AI Agent چگونه تصمیم می‌گیرد؟ آشنایی با چرخه Observe، Think و Act

در قسمت قبل از مجموعه پشت پرده AI Agentها درباره این صحبت کردیم که AI Agent یا ایجنت هوش مصنوعی فقط یک مدل برای پاسخ دادن به سؤال‌ها نیست. تفاوت اصلی Agent با یک چت‌بات معمولی این است که می‌تواند برای رسیدن به یک هدف، چند مرحله را پشت سر هم طی کند، وضعیت را بررسی کند، تصمیم بگیرد و در صورت نیاز از ابزارهای مختلف استفاده کند.

اما سؤال مهم اینجاست: AI Agent چگونه تصمیم می‌گیرد که در هر مرحله چه کاری انجام دهد؟

برای درک بهتر این فرایند، می‌توان عملکرد بسیاری از Agentها را به یک چرخه ساده تقسیم کرد: Observe، Think و Act؛ یعنی مشاهده، تصمیم‌گیری و اقدام.

مرحله اول: Observe یا مشاهده

اولین کاری که یک Agent انجام می‌دهد، بررسی وضعیت فعلی است.

در این مرحله، ایجنت اطلاعاتی را که در اختیار دارد بررسی می‌کند. این اطلاعات می‌توانند شامل درخواست کاربر، نتیجه مرحله قبلی، داده‌های یک ابزار، محتوای یک فایل یا اطلاعات دریافت‌شده از یک سرویس خارجی باشند.

فرض کنید از یک AI Agent بخواهیم:

«ایمیل‌های مهم امروز را پیدا کن و خلاصه کن.»

Agent در اولین مرحله باید وضعیت را مشاهده کند. برای مثال ممکن است ابتدا صندوق ورودی ایمیل را بررسی کند و فهرستی از پیام‌های دریافت‌شده در همان روز به دست بیاورد

در واقع، قبل از اینکه Agent کاری انجام دهد، باید بفهمد در حال حاضر چه اطلاعاتی دارد و برای رسیدن به هدف چه چیزهایی هنوز مشخص نیست.

مرحله دوم: Think یا تصمیم‌گیری

بعد از مشاهده وضعیت، Agent باید تصمیم بگیرد که قدم بعدی چیست.

در مثال ایمیل‌ها، ایجنت بعد از دریافت فهرست پیام‌ها ممکن است تشخیص دهد که ابتدا باید ایمیل‌های مهم را از پیام‌های عادی جدا کند.

در این مرحله مدل می‌تواند اطلاعات موجود را بررسی کند و تصمیم بگیرد چه اقدامی احتمالاً آن را یک قدم به هدف نزدیک‌تر می‌کند.

مثلاً مسیر تصمیم‌گیری می‌تواند به این شکل باشد:

آماده‌کردن خلاصه → خواندن پیام‌ها → تشخیص ایمیل‌های مهم → مشاهده ایمیل‌ها

نکته مهم این است که Agent لازم نیست از همان ابتدا تمام مراحل را به‌صورت ثابت تعیین کند. در بسیاری از سیستم‌ها، تصمیم بعدی بر اساس نتیجه‌ای گرفته می‌شود که از مرحله قبلی به دست آمده است.

مرحله سوم: Act یا اقدام

بعد از تصمیم‌گیری، نوبت به اجرای آن تصمیم می‌رسد.

اینجاست که یکی از تفاوت‌های مهم بین AI Agent و یک مدل زبانی معمولی مشخص می‌شود. Agent می‌تواند در صورت داشتن دسترسی، از ابزارها یا Toolها برای انجام کار استفاده کند.

برای مثال ممکن است به ابزار جست‌وجوی ایمیل متصل شود، یک فایل را بخواند، اطلاعاتی را از یک پایگاه داده دریافت کند یا از یک API استفاده کند.

در مثال ما، Agent می‌تواند ابتدا ابزار ایمیل را اجرا کند، پیام‌های مهم را پیدا کند و سپس محتوای آن‌ها را برای مرحله بعد در اختیار مدل قرار دهد.

بنابراین «اقدام» در Agent فقط به معنی تولید متن نیست؛ ممکن است واقعاً یک ابزار یا سرویس خارجی در این مرحله اجرا شود.

چرا Agent بعد از هر اقدام دوباره نتیجه را بررسی می‌کند؟

یکی از مهم‌ترین بخش‌های عملکرد Agentها این است که چرخه بعد از انجام یک اقدام متوقف نمی‌شود.

بعد از اجرای هر مرحله، Agent نتیجه را دوباره مشاهده می‌کند.

مثلاً ممکن است Agent یک ایمیل را باز کند و متوجه شود که برای فهم کامل آن باید فایل پیوست را هم بررسی کند. در این حالت، بر اساس اطلاعات جدید تصمیم تازه‌ای می‌گیرد و مرحله دیگری را اجرا می‌کند.

به همین دلیل می‌توان چرخه اصلی عملکرد بسیاری از AI Agentها را این‌طور نمایش داد:

تصمیم بعدی → بررسی نتیجه → اقدام → تصمیم‌گیری → مشاهده

این چرخه تا زمانی ادامه پیدا می‌کند که Agent تشخیص دهد هدف کاربر انجام شده است یا به نقطه‌ای رسیده که برای ادامه کار به اطلاعات بیشتری نیاز دارد.

یک مثال ساده از عملکرد AI Agent

فرض کنیم به یک Agent بگوییم:

«سه ایمیل مهم امروز را پیدا کن و خلاصه آن‌ها را بده.»

Agent ممکن است ابتدا ایمیل‌های امروز را دریافت کند. سپس مشخص کند کدام پیام‌ها اهمیت بیشتری دارند. بعد سه ایمیل منتخب را بخواند و محتوای آن‌ها را خلاصه کند

اگر در یکی از ایمیل‌ها به یک فایل مهم اشاره شده باشد، Agent ممکن است قبل از تهیه خلاصه تصمیم بگیرد آن فایل را هم بررسی کند.

در نتیجه مسیر اجرای کار همیشه الزاماً یک خط مستقیم نیست؛ Agent می‌تواند با توجه به نتیجه هر مرحله، مسیر بعدی خود را تغییر دهد.

تفاوت Agent با یک پاسخ معمولی هوش مصنوعی

وقتی از یک مدل زبانی معمولی سؤال می‌پرسیم، مدل معمولاً اطلاعات موجود در همان گفتگو را پردازش می‌کند و یک پاسخ تولید می‌کند.

اما AI Agent می‌تواند یک هدف را به چند مرحله تقسیم کند، بین مراحل تصمیم بگیرد و با کمک ابزارهای مختلف برای رسیدن به نتیجه اقدام کند.

به همین دلیل مفهوم Agent بیشتر از اینکه درباره «تولید پاسخ» باشد، درباره انجام یک فرایند برای رسیدن به هدف است.

شناخت چرخه Observe، Think و Act کمک می‌کند بهتر متوجه شویم چرا AI Agentها می‌توانند وظایف چندمرحله‌ای و پیچیده‌تری نسبت به یک چت‌بات ساده انجام دهند.

درباره فیلاگر

فیلاگر، جامعه هوش مصنوعی ایران، مرجعی برای آموزش و بررسی مفاهیم و فناوری‌های روز AI است. در مجموعه «پشت پرده AI Agentها» تلاش می‌کنیم ایجنت‌های هوش مصنوعی، نحوه کار آن‌ها و کاربردهای واقعی‌شان را با زبانی ساده، دقیق و کاربردی توضیح دهیم.

پشت پرده AI Agentها | قسمت ۱