A számítástudomány történetében a számítást régen (az 1960-as évek közepéig) számolásnak, majd információfeldolgozásnak hívták, aztán a világháló kezdetétől az információfeldolgozás újraértelmezésével, a különféle szoftverkomponensek, szoftverek, gépi entitások közti kommunikációra vonatkozó interakciónak. A közösségi, és nem a magányos tevékenységre helyeződött a hangsúly, és a szemléletváltásnak megfelelően, a gépi rendszerek tervezése, fejlesztése és kezelése is más lett, mint volt korábban.
Gyakran mind a komponenseknek, mind a szolgáltatásoknak más a tulajdonosa. Aktiválásukhoz nincs feltétlenül szükség emberi felhasználóra: az egymással összhangban lévő, előre koordinált, automatizált alkotóelemek szintén el tudják végezni azt. Megfelelő feldolgozó- és tárolókapacitással rendelkezve, a külső és a belső feltételek változásaihoz igazodva, bonyolult szoftverrendszerré is képesek összeállni. Szerveződésük jobban hasonlít az élővilághoz, az emberi társadalomhoz, mint az egyszerű számításokat végző programokhoz.
Miként hasznosítható az új, az információfeldolgozást társadalmi aktivitásként, független és valamilyen – egyre magasabb – szintű intelligenciával rendelkező, egymáshoz alkalmazkodó és együtt fejlődő entitások folyamatos kommunikációjának tekintő szemlélet, hogyan legyen hatékonyabb az interakció?
Jönnek az ágensek
Az 1990-es években berobbant, a következő évtizedben „nagy divat” ágenstechnológia és a multiágens-rendszerek az egyik legalkalmasabb lehetőség, különösen ha a mai „divat” generatív mesterséges intelligenciával kombináljuk össze.
Az ágensek bármik lehetnek, amelyek szenzoraik segítségével érzékelik környezetüket, és működtetőikkel meg tudják változtatni azt. Három csoportjukat különböztetjük meg: a biológiai (például az ember), az egyéb fizikai, de nem élő (például a robotok) és a számítógépes ágenseket, mint a szoftverágensek. Utóbbiak billentyűleütéseket, fájltartalmakat, hálózati adatcsomagokat fogadnak bemenetként, majd a képernyőn történő kijelzéssel, fájlok írásával, hálózati csomagok küldésével avatkoznak be a környezetükbe. A sikeres kivitelezéséhez bizonyos mértékű intelligencia szükséges, amely szoftverágenseknél elsősorban az alkalmazkodó és a tanulási készségre vonatkozik.
A szoftverágensek túlmutatnak a weblap-látogatókkal egyszerű eszközökkel, behatárolt témakörben beszélgető, valamilyen szinten érzelmeikre is reagáló botként csevegő, például személyi asszisztenseken. Egyre gyakrabban fogalmazódik meg az igény, hogy ne csak az ember-számítógép interfészek hatékonyabb működéséhez járuljanak hozzá, hanem bonyolultabb, ágenscsoportok (multiágens rendszerek) által kivitelezhető célokat is valósítsanak meg.
Kommunikáció és koordináció nélkül nincs kooperáció
Egy multiágens rendszerben egy-egy tag csak részfeladatokat tud kivitelezni, a feladat egészéhez szükséges összes adat és módszer nem áll a rendelkezésére. A tagok folyamatos interaktív kapcsolatban állnak, kommunikálnak egymással, megosztják információikat, miközben kollektív tudásukat felhasználva, cselekedeteiket koordinálva oldanak meg összetett feladatokat. Kommunikációjuk és koordinációjuk azért kulcsfontosságú, mert a teljes rendszerre vonatkozó ismeretek, célok hiányában tevékenységük kaotikussá válna.
Akármennyire is versengjenek az ágensek, tevékenységüket mindenképpen össze kell hangolni, különben egyrészt a rendszer nem tudja megoldani feladatait, másrészt betarthatatlanná válnak a vele szemben támasztott (külső) korlátozások. A koordináció a rendszer hatékony működésének alapfeltétele. A multiágens rendszerek egyedeinek kommunikációja és koordinációja nélkül pedig nem lehetséges a kooperáció, az együttműködés.
Ágensfejlesztés nagy nyelvmodellekkel
Andrew Ng, a gépi tanulás egyik legelismertebb szakembere a multiágens-együttműködést igyekszik a generatív MI-re alkalmazni. Komplex feladatoknál, például szoftverírásnál a feladatot változatos szereplők (szoftvermérnök, termékmenedzser stb.) által végrehajtott részfeladatokra osztjuk. Különböző ágensek különböző feladatokat hajtanak végre. Ezek az ágensek egy – vagy akár több – nagy nyelvmodell (LLM) változatos feladatok kivitelezésére utasító promptokkal hozhatók létre. Például, ha szoftvermérnök-ágenst fejlesztünk, az LLM-nek a következő utasítást adjuk: „Egyértelmű és hatékony kódírásban vagy szakértő. Írj egy, ezt a feladatot végrehajtó kódot…”
A módszerrel több fejlesztőcsoport ért el jó eredményt. Ugyan sok mai LLM nem fogad el hosszú promptos inputot, viszont képesek azokat megérteni. Ha egyszerre csak egy dologra összpontosítanak, jobban teljesítenek. Például, ha egyetlen LLM-et használunk a fejlesztéshez, jobb elmondani neki, mikor legyen szoftvermérnök, és specifikáljuk neki, mi fontos a részfeladatban. Az egész feladat részfeladatokra osztásával, a részfeladatok jobban optimalizálhatók.
A multiágens tervezési mintával a fejlesztők keretet kapnak arra, hogyan szedjenek szét komplex feladatokat részfeladatokra. Ha egyetlen CPU-n (központi feldolgozó egységen) futó kódot írunk, a programot gyakran különböző folyamatokra vagy végrehajtási szálakra szedjük szét. Ezzel az absztrakcióval feladatok, például webes böngésző implementálása, könnyen kódolható részfeladatokra bontható le.
Könnyebben kezelhetők mint az ember
Sok vállalatnál, vezetők rutinszerűen döntik el, milyen szerepköröket osszanak ki, majd hogyan szedjenek szét komplex feladatokat, például kutatási beszámoló előkészítését vagy nagyméretű szoftver írását kisebbekre, a különféle speciális készségekkel rendelkező alkalmazottak melyiket végezzék el.
Többféle ágens használata hasonló ehhez: mindegyik belemerül a saját munkafolyamába, van memóriája – elég ha emlékszik korábbi interakcióira, hogy a jövőbeliek jobbak legyenek –, más ágenseket is megkérhet, hogy segítsenek neki. A munkafolyamat az LLM(-ek) sok üzenete, hívása miatt rendkívül komplexszé terebélyesedhet.
Elég egyértelmű, hogy MI ágenseknek könnyebb feladatokat kiosztani, mint embereknek, és kevesebb az esély, hogy rosszul kezeljük őket. És működgetnek is már. Egyes kialakuló keretrendszerek, mint az AutoGen vagy a Crew AI kifinomult módszereket szolgáltatnak problémák multiágens-alapú megoldásához. A ChatDey nyílt forrású implementáció ágensei például virtuális szoftvervállalatot üzemeltetnek.
(Képek: Wikimedia Commons, ComicBook.com, DeepLearning.ai)
