L’obiettivo finale dello sviluppo delle tecnologie Intelligenza Artificiale (AI), guidato da aziende come OpenAI, è quello di disporre di modelli di intelligenza artificiale generale (AGI), in grado di risolvere qualsiasi compito o richiesta dell’utente e di analizzare tutti i tipi di informazioni da diversi formati o registri sensoriali. E uno strumento chiave per costruire questi modelli di uso generale è il agenti intelligenti (o agenti AI).
Gli agenti intelligenti sono fondamentalmente modelli sviluppati per scopi specifici, ottimizzati per risolvere problemi specifici in diversi ambiti come l’assistenza ai consumatori, l’Internet delle cose (IoT) o nelle catene di fornitura e nella logistica. Il loro scopo è assistere gli esseri umani in compiti relativamente meccanici e, combinandoli, è possibile creare modelli di uso generale.
Una caratteristica centrale di questa tecnologia è che il suo funzionamento è autonomo. Sebbene inizialmente siano addestrati dagli esseri umani, in seguito possono operare in modo indipendente, analizzando le informazioni di un sistema o di un’applicazione o, nel caso in cui siano applicati a prodotti fisici come i robot, l’ambiente che li circonda. Un esempio di utilizzo per quest’ultimo caso sono le auto dotate di sistemi di guida autonoma, che percepiscono queste informazioni attraverso sensori e le analizzano per definire quali azioni intraprendere.
In termini generali c’è due tipi di agenti AI: quelli che seguono regole predefinite; e coloro che imparano autonomamente e si adattano alle diverse situazioni per rispondere nel miglior modo possibile.
A loro volta, questi agenti possono essere classificati, a seconda del loro funzionamento, come reagenti (rispondono direttamente agli stimoli); deliberativo (hanno intenzione di prendere decisioni diverse); o con capacità di apprendimento (sono adattati in base ai dati e all’esperienza).
Un utilizzo che rispecchia le possibilità offerte da questa tipologia di agenti è quello annunciato alla fine dello scorso anno dalla società OpenAI. Dopo l’ascesa del loro modello di intelligenza artificiale conversazionale, hanno presentato un nuovo strumento per gli utenti paganti, che consente loro di creare i propri agenti personalizzati in base al ruolo richiesto, come ad esempio un “allenatore di scrittura creativa” o a “compagno di viaggio”. In questo caso, attraverso l’elaborazione del linguaggio naturale (NLP), è possibile interagire con agenti più preparati a risolvere compiti specifici, rispetto a ChatGPT, che ha uno scopo generale.
Percezioni e attuatori
Affinché questi modelli possano entrare in funzione, la prima cosa che devono ricevere sono i cosiddetti “percezioni”, cioè gli input sensoriali che l’agente AI riceve dal suo ambiente. Questi forniscono informazioni sullo stato attuale dell’ambiente osservabile in cui opera l’agente. Ad esempio, se si tratta di un chatbot del servizio clienti, gli approfondimenti possono includere messaggi di testo, informazioni sul profilo utente, la loro posizione e persino il riconoscimento delle loro emozioni.
Un altro caso sarebbe quello di a veicolo a guida autonomache riceve informazioni attraverso i suoi molteplici sensori e le elabora in base ai parametri che compongono la sua base di conoscenza.
Seguendo lo stesso esempio, la base potrebbe essere composta da informazioni sulle strade, sulle regole del traffico come i limiti di velocità e su situazioni generate dagli esseri umani durante la fase di addestramento degli agenti, prima di effettuare test su strada.
Sulla base delle informazioni provenienti dalle percezioni, il “attuatori”, che sono coloro che eseguono le azioni in base all’analisi. Un attuatore, ad esempio, può essere un generatore di risposte testuali che vengono inviate all’utente in una chat di supporto, oppure uno che attiva i freni di un’auto se rileva un oggetto statico ad una certa distanza.
Possono anche essere notifiche dell’app, ad esempio una notifica o un’e-mail di avviso inviata al titolare di un conto bancario quando viene effettuato un trasferimento.
Oltre al lavoro su questi due elementi, il feedback È anche essenziale per il miglioramento degli agenti IA nel tempo. Questo feedback può provenire, da un lato, da un operatore umano o da un altro sistema di intelligenza artificiale che supervisiona l’agente in questione.
D’altra parte, l’ambiente può anche fornire feedback sotto forma di risultati delle azioni dell’agente. Questo ciclo di feedback consente all’agente di adattarsi, imparare dalle proprie esperienze e prendere decisioni migliori in futuro.
Tipi di agenti IA
- Agenti riflessi semplici: Questi agenti, adatti a compiti di complessità limitata, operano sulla base di un insieme di regole condizione-azione predefinite. Reagiscono alla percezione attuale e non considerano la storia delle percezioni precedenti.
- Agenti di riflessione basati su modello: gli agenti basati su modello adottano un approccio più avanzato. Mantengono un modello interno dell’ambiente e prendono decisioni basate sulla comprensione del loro modello.
- Agenti basati sull’utilità: Prendono decisioni considerando l’utilità attesa di ogni possibile azione. Vengono spesso utilizzati in situazioni in cui è essenziale valutare diverse opzioni e selezionare quella con la maggiore utilità attesa.
- Agenti di apprendimento: Sono progettati per funzionare in ambienti sconosciuti. Imparano dalle loro esperienze e adattano le loro azioni nel tempo. Il deep learning e le reti neurali vengono spesso utilizzati nello sviluppo di agenti di apprendimento.
- Agenti di credenza-desiderio-intenzione: Questi agenti modellano il comportamento umano mantenendo le convinzioni sull’ambiente, i desideri e le intenzioni. Possono ragionare e pianificare le proprie azioni di conseguenza, rendendoli adatti a sistemi complessi.
- Agenti basati sulla logica: Usano il ragionamento deduttivo per prendere decisioni, solitamente basate su regole logiche. Sono adatti per attività che richiedono ragionamenti logici complessi.
