فراخوانی ابزار: عاملهای هوش مصنوعی چگونه تصمیم میگیرند چه کاری انجام دهند
مدلهای هوش مصنوعی از چتهای ساده فراتر میروند. آنها اکنون در حال انجام اقدامات عملی هستند.
بیشتر مدلها در زمان منجمد شدهاند. آنها فقط آنچه را که در طول آموزش آموختهاند میدانند. آنها نمیتوانند به تنهایی قیمت سهام امروز را بررسی کنند یا جلسهای را در تقویم شما رزرو کنند.
فراخوانی ابزار (Tool calling) این وضعیت را تغییر میدهد. این کار به یک مدل هوش مصنوعی دست و چشم میدهد.
نحوه عملکرد:
توسعهدهندگان مجموعهای از ابزارها را در اختیار مدل قرار میدهند. این ابزارها APIهایی مانند ماشینحساب، موتور جستجو یا پایگاه داده هستند.
مدل به جای اینکه فقط متن بنویسد، یک چرخه را دنبال میکند:
• استدلال: مدل درخواست شما را میخواند. • اقدام: مدل تصمیم میگیرد که به یک ابزار نیاز دارد. یک درخواست ساختاریافته (مانند JSON) به ابزار ارسال میکند. • مشاهده: ابزار وظیفه را انجام داده و دادهها را بازمیگرداند. • پاسخ: مدل از آن دادههای جدید برای ارائه پاسخ نهایی به شما استفاده میکند.
مثال:
اگر بپرسید: «آیا امروز در آستین به ژاکت نیاز دارم؟»، مدل حدس نمیزند.
۱. یک ابزار هواشناسی را شناسایی میکند. ۲. مکان "Austin, TX" را به آن ابزار ارسال میکند. ۳. دمای فعلی را دریافت میکند. ۴. به شما میگوید: «دما ۵۸ درجه و هوا طوفانی است، پس یک ژاکت همراه داشته باشید.»
این کار یک چتبات غیرفعال را به یک عامل فعال تبدیل میکند.
راز کار در توضیحات نهفته است. اگر نامی مبهم برای یک ابزار انتخاب کنید، مدل شکست خواهد خورد. اگر توضیحی شفاف و دقیق به آن بدهید، مدل دقیقاً میداند چه زمانی از آن استفاده کند.
ساخت این سیستمها مستلزم تمرکز بر سه مورد است:
- سرعت: هر فراخوانی ابزار زمانبر است. مراحل بیش از حد زیاد، هوش مصنوعی را کند میکند.
- ایمنی: اگر ابزاری میتواند ایمیل ارسال کند یا پول جابهجا کند، باید تاییدیه انسانی را اضافه کنید.
- قابلیت اطمینان: APIها ممکن است با خطا مواجه شوند. شما باید سیستمهایی بسازید که خطاها را شناسایی کرده و از مدل بخواهند دوباره تلاش کند.
فراخوانی ابزار، پلی میان کلمات و اقدامات است. تسلط بر این موضوع، راه ساخت هوش مصنوعیای است که واقعاً کارها را انجام میدهد.
انجمن یادگیری اختیاری: https://t.me/GyaanSetuAi