Chatbot, assistente, agente e sistema agentico
I nomi commerciali possono non essere chiari.
Cosa imparerai
- Spiega: l'ai non è un tipo di modello
- Applica l'idea in un esempio: Chatbot, assistente, agente e sistema agentico
- Riconoscere i limiti e verificare il risultato dell'esercizio
I nomi commerciali possono non essere chiari. Distinzioni utili sono chi sceglie i passaggi, quali strumenti esistono e quali azioni hanno effetti.
Puoi seguire questo corso senza un account o una programmazione. Gli esempi utilizzano dati sintetici e i risultati dell’intelligenza artificiale devono essere verificati.
Come funziona, passo dopo passo
L’intelligenza artificiale non è un tipo di modello
L’intelligenza artificiale è una famiglia di metodi per il riconoscimento, la previsione, la pianificazione e la generazione. Un sistema basato su regole segue le istruzioni scritte dalle persone. L'apprendimento automatico apprende le relazioni dagli esempi; il deep learning utilizza reti con molti livelli. L’intelligenza artificiale generativa produce nuovi contenuti. Un LLM funziona con il linguaggio, ma le raccomandazioni sui prodotti o il rilevamento dei difetti possono utilizzare altri modelli. Pensa a una cassetta degli attrezzi: scegli uno strumento per il problema. Un algoritmo semplice può essere più adatto di un agente per una regola fissa.
Un ciclo agente limitato
Un agente combina un modello con strumenti, un obiettivo e uno stato. Osserva la richiesta, sceglie un passo, riceve un risultato e decide se proseguire. Un chatbot può generare solo testo; un agente può richiedere un'azione esterna. Le definizioni commerciali variano, quindi controlla il controllo effettivo. Definisci il successo e l'arresto: un risultato verificato, un numero massimo di passi, errori ripetuti o un budget esaurito. Utilizza funzionalità limitate e autorizzazioni minime. Autonomia utile significa libertà entro i confini imposti dal software.
Un flusso di lavoro ha una struttura esplicita
Un nodo è una fase, un bordo è una transizione e lo stato trasporta i risultati tra le fasi. Un flusso di lavoro ha un percorso definito dall'applicazione, sebbene il modello possa scegliere alcuni rami. I sistemi ad agenti includono sia flussi di lavoro che agenti che agiscono dinamicamente. Nymrio offre ReAct, Reflection, Sequential, Orchestrator, Router, Parallel e Plan-and-Execute. Ciascuno cambia coordinazione; non rende automaticamente un modello un esperto. Più agenti significano più chiamate e contratti tra i ruoli. Inizia con la soluzione più semplice che supera i tuoi test.
Lo schema esplicativo
Seguire le frecce continue per il flusso principale. Le frecce blu tratteggiate forniscono dati o contesto; le frecce rosa tratteggiate mostrano feedback o risultati restituiti. Colori e forme distinguono modelli, negozi, decisioni e risultati. Su schermi piccoli, scorri in orizzontale per seguire l’intero schema.
Un esempio completo
Un chatbot scrive di azioni. Un assistente può effettuare ricerche in un catalogo. Un agente richiede l'inventario tramite uno strumento. Un sistema di agenti può coordinare gli specialisti di prodotto e di consegna.
Provalo tu stesso
- Disegna quattro varianti e segna chi decide ogni passaggio.
- Registrare l'input, la fonte e il risultato atteso prima di eseguire l'esperimento. Utilizzare solo i dati fittizi nell'esempio.
- Seguire le fasi del diagramma. Ad ogni passaggio registrare quali informazioni vengono ricevute e prodotte; non confondere il risultato intermedio con il risultato finale.
- Ripetere dopo aver rimosso le informazioni necessarie o reso ambiguo l'input. Controlla se il sistema chiarisce, ferma o inventa una risposta.
- Confrontare con la soluzione spiegata. Conserva la configurazione, la data, il risultato e una spiegazione delle differenze. Cambia una cosa e riprova.
Una soluzione spiegata
Il bestiame necessita di una fonte attualmente autorizzata; la scrittura generale potrebbe richiedere solo un LLM. Un esercizio riuscito ti consente di mostrare la connessione tra input, fasi e risultato. Quando mancano le informazioni, una risposta cauta è più utile dei dettagli inventati. Confrontare non solo stile: verificare anche condizioni, fonti e operazioni.
Quando è utile e quali sono i suoi limiti
Più agenti non garantiscono più verità. Scegli questo approccio quando migliora un bisogno misurato. Mantieni una linea di base semplice e confronta i risultati utilizzando input identici. Un esempio di successo non stabilisce l’affidabilità in ogni situazione.
Verifica ciò che hai imparato
Ogni automazione è AI?
No. Una regola fissa può automatizzare qualcosa senza apprendimento o ragionamento flessibile.
Una maggiore autonomia dà sempre un risultato migliore?
No. Aumenta anche lo spazio per errori, costi e azioni non necessarie.
Quale risultato dovrebbe produrre questo esercizio?
Il bestiame necessita di una fonte attualmente autorizzata; la scrittura generale potrebbe richiedere solo un LLM.
Termini da ricordare
- AI: Una famiglia di metodi, non un sinonimo di chatbot.
- Agente: un sistema in grado di scegliere passaggi e utilizzare strumenti per raggiungere un obiettivo.
- Cenno: Una fase in un grafico di esecuzione.
Fonti e il prossimo passo
Per preparare: F05 – Perché l’intelligenza artificiale può essere sicuramente sbagliata?