Intelligent agent

Inom artificiell intelligens (AI) är en intelligent agent en entitet som uppfattar sin omgivning, agerar autonomt för att uppnå mål, och som kan förbättra sin prestanda genom maskininlärning eller genom att inhämta kunskap. Det kan vara allt från en enkel termostat till komplexa mjukvarusystem, självkörande bilar eller mänskliga system.

Ett mer specialiserat begrepp som vuxit fram ur modern generativ AI är agentisk AI (ofta bara kallat AI-agent). Detta syftar på system som kan ta egna initiativ för att lösa komplexa problem, fatta beslut och agera över längre tidsperioder utan konstant mänsklig styrning.

Intelligenta agenter som grundval för AI

I många standardverk, exempelvis Stuart Russell och Peter Norvigs Artificial Intelligence: A Modern Approach, definieras artificiell intelligens som just studiet och designen av intelligenta agenter.

Att definiera AI utifrån agenter innebär att man fokuserar på beteende och måluppfyllelse istället för filosofiska frågor om maskiners eventuella medvetande (såsom Turingtestet). Det gör det också möjligt att rent objektivt och matematiskt testa hur väl ett AI-system presterar genom att mäta hur framgångsrikt det uppnår sina mål. En ideal agent kallas ofta för en "rationell agent", en entitet som alltid strävar efter att uppnå det bästa möjliga utfallet baserat på den kunskap den har.

Agentfunktion och mål

Matematiskt kan en agents beteende beskrivas genom en agentfunktion. Denna funktion mappar agentens samlade historik av varseblivningar (kallat percept, det agenten har uppfattat av sin miljö) till en specifik handling.

För att agenten ska veta vilka handlingar som är bra eller dåliga styrs den av en målfunktion (engelska: objective function). Målfunktionen är ett mått på framgång. Beroende på vilket AI-område som avses kallas detta ofta för olika saker:

• Förlustfunktion (loss function): Används inom vanlig maskininlärning där målet är att minimera fel.
• Belöningsfunktion (reward function): Används inom förstärkningsinlärning där agenten lär sig genom att maximera sin ackumulerade belöning.
• Fitnessfunktion: Används inom evolutionära algoritmer för att avgöra vilka lösningar som är bäst lämpade att "överleva" och föras vidare.

Klassificering av agenter

Russell och Norvig delar in intelligenta agenter i fem huvudkategorier baserat på deras komplexitet:

1. Enkla reflexagenter: Agerar uteslutande på det de uppfattar i stunden via enkla "om-så"-regler, utan att ta hänsyn till historik. En termostat är ett exempel på detta.
2. Modellbaserade reflexagenter: Har ett inre minne och en modell av hur världen fungerar. Detta gör att de kan hantera miljöer som de för tillfället inte kan se i sin helhet.
3. Målbaserade agenter: Agenter som har information om ett framtida måltillstånd och kan planera flera steg framåt (sökning och planering) för att nå dit. Robotdammsugare är ofta målbaserade.
4. Nyttobaserade agenter: Förutom att vilja nå ett mål kan de utvärdera hur bra ett specifikt tillstånd är med hjälp av en nyttofunktion. De väljer den handling som maximerar den förväntade nyttan (exempelvis att inte bara nå fram till målet, utan att göra det så snabbt och säkert som möjligt).
5. Lärande agenter: Agenter som kan operera i helt okända miljöer. De utvärderar sina egna resultat via en "kritiker"-komponent och justerar sitt framtida beteende därefter.

Agentisk AI och moderna system

Med framväxten av stora språkmodeller (LLM) under 2020-talet har begreppet AI-agent fått en delvis ny och mycket populär innebörd. Sådana agenter utmärks av att de kan fungera autonomt i komplexa digitala miljöer. Istället för att bara generera text utifrån en specifik prompt, kan de bryta ner stora mål i delmål, skriva och exekvera egen kod, surfa på nätet och använda externa programvaror.

Tidiga framstående exempel på detta inkluderar experimentella verktyg som AutoGPT och kodningsassistenter som Devin. Företag använder även multi-agentsystem (flera agenter som kommunicerar med varandra) för att bygga simuleringar, till exempel utvecklade företaget Waymo en agentmiljö kallad Carcraft för att simulera trafiksituationer och träna självkörande bilar. Inom industrin bygger mjukvaruföretag plattformar där agenter autonomt kan sköta kundtjänstärenden, boka resor eller hantera administrativt arbete inom vården.

Se även

• Artificiell intelligens
• Generativ artificiell intelligens
• Bot (program)
• Förstärkningsinlärning

Referenser