AI Agents و Agentic AIs با اینکه از نظر ظاهر شبیه بهم به نظر می‌رسند، اما از نظر مفهوم و اهدافی که دنبال می‌کنند کاملاً با هم تفاوت دارند. وقتی صحبت از AI Agent می‌شود، اولین چیزی که به ذهن می‌رسد چت بات‌ها هستند. اما وقتی صحبت از Agentic AI می‌شود، منظور یک فریم ورک بدون تعامل انسانی می‌باشد. یعنی Multiple AI Agents; استفاده همزمان هوش مصنوعی های مختلف که با هم در تعامل هستند به منظور حل روند کاری پیچیده.
AI Agents
همه ما با مدلهای زبانی بزرگ (حداقل چت جی پی تی) آشنایی داریم. تفاوت Agentic AIs با ChatGPT و سایر LLMs در ابزارهایی است که به آنها اضافه می‌شوند. بواسطه این ابزارهاست که می‌توانند کاری بیشتر از چت کردن انجام دهند. برای مثال، فرض کنید Agentی طراحی کردیم که تمام جلسات شما و پیامهایی که به سایر اعضای یک تیم یا مشتریانتان می فرستید را تنظیم می کند.
به عنوان مثالی دیگر، که در یک کار تیمی انجام دادیم، می‌توان به ادغام چت جی پی تی و مدلهای زبانی بزرگ در پلتفرم ServiceNow برای بهبود روند کار در CRM اشاره کرد. در واقع بعد از طراحی یک چت بات و ادغام هوش مصنوعی مولد، پاسخگویی سوالات مشتریان توسط چت جی پی تی بدون دخالت انسانی انجام شد. یا برای مثال، در بخش استفاده از مدلهای زبانی بزرگ، برای طبقه بندی ایمیلهای مشتریان در پلتفرم ServiceNow که باعث تسریع کارها می‌شود. هزاران AI Agents می توان طراحی کرد که هر یک می‌تواند به منظور بهبود روند کار، اتوماسیون بیشتر، امنیت بیشتر، صرفه جویی در زمان و هزینه ها و منابع انسانی باشد.
از جمله مطالب مهمی که در دوره ایجنت‌های هوش مصنوعی به آن خواهیم پرداخت، کار با کتابخانه‌های تخصصی ایجنت‌ها به جای کدنویسی طولانی با پایتون می‌باشد. همچنین روند (Think&Reasoning, Action, Observation) در ایجنت‌ها را شرح و مورد بررسی قرار می‌دهیم. چون AI Agents برنامه‌هایی هستند که از LLMها برای تولید “thoughts” بر پایه “Observations” برای اجرای “Actions” استفاده می‌کنند.
Agentic AI
Agentic AI ابزاری برای مدیریت هوش مصنوعی های مختلف برای استفاده همزمان می‌باشد. تصور کنید برای بهبود و تسریع خدمات مشتریان در یک شرکت، نیاز به استفاده همزمان از LLMs، Copilote، ChatGPT و … داریم. این کار توسط یک Agentic Ai انجام می‌شود. از اهداف اصلی AI-Agentها می توان به خودکارسازی روند کارها (Workflow automation) اشاره کرد. طبعاً وقتی صحبت از خودکارسازی روند انجام کارها می‌شود، قصد بر بهبود کیفیت یا کمیت انجام کارهاست.
اما با سبب رشد روز افزون هوش مصنوعی، شاهد پلتفرمهای از پیش طراحی شده که تنها نیاز به تنظیمات اولیه دارند، هستیم. در واقع، نیازی نیست تمام مراحل کار از جمله طراحی این Agent توسط ما انجام شود. در واقع، می‌توان از predefined Workflows استفاده کرد و نیازی به agentic framework نیست. قطعاً ساخت ایجنت‌ها نیز مزایایی از جمله کنترل توسط توسعه دهنده را دارد.
ناگفته نماند در بسیاری از موارد نیز استفاده از این Agentic AIs برای استفاده در پروژه های بزرگ مستلزم تامین بودجه از سمت کاربران می‌باشد.
در اینجا چند ابزار کاربردی از Agentic AI برای هدف خودکارسازی روند کار را مشاهده می‌کنیم:
- n8n
- Autogen
- CrewAI
- Zapier
- Make
- Hugging Face Transformers + LangChain
- Temporal.io
- Node-RED
- Agentic Frameworks: smolagents, LlamaIndex, LangGraph
در این دوره قصد داریم کمی روی یکی از ابزارهای Workflow-Automation به نام n8n متمرکز شویم. n8n یک Agentic AI بسیار کاربردی، متن باز (open source) و در عین حال با کاربری آسان می‌باشد. به عنوان مثال، اگر قبلاً برای ترکیب دو دیتابیس مجبور بودیم از ابزارهای لازم با دانش تخصصی استفاده کنیم، در این پلتفرم امکان استفاده از ابزارهای از پیش طراحی شده وجود دارد. البته می توان صفر تا صد را شخصا هم طراحی کرد.
ایجنت ها در حالت کلی به چند دسته تقسیم می‌شوند و هر یک برای استفاده مشخصی:
- Code Agents
- ToolCallingAgents
- Function-driven workflow & retrieval agents
- Multiple Agents
یکی از Agentict frameworkهایی که در این دوره به آن می‌پردازیم، smolagents هستند که توسط شرکت huggingFace ساخته و طراحی شده است.
smolagents یک فریم ورک متن باز هست که روی ابزارهای بر پایه کد بجای متن و جیسون تمرکز می‌کند و این باعث سادگی روند اجرا در آن می‌شود. برخلاف بقیه فریم ورک ها مثل LlamaIndex و LangGraph که ایجنت‌ها، اکشن را در جیسون می‌نویسند. ناگفته نماند که smolagentsها با استفاده از code agents ها، ToolCallingAgentها را نیز حمایت می‌کنند.
AI Agents بوسیله smolagents کارهای زیادی می‌توانند انجام دهند. از جمله مهمترین آنها می‌توان به موارد زیر اشاره کرد:
- search for data
- execute code
- interact with web pages
اهمیت خودکارسازی روند کارها حتی برای شرکتهای کوچک نیز از سرویس مشتریان تا سیستم‌های هوشمند، بسیار بالاست و از متخصصان در این زمینه تحت عنوان Workfolw-Automation Engineer برای ارتقاء روند کارها از نظر کیفی و کمی بهره می‌برند.
شروع دوره: ۲۲ اردیبهشت ۱۴۰۴
پیش نیاز: پایتون
برای مشاوره، آموزش و انجام پروژه با ما تماس بگیرید. برای اطلاعات بیشتر به صفحه اینستاگرام ما به نشانی زیر بپیوندید.
Instagram: ai.academy97