Ako efektívne prenášať kontext v agentských AI systémoch

V dnešnej rýchlo sa meniacej technologickej krajine je umelá inteligencia (AI) všadiaľ. Jednou z najzaujímavejších oblastí AI je agentická AI, ktorá umožňuje systémom autonómne vykonávať úlohy a dynamicky reagovať na okolité prostredie. V tomto článku sa pozrieme na to, ako efektívne prenášať kontext v agentických AI systémoch, čo je kľúčové pre ich správnu funkciu. Grant Miller z IBM Technology nám vysvetľuje, ako využívať kontextové inžinierstvo, históriu úloh a stratégie orchestrácie na optimalizáciu pracovných postupov a zlepšenie interakcií s AI.

Tradičný OAuth vs. Agentické systémy: Pochopenie Konceptu Kontextu

Tradičné OAuth (Open Authorization) systémy fungujú tak, že používateľ udelí aplikácii povolenie konať v jeho mene počas jednej relácie prihlásenia. Napríklad, používateľ povoľuje bankovej aplikácii prístup k určitým informáciám z jeho bankového účtu na vykonanie transakcií. Tento kontext je definovaný tromi hlavnými faktormi:

• Kto: Používateľ, ktorý udeľuje povolenie.
• Čo: Zdroj, ku ktorému sa aplikácia snaží pristupovať (napr. bankový účet).
• Podmienky: Rozsah povolenia (napr. čítanie informácií o účte, vykonávanie transakcií).

Agentické systémy sú však oveľa komplexnejšie. Sú autonómne, dynamické a delegujú úlohy na viaceré aplikácie a agentov. To znamená, že kontext sa stáva oveľa rozsiahlejším a zložitejším.

Agentické Systémy: Autonómia, Dynamika a Delegácia

Agentické systémy sa vyznačujú niekoľkými kľúčovými vlastnosťami:

• Autonómia: Agenti sú schopní samostatne rozhodovať a konať bez priamej ľudskej intervencie.
• Dynamika: Pracovné postupy nie sú pevne definované, ale prispôsobujú sa meniacim sa okolnostiam.
• Delegácia: Systémy delegujú úlohy na rôznych agentoch a aplikáciách.

Táto komplexnosť si vyžaduje nový prístup k správe kontextu. Namiesto jednoduchého povolenia jednej aplikácii pristupovať k zdroju, musíme zohľadniť interakciu viacerých systémov, agentov a potenciálne aj LLM (Large Language Models).

Kontextové Inžinierstvo: Nový Prístup

Tradične sa pri AI sústreďovali na „prompt engineering“, teda na optimalizáciu formulácie otázok alebo pokynov pre AI model. Avšak, v agentických systémoch to nestačí. Potrebujeme nový prístup – kontextové inžinierstvo.

Kontextové inžinierstvo zahŕňa zohľadnenie rôznych faktorov pri správe kontextu:

• Stav systému: Zahŕňa informácie o používateľovi, zdrojoch a všetkých komponentoch zapojených do procesu.
• História úloh: Umožňuje systémom učiť sa z minulých interakcií a prispôsobovať svoje správanie.
• Modelový kontext: Zohľadňuje vlastnosti použitého AI modelu (napr. jeho tréningové dáta, špecializácia).

Kľúčové Výsledky

• Agentické systémy predstavujú pokročilejšiu formu AI, ktorá si vyžaduje komplexnejšiu správu kontextu ako tradičné OAuth systémy.
• Kontextové inžinierstvo je nový prístup, ktorý zohľadňuje stav systému, históriu úloh a modelový kontext na optimalizáciu interakcií s AI.
• Pre efektívne prenášanie kontextu v agentických systémoch je potrebné kombinovať „prompt engineering“ s kontextovým inžinierstvom.

Odporúčania a Premýšľania

Agentická AI predstavuje obrovský potenciál pre automatizáciu a optimalizáciu rôznych procesov. Avšak, na to, aby sme tento potenciál plne využili, musíme sa naučiť efektívne spravovať kontext v týchto komplexných systémoch. Kontextové inžinierstvo je kľúčovým krokom v tomto smere a predstavuje sľubný smer pre budúcnosť AI. Je dôležité pokračovať vo výskume a vývoji nových techník na správu kontextu, aby sme mohli vytvárať inteligentnejšie a efektívnejšie agentické systémy.

Zdroje

• Originálne video
• Certifikovaný odborník na generatívnu umelú inteligenciu watsonx od spoločnosti IBM – Associate – IBM Training – Celosvetovo
• Čo je agentilná AI? | IBM
• Formulár registrácie IBM

Približne 133 gCO₂ bolo uvoľnených do atmosféry a na chladenie sa spotrebovalo 0.67 l vody za účelom vygenerovania tohoto článku.