Multi-Agent Sistemləri LLM Arxitekturasını Necə Yenidən Düşünür

Süni intellektin (AI) sürətli inkişaf tempi ilə onun inkişafındakı dönüş nöqtələri çox vaxt sanki hər zaman baş verir.

Bugünkü Böyük Dil Modelləri (LLM) təbii dilin işlənməsi baxımından inanılmaz nailiyyətlərə malik olmaq üçün böyüdü, lakin dəqiqlik və şəffaflığın müzakirə oluna bilməyəcəyi mürəkkəb, çox addımlı əsaslandırma tapşırıqları ilə qarşılaşdıqda tez-tez büdrəyirlər.

Onların gözlənilməz hallüsinasiyalara meyli və mürəkkəb, çox addımlı mülahizələri idarə etmək üçün qeyri-ardıcıl qabiliyyəti bu tək agentli AI sistemlərini dəqiqlik, şəffaflıq və uyğunlaşmanın vacib olduğu ssenarilərdə etibarsız edib.

Bəzi modellər istənilən tapşırıq üçün digərlərindən daha yaxşıdır, lakin hədəflərinizə çatmaq üçün ən yaxşısını seçmək bəzən zar atmaq kimi hiss edə bilər.

Bir çox ekspertlər öz nəticələrinin nəticələrini dəqiqləşdirməkdən yorulublar, lakin bu, LLM-lərin necə işlədiyini əsaslı şəkildə yenidən nəzərdən keçirməyi tələb edir. Johnson James Kanjirathinkal , Məhsulun həmtəsisçisi və vitse-prezidenti Məharətlə , köhnəlmiş etimadnaməyə əsaslanan işə qəbulu süni intellektə əsaslanan, bacarıqlara əsaslanan qiymətləndirmələrlə əvəz edən işə qəbul və işə qəbul platforması, LLM-lərin niyə ilk növbədə tək model sistemdə işlədiyini soruşur.

Çox agentli AI sistemlərinin yeni konsepsiyası Skillfully-də artıq mövcuddur, lakin bu, çox agentli AI-nin hər cür real dünya tətbiqləri üçün LLM-ləri yenidən böyütmək potensialının yalnız bir tərəfidir.

Bu yanaşma insan komandalarının peşəkar şəraitdə necə işlədiyini əks etdirən çox agentli AI sistemləri vasitəsilə paylanmış idrak üzərində fokuslanır.

İstehsalda Tək Agent LLM-lərin Məhdudlaşdırılması

Nə qədər çox yönlü olsalar da, tək modelli LLM-lər yüksək riskli biznes qərarlarına tətbiq olunduqda onların dizayn arxitekturası ilə əsaslı şəkildə məhdudlaşdırılır.

Mürəkkəb parametr saylarına və geniş təlim məlumatlarına baxmayaraq, onlar bir neçə xas texniki məhdudiyyətləri olan vahid sistemlər kimi fəaliyyət göstərirlər:

• Öz çıxışlarını effektiv şəkildə çarpaz yoxlaya bilməmək
• Fərqli idrak alt tapşırıqlarına xüsusi diqqətin olmaması
• Mürəkkəb düşünmə zəncirlərində ardıcıllığı qorumaq üçün məhdud qabiliyyət
• Nəticələrin necə əldə olunmasında qeyri-şəffaflıq

Məsələn, bugünkü bazarda ayaqlaşmaq istəyən hər hansı bir şirkət namizədlərin imkanlarını ədalətli və dəqiq qiymətləndirə bilən AI tələb edəcək. İnsanların işə götürülməsi üzrə ekspertlər məlumatların qarışığına və yaxşı işlənmiş peşəkar intuisiyaya güvənirlər, eyni zamanda bunu tələb edən ənənəvi süni intellekt sistemləri faktiki bacarıqları qiymətləndirməkdənsə, bacarıq üçün etibarnamə kimi keçmiş iş adlarından və ya təhsil etimadnaməsini istifadə etməyə meyllidirlər.

Nəticədə, AI, konkret performans məlumatlarına deyil, dolayı siqnallara əsaslanaraq qərar qəbul etmək istənildikdə qeyri-dəqiq və ya yanıltıcı nəticələr yarada bilər.

Ola bilsin ki, daha da əhəmiyyətlisi, güclü çarpaz yoxlama mexanizmlərinin olmaması nəticələrin izah oluna bilən və aydın qiymətləndirmə çərçivələrinin olmamasına gətirib çıxarır və işə qəbul menecerlərini onların ən çox ehtiyac duyduqları praktik rəhbərlik olduqda ağlasığmaz tövsiyələr verir.

Süni intellektin biznesdə həqiqətən faydalı olması üçün o, sadəcə səth səviyyəsində proqnozlar verməkdənsə, hərəkətə keçə bilən, şəffaf qərarların qəbulunu təmin etməlidir.

LLM Nuance probleminin çox agentli həlli

Bacarıqla inkişaf edərkən eyni problemlə qarşılaşdıqda, Kanjirathinkal bir əsas təməl şəkildə fərqli düşünən LLM arxitekturasının yaradılmasına diqqət yetirdi; Hər şeyi idarə etmək üçün tək bir modelə güvənmək əvəzinə, çox agentli iş axınları tapşırıqları xüsusi AI agentləri arasında bölüşdürür.

Bu agentlər birlikdə işləyir, hər biri daha dəqiq və etibarlı nəticələr əldə etmək üçün kontekstual anlayış, tapşırığın icrası və ya keyfiyyətə nəzarət kimi fərqli funksiyaya diqqət yetirir.

Bu yeni düşüncə tərzi daha etibarlı, insan mərkəzli işə qəbul prosesini təmin etmək üçün təşkil edilmiş çox agentli AI sistemlərindən istifadə edən Skillfully-in işə qəbul platformasında artıq mövcuddur. Bacarıqlı süni intellekt agentləri fərdlərin simulyasiya edilmiş mühitlərdə necə çıxış etdiyini təhlil edərək, bacarıqları dinamik şəkildə qiymətləndirir. Çoxlu süni intellekt agentinin fikirləri çarpaz yoxlamasına malik olmaqla, sistem halüsinasiyalar və səhv tövsiyələr riskini əhəmiyyətli dərəcədə azaldır və namizədin imkanlarının daha aydın, daha dəqiq təsvirini təqdim edir.

Kanjirathinkal, həmçinin izahlılığı sistemin təməl daşı etmək üçün çalışdı. Bacarıqlı şəkildə işə götürmə tövsiyələri əvvəlcədən müəyyən edilmiş qiymətləndirmə rubrikaları, şəffaf qiymətləndirmə mexanizmləri və LLM-nin çoxsaylı agentləri tərəfindən təmin edilən ətraflı əsaslandırmalarla dəstəklənir.

İnsanların işə götürülməsi üzrə mütəxəssis kimi, Skillfully-in tövsiyələri də müdafiə oluna bilən və nüanslıdır. İnsan ekspertlərindən fərqli olaraq, bu tövsiyələr aydın audit yolları yaradan ardıcıl qiymətləndirmə çərçivələri üzərində qurulmuş çox agentli çarpaz yoxlamalar vasitəsilə güclü qərəzliliyin azaldılması ilə gəlir. Bu növbəti səviyyəli şəffaflıq, daha az nüanslı LLM-ləri hazırlıqsız tuta biləcək yeni yaranan AI qaydalarını da qabaqlayır.

Texniki Çağırışlar və Gələcək İnkişaflar

Üstünlüklərinə baxmayaraq, multi-agent sistemlərinin tətbiqi yeni texniki mürəkkəbliklər təqdim edir:

• Agentlər arasında koordinasiya yükü
• İxtisaslaşmış modellər arasında fikir ayrılığı potensialı
• Mürəkkəb orkestr qatlarına ehtiyac
• Artan hesablama tələbləri

Bu problemlər süni intellekt memarlığı üçün növbəti sərhəddi təmsil edir. Kanjirathinkalın Məharətlə nümayiş etdirdiyi kimi, paylanmış idrakın faydaları, ədalətli işə götürmə təcrübələri kimi insan nəticələrini əhatə edən zaman bu tətbiq maneələrini üstələyir.

Daha az monolit gələcək üçün çox agentli iş axınları

Johnson James Kanjirathinkal əmindir ki, sabahın süni intellekt sistemləri real dünya tətbiqlərində insan imkanlarını tamamlamaq üçün ixtisaslaşacaq, çox agentli iş axınlarının yeni modul, birgə süni intellekt sistemləri üçün kritik sınaq işinin işə götürülməsi uğuru ilə bir çox sahədə uğur qazanacaq.

O hesab edir ki, AI real dünya problemlərini effektiv həll etmək üçün monolit, tək agentli modellərdən kənara çıxmalıdır. Çox agentli iş axınları müəssisələri süni intellektin məhdudiyyətlərinə uyğunlaşmağa məcbur etməkdənsə, AI-ni insan ehtiyacları ilə uyğunlaşdıran daha etibarlı, genişlənə bilən və şərh edilə bilən alternativ təklif edir.

Çox agentli sistemlər süni intellektni tək operator kimi daha az, daha çox bir-birinin fikirlərinə meydan oxuya, təkmilləşdirə və qura bilən mütəxəssislər komandası kimi yenidən təsəvvür edir. Kanjirathinkal, bir vaxtlar sərt, qeyri-şəffaf olan prosesi daha çevik və ədalətli bir şeyə çevirərək, Məharətlə bunun üçün bir istifadə nümayiş etdirdi.

Eyni yerdəyişmə süni intellektdən vacib qərarlar qəbul etməsi tələb olunduğu hər yerdə mümkündür.