U svijetu tehnologije, umjetna inteligencija više nije samo alat koji odgovara na kratka pitanja. Razvijamo se prema sustavima koji nazivamo agentima – autonomnim jedinicama sposobnim za razmišljanje, planiranje i izvršavanje složenih zadataka. Od programerskih pomoćnika koji u stvarnom vremenu ispravljaju pogreške u kodu, do digitalnih zdravstvenih savjetnika koji prilagođavaju preporuke na temelju promjena u vašim životnim navikama, ovi sustavi postaju sve prisutniji. Međutim, s povećanjem njihove složenosti, pojavljuje se ključno pitanje: je li uvijek bolje imati više agenata koji surađuju, ili je jedan snažan sustav učinkovitiji?
Nedavno istraživanje provedeno u Google Research, pod vodstvom stručnjaka Yubina Kima i Xina Liua, donosi zanimljive odgovore. Njihova studija osporava uobičajenu intuiciju da veći broj agenata automatski znači bolji rezultat. Umjesto toga, istraživači su otkrili točna pravila skaliranja i identificirali karakteristike zadataka koje određuju koji je pristup optimalan, pružajući pritom korisne smjernice za buduće projektante ovakvih sustava.
Što zapravo čini zadatak ‘agentskim’?
Tradicionalni testovi umjetne inteligencije obično provjeravaju koliko model zna tako što mu postavljaju statična pitanja. Iako su korisni, oni ne mogu prikazati stvarnu vrijednost agenta u stvarnom svijetu. Kako bi istraživači razumjeli razliku između običnog modela i pravog agenta, identificirali su tri ključna obilježja koja razlikuju ‘agentške’ zadatke od onih jednostavnih:
- Dugotrajne interakcije u više koraka: Agent ne daje samo jedan odgovor, već mora izvršiti niz povezanih radnji dok neprestano prima povratne informacije o svom napretku.
- Iterativno prikupljanje informacija: Agent istražuje okruženje u kojem su informacije djelomične, što zahtijeva stalno traženje novih podataka kako bi se slika upotpunila.
- Prilagodba strategije: Na temelju odgovora okruženja, agent mora biti sposoban revidirati svoj prvotni plan i promijeniti smjer djelovanja.
Tek kada zadatak zadovoljava sva tri ova uvjeta, on postaje kandidat za korištenje složenijih sustava s više agenata. Bez tih elemenata, dodavanje više jedinaka može samo unijeti nepotrebnu zbunjenost i usporiti proces.
Pet modela arhitekture sustava
Kako bi utvrdili koji je pristup najučinkovitiji, istraživači su testirali pet različitih načina na koje se agenti mogu organizirati. Ovi modeli pokrivaju sve od najjednostavnijih do najkompleksnijih oblika suradnje:
- Sustav s jednim agentom (SAS): Jedna jedinica obavlja svo razonovanje i sve radnje, koristeći jedinstveni tijek memorije.
- Nezavisni agenti: Više agenata radi na različitim podzemljima zadataka paralelno, bez međusobne komunikacije, a njihovi se rezultati spajaju tek na samom kraju.
- Centralizirani sustav (model ‘osovine i zastavica’): Glavni koordinator (orkestrator) dijeli zadatke pojedinim agentima, a zatim prikuplja i sintetizira njihove odgovore.
- Decentraliz