Näin erotat tavallisen tekoälyn, agenttimaisen tekoälyn ja puhtaat agentit toisistaan – tekoälybongarin tunnustuksia 

Ei ole aina helppoa pysyä kärryillä generatiivisen tekoälyn viimeisimmistä käänteistä. Uusia teknologioita ja tekniikoita tulee viikoittain. Tässä blogissa esitellään yksinkertainen taksonomia, jonka avulla tekoälyn termejä on helpompi ymmärtää. Tällä taksonomialla on kaksi pääpiirrettä: kyky itsenäiseen päätöksentekoon ja tila. 

Tavallinen tekoäly 

Generatiivisen tekoälyn kontekstissa tavallisella tekoälyllä viitataan useimmiten suuriin kielimalleihin (large language model). Tämän tyyppinen tekoäly on tuttu kaikille, jotka ovat kokeilleet esimerkiksi ChatGPT-sovellusta. 

Tavallinen tekoäly vastailee käyttäjän kysymyksiin sen koulutuksessa käytetyn tiedon perusteella. Lisäksi se osaa kirjoittaa tekstiä käyttäjän ohjeiden mukaan ja vaikka kääntää sen toiselle kielelle. 

Generatiivisella tekoälyllä voi myös tuottaa kuvia ja vaikka videota, mutta tässä blogissa ei keskitytä siihen. 

Tavallisesta tekoälystä on hyötyä monissa työhön ja arkeen liittyvissä asioissa. Siltä voi kysellä vinkkejä ruoanlaittoon, mutta sitä voi myös pyytää oikolukemaan tekstejä tai analysoimaan liiketoimintaraportteja. 

Tavallisen tekoälyn suurin rajoite on, että se on suljettu systeemi, joka ei opi uutta alkuperäisen koulutuksen jälkeen, eikä tiedä mitä sen ulkopuolella tapahtuu. Tavallinen tekoäly ei osaa kertoa kuinka paljon kello on vaikka kuinka yrittäisi. 

Agenttimainen tekoäly 

Agenttimainen tekoäly perustuu tavalliseen tekoälyyn, mutta sillä on käytössä niin kutsuttuja työkaluja, joiden avulla se voi olla yhteydessä ulkomaailmaan. Työkalut ovat käytännössä funktioita, joita tekoäly voi käyttää oman harkintansa mukaan. 

Agenttimaisella tekoälyllä voi esimerkiksi olla työkalu nimeltä kello. Kun käyttäjä kysyy, kuinka paljon kello on, agenttimainen tekoäly voi käyttää tätä työkalua, joka tarkistaa kyseisen hetken kellonajan ulkomaailmasta, palauttaa tiedon tekoälylle, joka sen jälkeen vastaa käyttäjälle. 

Työkaluilla voi tehdä melkein mitä tahansa. Tyypillisiä työkaluja ovat esimerkiksi erilaiset tiedon hakuun liittyvät työkalut, joiden avulla tekoäly voi hakea tietoa tietokannoista, internetistä tai vaikka käyttäjän omista dokumenteista (RAG-haku). Myös tietojen tallettaminen, sähköpostin käyttäminen tai kalenterin lukeminen onnistuu. 

Työkalujen käyttäminen ei kuitenkaan ole se asia, joka erottaa agenttimaisen tekoälyn tavallisesta tekoälystä. Tässä taksonomiassa väitetään, että ero löytyy siitä, että agenttimainen tekoäly tekee itsenäisiä päätöksiä työkalujen käytöstä. 

Kun käyttäjä antaa agenttimaiselle tekoälylle tehtävän, se analysoi tehtävää ja päättää mitä työkaluja se haluaa käyttää, ja käyttää niitä. Tavallinen tekoäly ei tee tällaisia päätöksiä. 

Agenttimainen tekoäly ei kuitenkaan kykene arvioimaan näiden päätöksien vaikutuksia, siihen tarvitaan tekoälyagentti. 

Tekoälyagentti 

Tekoälyagentilla on käytössään samanlaisia työkalluja kuin agenttimaisella tekoälyllä, mutta sen lisäksi tekoälyagentilla on tila (state). Tilalla viitataan agentin, eli sovelluksen, nykyiseen tilaan, joka sisältää kaikki tiedot, joita tarvitaan sen toimintojen ja käyttäytymisen määrittymiseen tietyllä hetkellä. 

Toisin sanoen, tekoälyagentti on tietoinen tekemisestään ja kykenee arvioimaan sitä askel askeleelta. 

Tämän ansiosta tekoälyagentti selviytyy monimutkaisista, useita askeleita vaativista, muuttuvista tehtävistä. Kun käyttäjä antaa agentille tehtävän se analysoi tehtävää ja päättää miten se lähtee sitä ratkomaan. Sen jälkeen se arvioi tehtyjä toimenpiteitä, tekee uusia päätöksiä, ja niin edelleen, kunnes se arvioi, että tehtävä on suoritettu. 

Tällainen reflektiivinen toimintamalli on mahdollinen koska sillä on tila, eli se on koko ajan tietoinen missä mennään. 

Verrattuna agenttimaiseen tekoälyyn tekoälyagentit ovat hyvinkin tehokkaita. Agenttimaista tekoälyä voi pyytää hakemaan ja yhdistelemään liiketoimintatietoa yrityksen tietokannasta, mutta tekoälyagenttia voi pyytää tuottamaan kokonaisen raportin. 

TLDR 

Tässä blogissa esitellään generatiivisen tekoälyn taksonomia, jonka kaksi pääpiirrettä ovat kyky itsenäiseen päätöksentekoon ja tila. Tavallisella tekoälyllä ei ole kumpaakaan, agenttimaisella tekoälyllä on kyky itsenäiseen päätöksentekoon, ja tekoälyagenteilla on sekä kyky itsenäiseen päätöksentekoon että tila. Se minkä tyyppistä tekoälyä milloinkin käytetään, riippuu tehtävästä.