#Agent

#소개

Google 이 《Agents》 whitepaper 에서정의정의한 바에 의하면.

인공 지능(AI) 에이전트는 가용 도구를 사용해서 워크플로를 설계하고 작업을 자동으로 수행하는 시스템입니다. AI 에이전트는 자연어 처리 외에도 의사 결정, 문제 해결, 외부 환경과의 상호 작용, 작업 실행 등 다양한 기능을 포괄할 수 있습니다.

#핵심원칙

1. 인식. 이는 에이전트가 작동하는 공간을 의미합니다. 이는 도로, 창고 또는 집의 바닥과 같은 물리적 공간일 수 있습니다. 또는 웹사이트나 서버와 같은 디지털 공간일 수 있습니다. 에이전트는 센서를 통해 그들의 환경을 평가하고 인식합니다. 자율주행 자동차의 입력은 센서, 카메라, 레이더가 될 수 있습니다. 한편, 챗봇은 고객의 질문이나 피드백에서 입력을 받습니다.
2. 추론. 그러면 에이전트가 어떤 결정을 내려야 할지 결정할 수 있습니다. 에이전트는 지식 기반을 바탕으로 규칙 기반 시스템, 머신 러닝 모델 또는 다른 알고리즘을 사용하여 의사결정을 안내할 수 있습니다.
3. 목표 설정. AI는 사전 정의된 목표 또는 사용자 입력을 기반으로 목표를 설정합니다. 그런 다음 의사 결정 트리, 강화 학습 또는 기타 계획 알고리즘을 사용하여 이러한 목표를 달성하기 위한 전략을 개발합니다.
4. 결정. 지식 기반 에이전트는 메모리와 세계에 대한 이해를 바탕으로 결정을 내립니다. 그것은 사용자의 목표와 객체와 이벤트 간의 관계를 고려합니다.
5. 행동. 한 번 결정이 내려지면, 에이전트는 환경 내에서 행동합니다.
6. 학습. AI 에이전트를 단순한 AI 시스템과 구별하는 것은 그것이 학습하고, 세밀화하고, 그것의 결정 만들기를 향상시킬 수 있는 능력입니다. 시간이 지남에 따라 에이전트는 그 경험에서 배우고 더욱 능숙하고 최적화됩니다.

#구성요소

• 인식
  • 시각적
  • 청각적
  • 텍스트
  • 환경적
  • 예측적
• 추론
  • 조건부 논리
  • 휴리스틱
  • ReAct(이유+행동)
  • ReWOO(관찰 없이 추론하기 reasoning without observation)
  • 자기반성
• 메모리
  • 단기
  • 장기(에피소드, 의미, 절차 등등)
• 계획 수립(Plan)
  • 목표 정의
  • 상태 표현
  • 행동 순서화
  • 최적화 및 평가
  • 협업
• 도구 사용(Tool)
• 커뮤니케이션
  • agent간 통신
    • KQML(Knowledge Query and Manipulation Language)
    • FIPA-ACL(Foundation for Intelligent Physical Agents – Agent Communication Language)
  • 인간-AI 통신
    • 자연어 처리(Natural Language Processing), 음성 인식 등등
• 러닝
  • 지도 학습 supervised-learning
  • 비지도 학습 unsupervised-learning
  • 강화 학습
  • 지속적인 학습
  • 다중 에이전트 학습

#구현

1. 문제를 정의
2. 데이터, 도구 준비
3. 적절한 AI 모델을 선택
4. 지속적인 모니터링
5. 성공 측정 및 평가

#워크플로우 / AI 어시스턴트 / AI 에이전트

워크플로는 LLM(Learning Leadership Machine)과 도구가 미리 정의된 코드 경로를 통해 조율되는 시스템입니다.

AI 에이전트

에이전트는 LLM이 자체 프로세스와 도구 사용을 동적으로 지시하고 작업 수행 방식을 제어하는 시스템입니다.

AI 어시스턴트

AI 어시스턴트는 사용자의 직접적인 요청이나 명령에 반응하여(Reactive) 작업을 수행합니다.

#기타

#流程

• 规划 Planning
  • 概念
    • 观察与思考怎么完成任务
    • 利用拥有的工具实现目的
    • 任务拆分成子任务
    • 执行任务的过程中进行反思和完善 吸取教训以完善未来的步骤
• 记忆 Memory
  • 分类
    • 感觉记忆(Sensory Memory)
    • 短期记忆
    • 长期记忆
• 工具 Tools
  • 预制工具
    • Bing Search
    • dall-E Image
  • 自定义工具
  • 工具集
• 执行 Action
  • 执行任务
  • 反馈结果

#举例

1. 输入: 请问现任美国总统是谁？他的年龄的平方是多少？请用中文告诉我这两个问题
2. 规划: 我需要使用搜索引擎来找到美国现任总统的名字 然后使用计算器来计算他的年龄的平方‘
3. 执行: search
4. 执行输入: 美国现任总统
5. Observation: joe biden
6. Thought: 现任美国总统是 joe biden
7. 执行: Calculator
8. 执行输入: 68^2
9. Observation: 4624
10. Thought: 我现在知道了美国现任总统是 joe biden 他的年龄的平方是 4624
11. Final Answer: 美国现任总统是 joe biden 他的年龄的平方是 4624

#框架

• Plan and Execute
  1. user request
  2. plan
  3. generate tasks
  4. exec tasks(single task agent(loop))
  5. update state with task results
  6. rePlan
  7. response to user
• Self Ask
• Thiking and Self-Reflection 思考并自我反思
  • 框架主要用于模拟和实现复杂决策过程，通过不断自我评估和调整，使系统能够学习并改进决策过程，从而在面对复杂问题时做出更加有效的决策
  • Thinking
    • LLM ⇒ Thougth1 ⇒ Action1 ⇒ Thougth2 ⇒ Action2 ⇒ Thougth3 ⇒ Action3 ⇒ End
  • Self-Reflection
    • LLM ⇒ Thougth1 ⇒ Action1 ⇒ LLM ⇒ Thougth2 ⇒ Action2 ⇒ LLM ⇒ End