دانلود زیگپ 
نماینده هوش مصنوعی (AI agent) قرار است چیز بزرگ بعدی در هوش مصنوعی باشد، اما تعریف دقیقی از چیستی آن وجود ندارد.
در ساده‌ترین حالت، یک نماینده هوش مصنوعی به عنوان نرم‌افزار مبتنی بر هوش مصنوعی توصیف می‌شود که مجموعه‌ای از کارهایی را برای شما انجام می‌دهد که یک نماینده خدمات مشتری انسانی، شخص منابع انسانی یا کارمند فناوری اطلاعات ممکن است در گذشته انجام داده باشد، اگرچه در نهایت می‌تواند شامل هر کاری باشد. شما از او درخواست‌هایی می‌کنید و او آنها را برای شما انجام می‌دهد، البته گاهی اوقات فراتر از پاسخ دادن به سؤالات است.
به اندازه کافی ساده به نظر می‌رسد، درست است؟ با این حال، به دلیل عدم وضوح پیچیده است. حتی در میان غول‌های فناوری، اتفاق نظر وجود ندارد. گوگل بسته به شغل آنها را به عنوان دستیارهای مبتنی بر وظیفه برای کمک برنامه‌نویسی به توسعه دهندگان، کمک به بازاریابان برای ایجاد یک طرح رنگی؛ کمک به یک متخصص فناوری اطلاعات در ردیابی یک مشکل با پرس و جو از داده‌های گزارش می‌بیند.
نماینده هوش مصنوعی چیست؟
برای آسانا، یک نماینده ممکن است مانند یک کارمند اضافی عمل کند و مانند هر همکار خوب از وظایف محول شده مراقبت کند. سیرا، استارت آپی که توسط برت تیلور، مدیر عامل سابق Salesforce و کلای باور، دامپزشک گوگل تأسیس شده است، نمایندگان را ابزارهای تجربه مشتری می‌داند که به افراد کمک می‌کند تا اقداماتی را انجام دهند که فراتر از چت‌بات‌های گذشته است و به حل مجموعه پیچیده‌تری از مشکلات کمک می‌کند.
این فقدان یک تعریف منسجم فضایی را برای سردرگمی در مورد اینکه دقیقاً این کارها قرار است انجام دهند، باقی می‌گذارد، اما صرف نظر از نحوه تعریف آنها، نماینده هوش مصنوعی برای کمک به انجام وظایف به روشی خودکار با کمترین تعامل انسانی است.
رودینا سسری، موسس و شریک مدیریت در Glasswing Ventures، می‌گوید که این روزهای اولیه است و این می‌تواند دلیل عدم توافق باشد. هیچ تعریف واحدی از «نماینده هوش مصنوعی» وجود ندارد. با این حال، رایج‌ترین دیدگاه این است که یک عامل یک سیستم نرم‌افزاری هوشمند است که برای درک محیط خود، استدلال درباره آن، تصمیم‌گیری و انجام اقداماتی برای دستیابی به اهداف خاص به‌طور مستقل طراحی شده است.»
او می گوید که آنها از تعدادی فناوری هوش مصنوعی برای تحقق این امر استفاده می‌کنند. این سیستم‌ها از تکنیک‌های AI/ML مختلف مانند پردازش زبان طبیعی، یادگیری ماشین و بینایی رایانه‌ای برای کار در حوزه‌های پویا، به‌طور مستقل یا در کنار سایر عوامل و کاربران انسانی استفاده می‌کنند.»
Aaron Levie، یکی از بنیانگذاران و مدیر عامل شرکت Box، می‌گوید که با گذشت زمان، با افزایش توانایی‌های هوش مصنوعی، نماینده هوش مصنوعی قادر خواهند بود کارهای بسیار بیشتری از طرف انسان‌ها انجام دهند و در حال حاضر پویایی‌هایی در بازی وجود دارد که این تکامل را هدایت می‌کند.
این یک برداشت خوش‌بینانه از فناوری است که فرض می‌کند رشد در همه این زمینه‌ها اتفاق می‌افتد، در حالی که لزوماً این امر مسلم نیست. رادنی بروکس، پیشگام رباتیک MIT، در مصاحبه اخیر با TechCrunch اشاره کرد که هوش مصنوعی نسبت به بسیاری از فناوری‌ها باید با مشکلات بسیار سخت‌تری دست و پنجه نرم کند و لزوماً به همان سرعتی که مثلاً تراشه‌ها بر اساس قانون مور رشد کرده‌اند، رشد نمی‌کند.
زمانی که یک انسان می‌بیند که یک سیستم هوش مصنوعی یک کار را انجام می‌دهد، بلافاصله آن را به موارد مشابه تعمیم می‌دهد و صلاحیت سیستم هوش مصنوعی را تخمین می‌زند. نه فقط عملکرد در آن، بلکه شایستگی در مورد آن. و آنها معمولاً بیش از حد خوشبین هستند، و این به این دلیل است که از مدلی از عملکرد یک فرد در یک کار استفاده می‌کنند.
مشکل این است که عبور از سیستم‌ها سخت است، و این با این واقعیت پیچیده است که برخی از سیستم‌های قدیمی فاقد دسترسی API اولیه هستند. در حالی که ما شاهد پیشرفت‌های ثابتی هستیم که Levie به آن اشاره کرد، دسترسی نرم‌افزار به سیستم‌های متعدد در حین حل مشکلاتی که ممکن است در طول مسیر با آنها مواجه شود، می‌تواند چالش‌برانگیزتر از آن چیزی باشد که بسیاری فکر می‌کنند.
اگر اینطور باشد، همه ممکن است کارهایی را که نماینده هوش مصنوعی باید انجام دهند، انجام دهند. دیوید کوشمن، یک رهبر تحقیقاتی در تحقیقات HFS، محصول فعلی ربات‌ها را بیشتر شبیه به Asana می‌بیند: دستیارانی که به انسان‌ها کمک می‌کنند تا وظایف خاصی را به نفع دستیابی به نوعی هدف استراتژیک تعریف‌شده توسط کاربر انجام دهند. چالش این است که به یک ماشین کمک می‌کند تا حوادث غیرمترقبه را به روشی واقعاً خودکار مدیریت کند، و واضح است که ما هنوز به آن نزدیک نیستیم.
او گفت: “من فکر می کنم این مرحله بعدی است.” “این جایی است که هوش مصنوعی به طور مستقل و موثر در مقیاس عمل می‌کند. بنابراین اینجاست که انسان‌ها دستورالعمل‌ها، حفاظ‌ها را تعیین می‌کنند و فناوری‌های متعددی را برای خارج کردن انسان از حلقه به کار می‌گیرند، در حالی که همه چیز در مورد نگه داشتن انسان در حلقه GenAI بوده است. بنابراین، به گفته او، نکته کلیدی در اینجا این است که اجازه دهیم نماینده هوش مصنوعی مسئولیت را بر عهده بگیرد و اتوماسیون واقعی را اعمال کند.
جان تورو، یکی از شرکای Madrona Ventures، می‌گوید که این امر مستلزم ایجاد یک زیرساخت هوش مصنوعی است، یک پشته فناوری که به‌طور خاص برای ایجاد عوامل (هر طور که آنها را تعریف کنید) طراحی شده است. در یک پست وبلاگ، تورو نمونه‌هایی از نماینده هوش مصنوعی را که در حال حاضر در طبیعت کار می‌کنند و نحوه ساخت آنها در حال حاضر بیان کرد.
از نظر تورو، گسترش زیاد عوامل هوش مصنوعی، مانند هر فناوری دیگری نیاز به یک پشته فناوری دارد. او در این مقاله نوشت: «همه اینها به این معنی است که صنعت ما برای ایجاد زیرساخت‌هایی که از عوامل هوش مصنوعی و برنامه‌های کاربردی متکی بر آنها پشتیبانی می‌کند، کار انجام می‌دهد.
با گذشت زمان، استدلال به تدریج بهبود می‌یابد، مدل‌های مرزی بیشتر جریان‌های کاری را هدایت می‌کنند، و توسعه‌دهندگان می‌خواهند روی محصول و داده‌ها تمرکز کنند، چیزهایی که آنها را متمایز می‌کند. آنها می‌خواهند که پلتفرم زیربنایی با مقیاس، عملکرد و قابلیت اطمینان «فقط کار کند».
در نهایت، صنعت به سمت این هدف کار می‌کند که نمایندگان به طور مستقل عمل کنند. او گفت: «همانطور که به آینده کارگزاران فکر می‌کنم، می‌خواهم ببینم و امیدوارم عواملی را ببینم که واقعاً خودمختار هستند و قادر به انجام اهداف انتزاعی هستند و سپس تمام مراحل فردی را در این بین به طور کاملاً مستقل استدلال می‌کنند.
اما واقعیت این است که ما هنوز در یک دوره گذار هستیم که مربوط به این عوامل است و نمی‌دانیم چه زمانی به این وضعیت نهایی که هاومایر توضیح داد خواهیم رسید. در حالی که آنچه تاکنون دیده‌ایم به وضوح گامی امیدوارکننده در مسیر درست است، ما هنوز به پیشرفت‌هایی نیاز داریم تا نماینده هوش مصنوعی همانطور که امروز تصور می‌شود عمل کنند. و درک این نکته مهم است که ما هنوز آنجا نیستیم.
منبع : techcrunch