L’agence est la clé de l’AGI

Auteur (s): Adam Ben Khalifa

Publié à l’origine sur Vers l’IA.

Pourquoi les flux de travail agentiques sont-ils essentiels pour atteindre AGI

Laissez-moi vous demander ceci, et si le chemin d’une IA vraiment intelligente et efficace, le genre que nous appelons AgiCe n’est pas seulement de construire un cerveau colossal et omniscient? Que se passe-t-il si la vraie percée ne réside pas dans la création de nos modèles que plus intelligente, mais en les rendant également capables d’agir, d’adapter et d’évoluer?

Bien, LLMS Continuez à nous étonner jour après jour, mais la route vers Agi exige plus qu’un intellect brut. Cela nécessite agence.

Obtenir nos conditions droites: AGI, agence et flux de travail agentiques

Avant de plonger, définissons les principaux concepts ici:

AGI – Intelligence générale artificielle:

Vous pouvez le voir comme un modèle d’IA qui peut fonctionner n’importe lequel tâche intellectuelle un humain peut. Cela signifie non seulement comprendre la langue ou générer des images, mais l’adaptation, l’apprentissage, le raisonnement et l’action dans des domaines entièrement nouveaux.

Agence:

La capacité d’une entité à agir délibérément dans son environnement à atteindre les objectifs. Un rocher n’a pas d’agence; Un humain planifiant leur journée en a beaucoup. Pour une IA, l’agence signifie qu’elle ne répond pas passivement aux invites mais que la poursuite active des objectifs.

Autrement dit, c’est la capacité de poursuivre les objectifs de manière autonome par la planification, le jeu et l’adaptation.

Flux de travail agentiques:

Si l’agence est la « quoi »les flux de travail agentiques sont le « comment ». Ce sont les processus et systèmes dynamiques qu’une IA utilise pour exercer son agence. Pensez au-delà d’un simple modèle d’entrée-sortie.

Les workflows agentiques impliquent:

• Fixation et planification d’objectifs autonomes: L’IA n’exécute pas seulement un plan prédéfini, il peut formuler des objectifs et élaborer des stratégies pour les réaliser.
• Utilisation et orchestration des outils: Comme un artisan qualifié, il peut sélectionner, combiner et utiliser divers «outils» (autres modèles d’IA, bases de données, API, environnements d’exécution de code) pour obtenir le emploi fait.
• Mémoire et apprentissage: Il se souvient des actions passées, apprend des succès et des échecs et adapte ses stratégies au fil du temps.
• Adaptation dans des environnements dynamiques: Le monde réel est désordonné, une IA agentique peut ajuster son plan lorsqu’il rencontre des obstacles inattendus ou de nouvelles informations.

Il est essentiel de comprendre la différence ici:

Un LLM Appeler une API météorologique n’est que l’utilisation d’outils.
Un flux de travail agentique est lorsqu’un LLM, chargé «d’analyser les tendances du marché pour un nouveau produit», décide de manière autonome de:
1) Rechercher des nouvelles financières récentes,
2) interroger une base de données de vente,
3) Utilisez un outil d’analyse des données pour repérer les corrélations,
4) Demandez un modèle de prévision spécialisé pour les projections, puis
5) Compiler un rapport de résumé, réévaluant son approche à chaque étape.

C’est comme la différence entre un seul musicien jouant une note, et un chef d’orchestre dirigeant un orchestre entier.

La limitation de l’intelligence isolée

Considérons une analogie humaine. Imaginez un brillant ingénieur, un génie dans leur domaine. Maintenant, supprimez leurs outils: pas d’ordinateur, pas d’Internet pour la recherche, pas de stylo et de papier pour dessiner des idées ou prendre des notes, pas de laboratoire pour le prototypage, pas de collègues pour faire rebondir les idées. Conférez-les à seulement leurs pensées. Combien pourraient-ils vraiment réaliser? Leur intellect brut, aussi vaste, devient gravement handicapé lorsqu’il est découplé de la capacité d’interagir, d’expérimenter et de tirer parti des ressources externes.

Ce scénario «Intelligence isolément» illustre une vérité fondamentale: l’intelligence ne fonctionne pas dans le vide. Il prospère sur l’interaction, l’utilisation des outils et la capacité d’exécuter des plans dans le monde. Si nous voulons AGI, nous ne pouvons pas simplement construire un cerveau numérique désincarné, nous devons construire quelque chose qui peut agir.

Flux de travail agentiques: l’IA peut agir comme nous, et peut-être encore mieux

Les humains sont des maîtres de l’adaptation de leurs «workflows». Un peintre utilise différents outils et processus qu’un ingénieur, qui utilise des méthodes différentes d’un chef. Nous comprenons intuitivement le contexte, choisissons la bonne approche et inventions même de nouvelles méthodes lorsque les anciennes échouent.

Les workflows agentiques visent à obtenir des capacités similaires:

Flexibilité contextuelle: Une IA agentique pourrait basculer entre le «mode journaliste d’investigation» (interroger les bases de données, les sources croisées, les interviews) et le «mode écrivain créatif» (générer des récits, explorer les styles) au besoin pour une tâche complexe.

Apprendre en faisant (et en refaire): L’apprentissage humain est un flux de travail itératif: observer, émettre l’hypothèse, expérimenter, analyser, conclure, affiner. Les systèmes agentiques peuvent incarner cela, en essayant des approches, en évaluant les résultats et en améliorant leurs stratégies.

Au-delà de la pensée monolithique: Nous ne stockons pas tout dans nos têtes. Nous utilisons des notes, des ordinateurs, des livres et de manière critique, nous déléguons des tâches à d’autres. L’IA agentique peut également tirer parti des bases de connaissances externes, des sous-agents spécialisés et des outils de calcul, créant une forme d’intelligence distribuée et plus puissante.

Penser à penser: Les humains possèdent une méta-cognition – la capacité de réfléchir à nos propres processus de pensée et de les ajuster. Les flux de travail agentiques, avec leur capacité d’autosurveillance et de replans, sont une étape fondamentale vers l’IA pour développer sa propre forme de méta-cognition.

Inventer de nouvelles façons: Peut-être assez tôt, une IA agentique avancée n’utilisera pas seulement des outils et des workflows existants, mais identifiez le besoin entièrement nouvelles et contribuent même à leur création. Une marque de marque de véritable renseignement général.

Pas seulement utile, mais obligatoire: pourquoi AGI a besoin de workflows agents

Ces capacités ne sont pas seulement des modules complémentaires sophistiqués. Ils sont sans doute essentiels pour tout ce que nous reconnaissions comme Agi:

S’attaquer à la complexité: Les problèmes du monde réel sont désordonnés, multiformes et rarement résolus par un seul processus linéaire. Les flux de travail agentiques permettront à l’IA de décomposer ces défis complexes en sous-tâches gérables, en orchestrant diverses capacités.

Échelle de réalisation: Imaginez essayer de gérer la logistique mondiale, effectuer des recherches scientifiques à grande échelle ou personnaliser l’éducation à des millions avec un seul programme rigide. Les systèmes agentiques offrent la modularité et la coordination dynamique nécessaires à une telle échelle.

Adaptabilité et robustesse: Que se passe-t-il lorsque les données changent, qu’un outil échoue ou qu’une hypothèse s’avère erronée? Une IA statique pourrait s’arrêter. Une IA agentique peut s’adapter, replans, trouver des solutions alternatives et continuer à poursuivre son objectif. Il peut gérer l’inattendu.

Ressource: Comme notre ingénieur, un AGI doit être en mesure d’identifier et d’utiliser le bon «outil» (que ce soit un algorithme spécifique, ensemble de donnéesou service externe) pour le travail à portée de main, plutôt que d’essayer d’être un Jack-of-All-Trades avec un modèle massif en bloc.

Dépasser l’adaptabilité humaine

La première étape consiste à obtenir une capacité humaine pour fixer des objectifs, planifier, utiliser des outils et s’adapter à des flux de travail agentiques. Mais la vraie promesse d’Agi réside dépassant Ces capacités:

• Vitesse: Apprenez et adaptez à des vitesses incompréhensibles pour nous, en itérant à travers des cycles de résolution de problèmes en millisecondes.
• Échelle: Gérer et orchestrer les opérations d’une immense complexité, jonglant simultanément des milliers de variables et «outils».
• Nouveauté: Concevez des workflows et des solutions entièrement nouveaux, peut-être contre-intuitifs, à des problèmes que les humains n’ont même pas conçu.
• Auto-amélioration des flux de travail: Un AGI qui n’utilise pas seulement les workflows mais affine activement, optimise et découvre même des moyens fondamentalement nouveaux et plus efficaces d’atteindre ses objectifs.
• Méta-apprentissage plus profond: Apprendre à apprendre, planifier et élaborer des stratégies plus efficacement au fil du temps, devenant de plus en plus intelligents et capables.
• Raisonnement long-horizon: La rupture et la navigation avec succès des objectifs à plusieurs étapes qui se déroulent sur des périodes prolongées, s’adaptant robustement en cours de route.

De toute évidence, cela est plus facile à dire qu’à faire. La construction du vrai AGI présente des défis formidables: comment concevons-nous des systèmes qui peuvent planifier de manière fiable dans des environnements ouverts? Comment peuvent-ils découvrir et intégrer de nouveaux outils de manière transparente? Comment le système apprend-il quelle partie d’un flux de travail long et complexe était responsable du succès ou de l’échec?

Ce sont des domaines de recherche actifs, repoussant les limites de ce que l’IA peut faire. Heureusement, nous assistons à de plus en plus de percées tous les jours, et Rl – Apprentissage du renforcement Les approches basées sont très prometteuses (ce qui a du sens en fait, mais c’est pour un autre article).

Conclusion: agence comme la pierre angulaire d’AGI

La quête d’AGI est plus qu’une course pour des modèles plus grands ou un traitement plus rapide. C’est une quête d’intelligence qui est polyvalente, adaptative et utile. Les workflows agentiques fournissent le cadre d’une telle intelligence, permettant à l’IA de dépasser la simple reconnaissance des modèles pour devenir un participant actif au processus de résolution de problèmes.

Tout comme l’intelligence générale collective humaine a émergé non seulement des neurones, mais des réseaux de pensée, de culture et d’action – nous devons construire AGI non pas comme un modèle à bloc unique, mais comme une IA capable d’apprendre, d’adapter et d’agir. L’agence, à cet effet, n’est pas seulement une fonctionnalité; C’est le moteur fondamental qui nous conduira vers une véritable intelligence générale artificielle.

Si vous avez aimé cet article, assurez-vous de suivre pour en savoir plus.
Et vous pouvez me trouver sur:

Publié via Vers l’IA