"LLM-powered autonomous agents" yani "Büyük Dil Modelleri tarafından desteklenen otonom ajanlar" konusunu basit bir şekilde açıklayayım.
Bu tür ajanlar, büyük dil modelleri (LLM) kullanarak verilen görevleri anlama ve bu görevlere yönelik çalışma yeteneğine sahiptirler. Örnekler arasında AutoGPT, GPT-Engineer ve BabyAGI gibi sistemler bulunuyor. Bu ajanlar, hangi aşamada olduklarını hatırlar, bir sonraki adımları ne yapacaklarını düşünmek için dil modellerini kullanırlar, eylemlerde bulunurlar ve hedeflerine ulaşıp ulaşmadıklarını anlarlar. Buna "zincirleme düşünce akışı" denir ve gerçekten işe yarar.
Bir örnek olarak, bir ekip müşteri hizmetleri chatbot'unu bir otonom ajan olarak geliştirdi. Bu bot, müşterinin amacına ulaşamadığında kendi sınırlarını tanır ve müşteriyi bir insana yönlendirir. Ancak bu teknoloji hala gelişme aşamasındadır. Otonom ajanlar genellikle yüksek başarısızlık oranına sahiptir, pahalı yapay zeka servis ücretleri gerektirir ve en az bir yapay zeka başlangıcı bu ajan tabanlı yaklaşımdan vazgeçmiştir.
Kısacası, bu ajanlar verilen görevlere yönelik akıllıca çalışır, ancak hala gelişmekte olan bir teknolojidir ve bazı zorluklarla karşı karşıyadır.
Örnek senaryo:
Senaryo: Otonom Ajan ile Akıllı Ev Asistanı
Durum: Evde yaşayan bir kişi, akıllı ev asistanına (otonom ajan) akşam yemeği için alışveriş listesi hazırlamasını söyler.
Ajanın Görevi: Akşam yemeği için gerekli malzemeleri içeren bir alışveriş listesi oluşturmak.
Eylem Süreci:
Anlama ve Planlama: Ajan, kullanıcının tercihlerini ve daha önceki yemek tariflerini analiz eder. Ayrıca buzdolabı ve mutfak envanterini kontrol ederek eksik malzemeleri belirler.
Liste Oluşturma: Eksik malzemeleri belirledikten sonra, ajan bunları bir liste haline getirir. Liste, hem kullanıcının tercihlerine hem de sağlıklı beslenme gereksinimlerine uygun olacak şekilde ayarlanır.
Geri Bildirim ve Onay: Ajan, oluşturduğu listeyi kullanıcıya gösterir ve onayını ister. Kullanıcı isteğe bağlı değişiklikler yapabilir.
Eylemde Bulunma: Kullanıcı listeyi onayladıktan sonra, ajan çevrimiçi bir market servisiyle entegre olabilir ve alışveriş listesini sipariş olarak gönderebilir.
Sonuç ve Öğrenme: Alışveriş tamamlandığında, ajan kullanıcıdan geri bildirim alır ve gelecekte daha iyi hizmet verebilmek için bu bilgileri kullanır.
Bu senaryo, otonom ajanın nasıl bir süreçten geçtiğini ve bir görevi nasıl başarıyla tamamlayabileceğini göstermektedir. Ajan, durumu anlamak, plan yapmak, kullanıcı ile etkileşimde bulunmak, eylemde bulunmak ve öğrenmek için dil modelini kullanır. Ancak, bu tür ajanlar hala gelişmekte olduğundan, bazen hatalar yapabilir veya kullanıcının beklentilerini tam olarak karşılayamayabilir.