. می‌توان کاربردهای هوش مصنوعی مبتنی بر عامل را نسخه‌های پیشرفته‌ای از سیستم‌های هوش مصنوعی دانست؛

در این بین اندرو ان‌جی در آثار خود، چهار الگوی طراحی برای کاربردهای هوش مصنوعی مبتنی بر عامل ارائه می دهد:

1.بازاندیشی: مدل‌های زبانی بزرگ عملکرد خود را بازبینی می‌کنند، خطاها را شناسایی کرده و راه‌هایی برای اصلاح آن‌ها می‌یابند.

2. استفاده از ابزار: به مدل‌های زبانی بزرگ قابلیت‌هایی مانند جستجو در اینترنت، اجرای کد یا انجام سایر کارکردها داده می‌شود که به آن‌ها در یافتن اطلاعات، تصمیم‌گیری یا پردازش داده‌ها کمک می‌کند.

3. برنامه‌ریزی: مدل‌های زبانی بزرگ نیاز را شناسایی کرده و برای دستیابی به یک هدف، برنامه‌ای چندمرحله‌ای تدوین می‌کنند.

4. همکاری چندعاملی: عامل‌های هوش مصنوعی با یکدیگر همکاری می‌کنند: آن‌ها درباره گزینه‌ها گفتگو کرده و وظایف را تقسیم می‌کنند تا به راهکاری دست یابند که از دستاوردِ یک عاملِ واحد، بهتر باشد.

برگرفته از سایت https://inmetrics.com/

برای عضویت در کانال ایتای آکادمی تحلیل دکتر طالعی فر اینجا را کلیک کنید

گزیده ای از خدمات تحلیلی قابل ارائه آکادمی تحلیل دکتر طالعی فر با استفاده از کادری مجرب و زبده

1.تحلیل روایی و پایایی انواع پرسشنامه های استاندارد مرتبط با موضوع درخواست دهنده

2. تحلیل های توصیفی (تهیه انواع جداول فراوانی، محاسبه انواع آماره های توصیفی پراکندگی و مرکزی، تهیه انواع نمودارهای آماری (نموداری کیفی و کمی))

3. تحلیل های استنباطی ( تحلیل واریانس، آزمون های آماری پارامتریک و ناپارامتریک، تحلیل های رگرسیون و همبستگی، تحلیل عاملی اکتشافی و تاییدی و …).

4. مدلسازی معادلات ساختاری و تحلیل مسیر

5.تحلیل های مرتبط با تکنیک های تصمیم گیری (تک یا چند معیاره)

6. تحلیل پویایی سیستم (مدلسازی، اعتبارسنجی رفتار مدل، شبیه سازی متغیرهای کلیدی مدل، سناریوسازی)

7.تحلیل گراندد تئوری (داده بنیاد)

8.تحلیل تم (تحلیل مضمون)

9.تحلیل محتوا