Lär dig om Agenter inom Artificiell intelligens - de program som kan uppfatta sin omgivning, fatta beslut och agera för att nå specifika mål. De är ryggraden i många av dagens smartaste system.
AI-agenter omfattar ett brett spektrum av funktioner utöver enbart konversation. De är avancerade system designade för att autonomt uppnå komplexa mål genom att: fatta beslut, lösa problem, interagera med externa miljöer och utföra åtgärder.
Dessa agenter löser komplexa uppgifter inom företagsapplikationer, inklusive programvarudesign, IT-automation, kodgenerering och avancerad konversationshjälp. De använder avancerade tekniker för naturlig språkbehandling (**NLP**) i stora språkmodeller (**LLM**) för att förstå och svara på användarinmatningar steg för steg och, viktigast av allt, **avgöra när externa verktyg ska anropas** för att utföra handlingar.
Exempel på AI-agenter: En agent kan ta kommandot "Boka ett flyg till London och lägg till det i min kalender", där den sedan använder externa verktyg för att söka flyg, genomföra bokning och slutligen interagera med ett kalendersystem. Ett annat exempel är en agent som skriver och exekverar kod för att bygga en webbsida baserat på en enkel prompt.
Skillnaden mot en vanlig AI-chatbot är alltså förmågan att agera autonomt. En chatbot är primärt en konversationsassistent som genererar text. System som **Gemini och ChatGPT** är hybrider: de är en **chatbot** när de bara svarar på en fråga med text, men de blir en **AI-agent** när de använder **verktyg** (som Google Sök, bildgenerering eller kodtolkar) för att *utföra* en handling eller *hämta* information utanför sin egen kunskapsbas för att lösa uppgiften.
"Vad ska jag göra nu?"
Den mest grundläggande typen. Den agerar baserat på den **nuvarande uppfattningen** av omgivningen, helt utan att ta hänsyn till tidigare händelser eller historik. Den följer enkla "Om-Så"-regler.
Exempel:
"Hur ser världen ut nu?"
Denna agent har en inre modell av världen (hur saker fungerar och hur dess egna handlingar påverkar omgivningen). Den använder både nuvarande uppfattning och historik för att agera.
Exempel:
"Vad vill jag uppnå?"
Denna agent har ett specifikt mål den strävar efter. Den måste därför välja handlingar som leder den till målet. Ofta används sökalgoritmer för att planera framåt.
Exempel:
"Hur bra är resultatet?"
Den mest sofistikerade typen. Den agerar inte bara för att nå ett mål, utan för att nå det på bästa möjliga sätt (maximera nyttan). Den väger in faktorer som tid, kostnad och risk.
Exempel:
"Hur kan jag bli bättre?"
Detta är en förmåga som kan läggas till agenterna 1-4. Agenten har en inlärningskomponent som analyserar prestanda och korrigerar agentens regler och kunskap över tid, baserat på erfarenhet.
Exempel:
Utvecklingen av allt mer autonoma AI-agenter kräver att vi som människor agerar som den ultimata säkerhetsspärren.
Vi måste definiera de etiska gränserna, utvärdera konsekvenserna och se till att agenterna agerar i linje med mänskliga värderingar och samhällets bästa. Detta är en del av det demokratiska och etiska ansvaret som lyfts fram i kursen.