Андрей Щербаков 
С момента своего появления искусственный интеллект (ИИ) был полон ложных утверждений, частично вызванных широко распространенным пробелом в знаниях. Людям без технического образования может быть сложно различать такие термины, как генеративный ИИ, символьный ИИ или агентный ИИ, и технологические компании пользуются этим, заявляя о возможностях, которых у них на самом деле нет. Ситуация осложняется тем, что по мере того, как ИИ становится все более распространенным, компании, выполняющие даже самый поверхностный статистический анализ, внезапно начинают ребрендинг и называют себя «компаниями, занимающимися машинным обучением». Эта растущая тенденция заставляет потенциальных клиентов сомневаться в том, что различные решения в области ИИ действительно могут делать.
С появлением агентного ИИ уже сейчас можно наблюдать, как компании используют этот термин неточно — многие компании, использующие простые «чат-боты», называют себя поставщиками агентного ИИ. Агентный ИИ представляет собой значительный шаг вперед в технологии ИИ, но важно точно понимать, что это означает. Настоящий агентный ИИ — это тонкий танец, сочетающий в себе элементы генеративного ИИ, символьного ИИ, объясняющей математики и нелинейных механизмов оптимизации в рамках агентной презентации, повышающий уровень пользователей-людей за счет демократизации доступа к передовым технологиям.
Определение «искусственного интеллекта» широкое, но если учесть, что необходимо для того, чтобы он был одновременно полезным и надежным, требуется целый ансамбль технологий. Чат-бот может искать информацию в Интернете, обобщать и воспроизводить свои выводы, но он не может проверять данные, содержащиеся в больших языковых моделях (LLM), и не может рассуждать с тонким, человеческим суждением, необходимым для получения надежных идей. Создание решения ИИ с преобразующим влиянием на бизнес требует ряда компонентов, которые объединяются, образуя большее целое. Этот сложный баланс поддерживает рассуждения, подобные человеческим, одновременно синтезируя, анализируя и оптимизируя достоверные данные для конечного пользователя в масштабах, превышающих человеческие возможности. Базовый инструмент может технически соответствовать минимальному определению «искусственного интеллекта», но современному бизнесу нужны решения, способные на большее.
Это похоже на то, как компания, выпускающая автомобили массового потребления, пытается имитировать внешний вид люксового бренда. Они могут быть в состоянии отразить поверхностную эстетику на расстоянии, но изучение деталей и качества материалов (не говоря уже о том, что находится под капотом) покажет правду. Те, кто использует «агентный ИИ» в качестве маркетингового термина, не имея функциональных возможностей для его поддержки, должны быть так же легко обнаружены, но клиенты не всегда обладают техническими знаниями, чтобы определить, какой уровень зрелости ИИ им предлагают. Компания может утверждать, что является «оптимизирующей компанией», но может ли она на самом деле выполнять нелинейную оптимизацию на основе ограничений? Или она использует модель линейной регрессии для выполнения базового прогнозирования? Хуже того, использует ли она программу, которая может обрабатывать только четыре из 40 ограничений, необходимых для моделирования данной проблемы? Любой может утверждать, что предоставляет решения на «основе ИИ», но разрыв в результатах значителен.
Это важно понимать, поскольку происходит переход к следующему этапу разработки и внедрения ИИ. Агентный ИИ обещает стать революционной технологией, которая эффективно демократизирует доступ к мощной аналитике на основе ИИ и расширенным возможностям оптимизации.
Существует четыре важнейших элемента агентного ИИ: символьный ИИ, объясняющая математика и механизмы оптимизации, генеративный ИИ и сам «агент»:
Символьный ИИ — это «глубокое мышление» мозга, отвечающее за такие вещи, как логический вывод в форме абдуктивного и дедуктивного рассуждения. Он использует программирование на основе логики и методы доказательства теорем для решения проблем способом, имитирующим человеческий мозг.
Мощные многомерные объясняющие математические и оптимизационные механизмы используются для выполнения сложных математических вычислений, необходимых для обработки огромных объемов данных и получения глубоких идей.
Генеративный ИИ выполняет функции «тонкого среза», необходимые для выявления закономерностей в больших наборах данных и экстраполяции на их основе.
Агентный ИИ — это диалоговый компонент, который позволяет машине взаимодействовать с людьми подобно человеку, облегчая взаимодействие и демократизируя доступ к передовой аналитике и идеям. Это «квотербек» команды, организующий действия в системе.
Агентный ИИ похож на тонкий танец, и агент является его лидером. Без агента, который синтезирует и оптимизирует данные, поступающие от аналитических механизмов, пользователи имели бы доступ к огромным объемам информации, но не знали бы, как ее организовать или использовать. Агентный ИИ преобразует сложные аналитические данные и данные оптимизации в демократичный пользовательский интерфейс, чтобы предоставить бизнес-пользователям доступ к полезным и действенным идеям без необходимости обладания передовым опытом анализа данных. Генеративный ИИ, символьный ИИ, математика и механизмы оптимизации имеют индивидуальное применение, но агент является четвертым критически важным элементом, который позволяет всем четырем элементам работать уникальным и гармоничным образом.
До появления агентного ИИ роль агента играл человек-оператор, но человек просто не в состоянии обработать такой объем информации. Сегодня агент ИИ, поддерживаемый тремя другими частями «мозга», может анализировать огромные наборы данных, на которые влияют десятки ограничений. Эти агенты также имеют полное представление о том, как каждый компонент влияет на другие, генерируя идеи оптимизации, необходимые для продвижения современного бизнеса. И поскольку они представлены агентом ИИ, способным к человеческому мышлению и общению, эти важные бизнес-идеи становятся все более доступными даже для пользователей, не обладающих высокой степенью технических знаний.
На выставке Consumer Electronics Show (CES) в этом году генеральный директор NVIDIA Дженсен Хуанг предсказал, что к концу 2025 года 30% компаний будут иметь «цифровых сотрудников», вносящих значительный вклад в бизнес. Это может звучать как смелое предсказание, но для тех, кто провел значительное время, работая с агентным ИИ, это просто признание давно известной истины. Сочетание символьного ИИ, генеративного ИИ и современных объясняющих математических и оптимизационных механизмов, танцующих вместе с помощью агента ИИ, делает важные идеи оптимизации бизнеса более доступными, чем когда-либо. Настоящий агентный ИИ — это революционная технология, и те, кто не сможет ее внедрить, рискуют остаться позади.
