Back to all articlesهوش مصنوعی و عامل‌ها

سیستم­های چندعاملی: چگونه عامل­های هوش مصنوعی با هم کار می­کنند

عامل­های منفرد در کارهای متمرکز خوب­اند. اما بسیاری از اهداف واقعی آن­قدر گسترده یا تخصصی­اند که یک عامل به تنهایی نمی­تواند به خوبی از عهده آن­ها برآید. پاسخی که تیم­های زیادی به آن روی می­آورند سیستم چندعاملی است: گروهی از عامل­ها با نقش­های متفاوت که به سمت یک هدف مشترک کار می­کنند. وقتی خوب انجام شود، مانند تشکیل یک تیم است. وقتی بد انجام شود، دستورالعملی برای سردرگمی پرهزینه است.

چرا از بیش از یک عامل استفاده کنیم؟

سه دلیل عملی وجود دارد:

  • تخصص. یک عامل تحقیق می­کند، دیگری می­نویسد، و سومی بررسی می­کند. هر کدام می­تواند دستورالعمل­ها، ابزارها و استانداردهای خود را داشته باشد.
  • موازی­سازی. وظایف فرعی مستقل می­توانند همزمان اجرا شوند و زمان کل را کاهش دهند.
  • قضاوت بهتر. یک عامل «منتقد» جداگانه می­تواند کار عامل دیگری را بررسی کند و اشتباهاتی را بگیرد که نویسنده از آن­ها غافل شده است.

این ایده بازتاب نحوه کار تیم­های انسانی است: افرادی با مهارت­های متفاوت، راهی برای تحویل کار، و کسی که نتیجه را بررسی می­کند.

الگوهای رایج همکاری

چند ساختار بارها و بارها تکرار می­شوند:

ناظر و کارگران. یک عامل مدیر هدف را به وظایف فرعی تقسیم می­کند، آن­ها را به عامل­های متخصص می­سپارد و نتایج را ترکیب می­کند. واضح و آسان برای استدلال.

مناظره یا نقد. دو عامل مواضع متفاوتی می­گیرند، یا یکی تولید می­کند و دیگری نقد می­کند، تا به پاسخ بهتری برسند. مفید برای تصمیم­هایی که مستلزم مصالحه میان گزینه­ها هستند.

خط لوله. عامل­ها به ترتیب چیده می­شوند — تحقیق، پیش­نویس، بررسی، انتشار — و هر کدام خروجی­اش را به بعدی تحویل می­دهد. ساده و قابل­اعتماد برای جریان­های کاری تکرارپذیر.

سلسله­مراتب. درختی از ناظران و عامل­های فرعی، زمانی که کار به لایه­های زیادی تجزیه می­شود. قدرتمند اما اشکال­زدایی از آن دشوارتر است.

عامل­ها واقعاً چگونه ارتباط برقرار می­کنند

عامل­ها مغز مشترکی ندارند. آن­ها از طریق مکانیزم­های مشخص هماهنگ می­شوند:

  • پیام­ها یا تخته­سیاه مشترک. فضایی مشترک که عامل­ها یافته­های خود را در آن قرار می­دهند و کار برمی­دارند.
  • تحویل­ها. یک عامل خلاصه­ای ساختاریافته را به همراه هدف و آنچه تاکنون انجام شده، به عامل دیگری تحویل می­دهد.
  • وضعیت میانجی­گری­شده توسط ابزار. پایگاه داده، سیستم بلیت­دهی یا سندی که به عنوان تنها منبع حقیقت عمل می­کند.

کیفیت این تحویل­ها اهمیت زیادی دارد. زمینه مبهمی که میان عامل­ها رد و بدل می­شود، همان­طور که دستورالعمل­های مبهم میان انسان­ها خطاها را تشدید می­کند.

یک مثال عینی

تیمی از عامل­ها را در نظر بگیرید که از آن­ها خواسته شده «گزارش تحقیق بازار درباره دوچرخه­های برقی تهیه کنند.»

  1. عامل برنامه­ریز سؤال­هایی را که باید پاسخ داده شوند مشخص می­کند و کار را تقسیم می­کند.
  2. چند عامل تحقیق­گر به طور موازی داده­ها را گردآوری می­کنند — یکی درباره رقبا، یکی درباره قیمت­ها، یکی درباره مقررات.
  3. عامل ترکیب­کننده یافته­ها را در پیش­نویس منسجمی باز می­کند.
  4. عامل منتقد ادعاها را بررسی، گزاره­های بدون پشتوانه را علامت­زنی و تحقیق بیشتری درخواست می­کند.
  5. برنامه­ریز تصمیم می­گیرد که آیا گزارش آماده است یا نیاز به دور دیگری هست.

هر عامل کاری محدود دارد. سیستم به عنوان یک کل کاری را انجام می­دهد که هیچ­کدام به تنهایی قادر به آن نبودند.

جایی که سیستم­های چندعاملی به مشکل می­خورند

عامل­های بیشتر لزوماً بهتر نیستند. مراقب این انواع شکست باشید:

  • سربار هماهنگی. عامل­ها زمان بیشتری صرف صحبت با یکدیگر می­کنند تا کار واقعی.
  • اقدامات متضاد. دو عامل تغییرات ناسازگاری انجام می­دهند چون هیچ­کدام از کار دیگری خبر نداشته است.
  • آبشار خطا. فرض اشتباه یک عامل به تمام عامل­های بعدی سرایت می­کند.
  • افزایش هزینه. عامل­های بیشتر یعنی فراخوانی­های بیشتر از مدل، و حلقه­ها می­توانند طولانی­تر از انتظار اجرا شوند.
  • اشکال­زدایی دشوار. وقتی نتیجه اشتباه است، فهمیدن اینکه کدام عامل و چرا خطا کرده، واقعاً دشوار است.

برای کارهای زیادی، یک عامل به­خوبی طراحی­شده با ابزارهای خوب، از تیم پنج­نفره­ای که ضعیف هماهنگ شده پیشی می­گیرد.

چه زمانی ارزشمند است

سیستم­های چندعاملی زمانی سودمندند که کار به طور تمیز قابل تقسیم باشد، وظایف فرعی از ابزارها یا تخصص­های متفاوتی بهره ببرند، و بتوانید مشخص کنید که نتیجه خوب چگونه به نظر می­رسد. برای کارهای ساده و ترتیبی یا هر جا که یک اشتباه پرهزینه و سخت­قابل­تشخیص است، کمتر مفیدند.

با ساده­ترین ساختاری که کار می­کند شروع کنید — معمولاً یک ناظر با چند متخصص. عامل­ها را تنها زمانی اضافه کنید که بتوانید به یک گلوگاه مشخص که آن­ها حل می­کنند اشاره کنید.

سخن پایانی

همکاری چندعاملی یعنی دادن راهی به گروهی از عامل­های متخصص برای تقسیم کار، اشتراک­گذاری زمینه و بررسی یکدیگر. این رویکرد می­تواند اهدافی را دنبال کند که برای یک عامل بیش از حد گسترده­اند، اما هزینه­های هماهنگی و شیوه­های تازه­ای برای شکست را هم به همراه می­آورد. با آن به عنوان یک انتخاب طراحی رفتار کنید، نه یک ارتقا: زمانی از آن استفاده کنید که کار واقعاً از یک تیم سود می­برد، و تیم را به اندازه­ای که کار اجازه می­دهد کوچک نگه دارید.

Get Ball — Ball

Get Ball

Reading in English? Switch language in the menu.