Deşîfrekirina Derfet û Zehmetiyên ji bo Nûnerên LLM di AI-ya Generative de

Em pêşkeftinek sepanên AI-ya Generative ku ji hêla modelên zimanên mezin (LLM) ve têne hêzdar kirin ji daxwaznameyên hilgirtina nifşa zêdekirî (RAG) heya nûneran dibînin. Nûnerên di derdorên pîşesaziyê û lêkolînê de bi giranî têne axaftin, nemaze ji bo hêza ku ev teknolojî peyda dike da ku serîlêdanên Enterprise veguherîne û ezmûnên xerîdar ên bilind peyda bike. Nimûneyên hevpar ên avakirina ajanan hene ku gavên pêşîn berbi îstîxbarata giştî ya sûnî (AGI) dimeşînin.

Di berê min de gotara, me ji bo avakirina serîlêdanên hêzdar ên LLM-ê pêvekek îstîxbarata nimûneyan dît. Bi şîretên ku qada pirsgirêkê digire dest pê dike û bîranîna navxweyî ya LLM bikar tîne da ku encam çêbike. Bi RAG-ê re, em bi zanyariya derveyî ya ku ji databasek vektorê ve hatî lêgerîn kirin tavilê zêde dikin da ku encaman kontrol bikin. Dûv re bi zincîrkirina bangên LLM-ê em dikarin karûbaran ava bikin da ku serîlêdanên tevlihev bicîh bînin. Ajan vê yekê digihîje astek din û bixwe destnîşan dikin ka dê ev zincîrên LLM çawa werin damezrandin. Ka em bi hûrgulî binêrin.

Ajans - Di bin hood

Nimûneyek bingehîn a bi nûneran re ev e ku ew hêza têgihîştina ziman a LLM bikar tînin da ku plansaziyek li ser ka meriv çawa pirsgirêkek diyarkirî çareser bike. LLM pirsgirêkê fam dike û rêzek gavan dide me da ku pirsgirêkê çareser bike. Lêbelê, ew li wir namîne. Nûner ne pergalek piştgirî ya safî ne ku dê li ser çareserkirina pirsgirêkê pêşniyaran ji we re peyda bike û dûv re jî bazê bide we da ku hûn gavên pêşniyarkirî bavêjin. Ajan bi amûran têne hêz kirin ku pêşde biçin û çalakiyê bikin. Rast tirsnak!?

Ger em ji ajanek pirsek bingehîn bi vî rengî bipirsin:

mirov: Dahênerê telefonê bi kîjan şîrketê dest pê kir?

Li jêr nimûneyek gavên ramanê ye ku karmendek dikare bavêje.

Agent (FIKIRIN):

• Fikir: Divê ez li dahênerê têlefonê bigerim.
• Çalakî: Lêgerîn [dahênerê têlefonê]
• Çavdêrî: Alexander Graham Bell
• Fikir: Divê ez li pargîdaniyek ku ji hêla Alexander Graham Bell ve hatî damezrandin bigerim
• Çalakî: Lêgerîn [şîrketa ku ji hêla Alexander Graham Bell ve hatî damezrandin]
• Çavdêrî: Alexander Graham Bell di 1885 de Pargîdaniya Telefon û Telegrafê ya Amerîkî (AT&T) damezrand.
• Fikir: Min bersiv dît. Ez ê vegerim.

Agent (BERSIV): Alexander Graham Bell di sala 1885 de AT&T damezrand

Hûn dikarin bibînin ku ajan rêgezek rêbazî dişopîne da ku pirsgirêk li jêr-pirsgirêkên ku bi girtina Çalakiyên taybetî ve bêne çareser kirin. Çalakiyên li vir ji hêla LLM ve têne pêşniyar kirin û em dikarin van bi amûrên taybetî re nexşînin ku van çalakiyan bicîh bînin. Em dikarin amûrek lêgerînê ji bo ajanê çalak bikin ku gava ku ew fêhm bike ku LLM lêgerîn wekî çalakiyek peyda kiriye, ew ê bi pîvanên ku ji hêla LLM ve hatî peyda kirin gazî vê amûrê bike. Lêgerîna li vir li ser înternetê ye lê di heman demê de dikare ji nû ve were rêve kirin ku li bingehek zanîna navxweyî ya mîna databasa vektorê bigere. Pergal êdî bi xwe têra xwe dibe û dikare li pey rêze gavan çawa pirsgirêkên tevlihev çareser bike. Çarçoveyên mîna LangChain û LLaMAIndex rêyek hêsan dide we ku hûn van ajanan ava bikin û bi amûr û API-yê ve girêbidin. Amazon di van demên dawî de çarçoveya xwe ya Bedrock Agents da destpêkirin ku ji bo sêwirana ajanan navgînek dîtbarî peyda dike.

Di binê serpêhatiyê de, ajan şêwazek taybetî ya şandina tavilê ji LLM-ê re dişopînin ku wan dike planek çalakiyê. Nimûneya Raman-Çalak-Çavdêrî ya jorîn di celebek ajansê de bi navê ReAct (Aqlkirin û Kiryar) populer e. Cûreyên din ên nûneran MRKL û Plan & Execute hene, ku bi gelemperî di şêwaza xweya pêşniyarê de cûda dibin.

Ji bo ajanên tevlihevtir, dibe ku kiryar bi amûrên ku di pergalên çavkaniyê de dibin sedema guhertinan ve girêdayî bin. Mînakî, em dikarin ajanê bi amûrek ve girêbidin ku balansa betlaneyê kontrol dike û ji bo karmendek di pergala ERP de ji bo betlaneyê serlêdan dike. Naha em dikarin chatbotek xweş ava bikin ku dê bi bikarhêneran re têkilî daynin û bi fermanek chatê serlêdana berdana pergalê bikin. Ji bo serîlêdana pelan bêtir ekranên tevlihev tune, navgînek danûstendinê ya yekbûyî ya hêsan. Deng heyecan!?

Hişyar û hewcedariya AI-ya Berpirsyar

Naha heke amûrek me hebe ku danûstendinên li ser bazirganiya stock bi karanîna API-ya pêş-destûrkirî vedixwîne. Hûn serîlêdanek ava dikin ku ajan li ser guheztinên stokê dixwîne (bi karanîna amûran) û ji we re li ser kirîn û firotina stokan biryar dide. Ger ajan stokê xelet bifroşe ji ber ku ew halusîn kiriye û biryarek xelet daye? Ji ber ku LLM modelên mezin in, dijwar e ku meriv diyar bike ka çima ew hin biryaran digirin, ji ber vê yekê di nebûna parêzvanên rast de halusînasyon gelemperî ne.

Dema ku ajan hemî balkêş in, dibe ku hûn texmîn bikin ka ew çiqas xeternak in. Ger ew halusîn bikin û çalakiyek xelet bavêjin ku dibe sedema zirarên darayî yên mezin an pirsgirêkên mezin di pergalên Enterprise de. Ji ber vê yekê AI-ya Berpirsyar di temenê serîlêdanên hêzdar ên LLM de girîngiyek herî mezin e. Prensîbên AI-ya Berpirsiyar li dor dubarebûn, zelalbûn û berpirsiyariyê, hewl didin ku parêzvanan deynin ser biryarên ku ji hêla nûneran ve têne girtin û analîza xetereyê pêşniyar dikin da ku biryar bidin ka kîjan kiryar hewceyê mirov-di-dorê ne. Her ku ajanên tevlihevtir têne sêwirandin, ew hewceyê bêtir lêpirsîn, zelalî û berpirsiyariyê ne ku em pê zanibin ku ew çi dikin.

Ramanên girtinê

Karîna ajanan ku bi çalakiyan rêyek gavên mantiqî biafirînin, wan bi rastî nêzî ramana mirovî dike. Hêzkirina wan bi amûrên bihêztir dikare wan hêza super bide. Nimûneyên mîna ReAct hewl didin ku nimûne bikin ka mirov çawa pirsgirêkê çareser dike û em ê qalibên nûnerê çêtir ên ku dê bi çarçove û domanên taybetî re têkildar bin (banke, bîme, lênihêrîna tenduristî, pîşesaziyê, hwd.) bibînin. Pêşeroj li vir e û teknolojiya li pişt ajanan ji bo me amade ye ku em bikar bînin. Di heman demê de, pêdivî ye ku em bi baldarî bala xwe bidin parêzvanên AI-ya Berpirsyar da ku pê ewle bin ku em Skynet ava nakin!