Robotyzacja procesów biznesowych (RPA), czyli algorytmy wykonujące powtarzalne czynności oparte na regułach, ale pozbawione zdolności uczenia się. Następnie zaawansowana analityka predykcyjna oraz uczenie maszynowe (ML), a w końcu generatywna sztuczna inteligencja (GenAI) wykazująca pewien zakres kreatywności i potrafiąca tworzyć nowe treści na podstawie prostych poleceń językowych. Tak w dużym uproszeniu można opisać przyrost autonomii i kolejne warstwy inteligencji dodawane do różnego typu oprogramowania. Ostatnia z wymienionych innowacji okazała się nie lada przełomem, a według wyliczeń IMF charakteryzuje się historycznie bezprecedensową szybkością adopcji, która osiągnęła 100 milionów użytkowników w zaledwie kilka miesięcy. To tempo znacznie szybsze niż w przypadku innych technologii ogólnego przeznaczenia, jak internet, telewizja kablowa czy telefonia komórkowa.
Czytaj więcej
Eksperci przekonują, że masowe pojawienie się akumulatorów litowo-jonowych wymusza zmiany w warun...
Dziś na ustach wszystkich są agenci AI, czyli nowe podejście do architektury systemów sztucznej inteligencji, które łączy poszczególne warstwy i zakresy autonomii. Z informacji publikowanych przez twórców takich rozwiązań można wręcz odnieść wrażenie, że agent AI to narzędzie niemal doskonałe, wszechstronne i niezastąpione, że w zasadzie trudniej wskazać rzeczy, których agent nie potrafi zrobić, niż te, które wykonuje z łatwością. Prawda okazuje się jednak nieco bardziej surowa niż marketingowe deklaracje producentów.
Agent AI, czyli co lub kto?
Agent AI to w dużym skrócie autonomiczny system algorytmów wykorzystujący zaawansowane techniki uczenia maszynowego i przetwarzania języka naturalnego, które pozwalają mu zrozumieć kontekst otoczenia, uczyć się na podstawie wcześniejszych interakcji, dobierać narzędzia i samodzielnie podejmować decyzje prowadzące do osiągnięcia wyznaczonego celu. Wszystko to może się odbywać przy ograniczonej do minimum ingerencji człowieka. W odróżnieniu od powszechnie stosowanej automatyzacji procesów, która działa w oparciu o precyzyjnie ustalone reguły, agent AI, analizując wzorce pochodzące z realnego świata, wielu systemów i źródeł jednocześnie, może dostosowywać się do nich i podejmować dynamiczne działania lub wydawać odpowiednie rekomendacje. To, czy agent będzie miał zdolność do uczenia się i modyfikowania własnego zachowania na podstawie wcześniejszych doświadczeń, zależy od jego rodzaju, ale są już rozwiązania, które to umożliwiają.
Agenci AI mogą zatem uczyć się polityki własnego funkcjonowania np. na podstawie systemu nagród lub kar otrzymywanych ze środowiska. Ogólna zasada jest jednak taka, że agent otrzymuje jasno zdefiniowany cel, którego realizację opiera na danych z otoczenia. Samodzielnie planuje i ten plan realizuje, a jeśli musi, to wykonuje operacje w innych systemach i korzysta z narzędzi zewnętrznych, cały czas dążąc do maksymalizacji efektywności. Dla pełniejszego zrozumienia tego zjawiska warto również dodać, że agent AI to nie humanoidalny robot a oprogramowanie, które nie ma zastąpić człowieka, ale ma wzmacniać jego działania w czasie rzeczywistym. Poszczególni agenci mogą działać wspólnie, a nadzorujący pracę ludzie zawsze mogą dodać kontekst do wniosków wygenerowanych przez takie systemy sztucznej inteligencji.
