Reasoning در AI Agentها چیست؟ نحوه تصمیم‌گیری ایجنت‌های هوش مصنوعی

در قسمت قبل مجموعه «پشت پرده AI Agentها» درباره Planning صحبت کردیم؛ اینکه یک Agent چطور یک هدف بزرگ را به چند مرحله کوچک‌تر و قابل انجام تقسیم می‌کند.

اما یک سؤال مهم باقی می‌ماند:

وقتی در هر مرحله چند گزینه مختلف وجود داشته باشد، AI Agent چطور تصمیم می‌گیرد کدام گزینه بهتر است؟

اینجاست که مفهوم Reasoning در AI Agentها مطرح می‌شود.

Reasoning را می‌توان به‌صورت ساده فرآیندی دانست که طی آن Agent اطلاعات موجود، هدف، محدودیت‌ها و نتایج مراحل قبلی را کنار هم قرار می‌دهد تا درباره قدم بعدی تصمیم بگیرد.

به زبان ساده، Planning مشخص می‌کند چه مراحلی باید انجام شوند و Reasoning کمک می‌کند Agent در هر مرحله تشخیص دهد کدام تصمیم مناسب‌تر است.

Reasoning در AI Agent دقیقاً چیست؟

فرض کنید از یک AI Agent بخواهید:

«برای فردا یک جلسه یک‌ساعته با تیم پیدا کن.»

در نگاه اول این درخواست ساده به نظر می‌رسد، اما Agent برای انجام آن باید چند موضوع را بررسی کند.

برای مثال:

چه ساعت‌هایی در تقویم خالی هستند؟
چه افرادی باید در جلسه حضور داشته باشند؟
برنامه هرکدام از اعضای تیم چگونه است؟
آیا محدودیت زمانی خاصی وجود دارد؟
کدام بازه زمانی برای بیشترین تعداد افراد مناسب است؟

Agent باید این اطلاعات را بررسی و گزینه‌های مختلف را با یکدیگر مقایسه کند.

اگر چند زمان مناسب وجود داشته باشد، باید تصمیم بگیرد کدام گزینه بهتر با هدف کاربر سازگار است.

این فرآیند تصمیم‌گیری نمونه‌ای ساده از Reasoning است.

تفاوت Planning و Reasoning چیست؟

Planning و Reasoning دو قابلیت نزدیک به هم هستند، اما نقش یکسانی ندارند.

فرض کنید هدف این باشد:

«برای سفر سه‌روزه به شیراز برنامه‌ریزی کن.»

Planning ممکن است مراحل کار را این‌طور مشخص کند:

بررسی تاریخ سفر
پیدا کردن وسیله رفت‌وآمد
انتخاب محل اقامت
انتخاب مکان‌های دیدنی
ساخت برنامه روزانه

اما در هرکدام از این مراحل چند گزینه مختلف وجود دارد.

مثلاً هنگام انتخاب هتل ممکن است چند هتل با قیمت، موقعیت و امکانات متفاوت وجود داشته باشند.

اینجاست که Reasoning وارد می‌شود.

Agent باید اطلاعات موجود را بررسی کند و مثلاً تشخیص دهد که با توجه به بودجه کاربر و فاصله از جاذبه‌های موردنظر، کدام هتل انتخاب مناسب‌تری است.

پس می‌توان خیلی ساده گفت:

Planning = مشخص کردن مراحل کار

Reasoning = تصمیم‌گیری بین گزینه‌ها در هر مرحله

Reasoning براساس چه اطلاعاتی انجام می‌شود؟

Agent برای تصمیم‌گیری به اطلاعات نیاز دارد.

این اطلاعات معمولاً از Context فعلی آن می‌آیند و می‌توانند شامل موارد مختلفی باشند:

درخواست و هدف کاربر
محدودیت‌های تعیین‌شده
اطلاعات موجود در گفتگو
نتیجه ابزارهایی که قبلاً استفاده شده‌اند
داده‌های استخراج‌شده از فایل‌ها
اطلاعات بازیابی‌شده از Memory
نتایج مراحل قبلی

بنابراین Reasoning به‌تنهایی اتفاق نمی‌افتد.

کیفیت تصمیم‌گیری تا حد زیادی به این بستگی دارد که Agent چه اطلاعاتی در Context خود دارد و آیا این اطلاعات مرتبط و کافی هستند یا نه.

یک مثال سازمانی از Reasoning

فرض کنید مدیر یک شرکت از Agent بخواهد:

«گزارش فروش را بررسی کن و مشخص کن کدام محصول برای کمپین ماه بعد مناسب‌تر است.»

Agent ممکن است ابتدا با استفاده از ابزارهای مختلف اطلاعات فروش، سود، رشد محصولات و رفتار مشتریان را بررسی کند.

حالا فرض کنید سه محصول وجود دارند:

محصول اول فروش بالایی دارد اما حاشیه سود آن کم است.

محصول دوم فروش متوسطی دارد اما رشد آن در ماه‌های اخیر زیاد بوده است.

محصول سوم حاشیه سود خوبی دارد اما فروش آن کاهش پیدا کرده است.

Agent نمی‌تواند صرفاً یک عدد را نگاه کند.

باید چند معیار را کنار هم قرار دهد و براساس هدف کمپین تصمیم بگیرد کدام محصول گزینه مناسب‌تری است.

این مقایسه و انتخاب همان نقشی است که Reasoning در فرآیند Agent ایفا می‌کند.

Reasoning و Tool Calling چه ارتباطی دارند؟

Reasoning می‌تواند روی انتخاب ابزار نیز تأثیر بگذارد.

Agent ممکن است در یک مرحله متوجه شود اطلاعات کافی برای تصمیم‌گیری ندارد.

برای مثال، اگر از Agent بخواهیم:

«بهترین زمان برای جلسه فردا را پیدا کن.»

Agent ممکن است تشخیص دهد برای پاسخ دادن نیاز دارد تقویم اعضای تیم را بررسی کند.

در نتیجه تصمیم می‌گیرد از ابزار Calendar استفاده کند.

بعد از دریافت نتیجه، دوباره اطلاعات را تحلیل کرده و زمان مناسب را انتخاب می‌کند.

بنابراین یک چرخه ساده می‌تواند به این شکل باشد:

Reasoning مجدد → مشاهده نتیجه → انتخاب اقدام یا ابزار → Reasoning → دریافت اطلاعات

این چرخه می‌تواند چندین بار ادامه پیدا کند.

آیا Reasoning همیشه به معنی تحلیل پیچیده است؟

خیر.

بعضی تصمیم‌های Agent بسیار ساده هستند.

مثلاً اگر کاربر بگوید:

«آخرین ایمیل مدیر پروژه را پیدا کن.»

Agent ممکن است خیلی سریع تشخیص دهد که باید از ابزار ایمیل استفاده کند.

اما در وظایف پیچیده‌تر، Reasoning اهمیت بیشتری پیدا می‌کند؛ به‌خصوص زمانی که چند گزینه، محدودیت یا معیار مختلف وجود داشته باشد.

هرچه تصمیم چندبعدی‌تر باشد، Agent باید اطلاعات بیشتری را کنار هم قرار دهد.

آیا Reasoning همیشه درست است؟

نه لزوماً.

AI Agentها ممکن است در فرآیند تصمیم‌گیری اشتباه کنند.

برای مثال ممکن است اطلاعات مهمی را در نظر نگیرند، یک محدودیت را اشتباه تفسیر کنند یا براساس داده ناقص تصمیم بگیرند.

به همین دلیل در سیستم‌های Agentic معمولاً از روش‌های مختلفی برای کاهش خطا استفاده می‌شود؛ مانند:

تعریف دقیق محدودیت‌ها
فراهم کردن Context مناسب
بررسی نتیجه اقدامات
استفاده از ابزارهای معتبر
درخواست تأیید انسان برای اقدامات حساس
ارزیابی مجدد تصمیم در بعضی مراحل

در کاربردهای مهم، Reasoning نباید به معنی استقلال کامل و بدون نظارت باشد.

ارتباط Reasoning با Planning، Context و Memory

تا اینجا چند جزء مهم AI Agentها را بررسی کرده‌ایم و حالا ارتباط آن‌ها واضح‌تر می‌شود.

Memory اطلاعاتی را برای استفاده در آینده نگهداری می‌کند.

Context اطلاعاتی است که Agent همین حالا در اختیار دارد.

Planning مشخص می‌کند برای رسیدن به هدف چه مراحلی باید طی شوند.

Reasoning به Agent کمک می‌کند در هر مرحله براساس اطلاعات موجود تصمیم بگیرد چه گزینه‌ای مناسب‌تر است.

این اجزا در کنار Tool Calling باعث می‌شوند Agent بتواند وظایف پیچیده و چندمرحله‌ای را مدیریت کند.

جمع‌بندی

Reasoning در AI Agentها فرآیندی است که به Agent کمک می‌کند اطلاعات، هدف، محدودیت‌ها و گزینه‌های موجود را بررسی کرده و درباره قدم بعدی تصمیم بگیرد.

اگر Planning مسیر کلی انجام کار را مشخص کند، Reasoning در طول این مسیر کمک می‌کند انتخاب‌های مناسب انجام شوند.

به زبان ساده:

Planning = مشخص کردن مراحل کار

Reasoning = تصمیم‌گیری بین گزینه‌ها در هر مرحله

ترکیب Planning و Reasoning یکی از مهم‌ترین عواملی است که باعث می‌شود AI Agent از یک سیستم ساده تولید پاسخ، به سیستمی تبدیل شود که بتواند روی وظایف پیچیده‌تر کار کند، تصمیم بگیرد و در صورت نیاز مسیر انجام کار را تغییر دهد.

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.