Özet:
- Basit reaktif ajanlardan çoklu ajan sistemlerine kadar 7 farklı tipte AI ajanı bulunmaktadır.
- Günümüzde önde gelen yapay zeka şirketleri, öğrenen ajanların yanı sıra hedef tabanlı ajanlar oluşturmaya odaklanıyor.
- Gelecekte, birden fazla görevi yerine getirmek için diğer yapay zeka ajanlarıyla etkileşime girebilen, gerçek anlamda otonom yapay zeka ajanları görebiliriz.
Eylem odaklı yapay zeka ajanlarının yapay zeka devrimine öncülük edeceği açık ve bunun ilk belirtileri de görülüyor. Yapay zeka destekli sohbet robotlarından, e-postalarınızı okuyabilen ve randevu alabilen yapay zeka temsilcilerine kadar, acentelik çağına girmek üzereyiz. Yapay zeka ajanlarını daha iyi anlayabilmek için farklı yapay zeka ajanı türlerini detaylı bir şekilde anlattım. Ayrıca, pazarda halihazırda bulunan lider şirketleri ve mevcut AI ajanlarını listeledim. Hadi başlayalım.
1. Basit reaksiyonlara sahip ajanlar
En basit yapay zeka aracı türüyle başlayalım: Basit tepkilere sahip aracılar. Adından da anlaşılacağı üzere bu ajanlar, "eğer-o zaman" koşulunu izleyerek, mevcut bilgilere dayalı eylemler gerçekleştirir. Örneğin bir termostat, sıcaklık belirli bir noktanın altına düştüğünde ısıtmayı açar. Sadece koşul doğru olduğunda bir eylem gerçekleştirir.
Ancak bu tip yapay zeka aracının bazı sınırlamaları da bulunmaktadır. Sadece güncel bilgileri (algı veya algı olarak da adlandırılır) dikkate alır. Önceki sıcaklık ölçümlerini hatırlamıyor veya gelecekteki ölçümleri dikkate almıyor; yalnızca mevcut sıcaklığa göre hareket ediyor.
Basit reaktif etkenlerin hafızası yoktur ve yalnızca çevre tam olarak gözlemlenebilir olduğunda, yani karar vermek için gerekli tüm bilgilerin mevcut olduğu durumda hareket ederler. Sonuç olarak, dünyanın içsel bir temsilini veya modelini koruyamaz.
2. Model tabanlı yansıtıcı ajanlar
Sonraki adımda, model tabanlı yansıtıcı etkenler, basit yansıtıcı etkenlerin performansını iyileştirir. Bu tür ajanlar dünyanın içsel bir temsilini korurlar ve bu nedenle hafızaya sahiptirler. Temelde bu aracılar eylemleri ve bunların dünyayı nasıl etkilediğini izler ve dahili modeli/gösterimi günceller. Örneğin, otonom bir araba, trafikte seyrederken, araçlar bulundukları yerden hareket etmiş olsalar bile, onların yerlerini hatırlar. Bu iç temsiliyet daha bilinçli kararların alınmasını sağlar.
Artık ajan, geçmiş gözlemlerine ve güncel bilgilere dayanarak dünyanın içsel bir temsilini yaratır ve istenilen eylemi gerçekleştirir. Bu, model tabanlı refleksif etkenlerin kısmen gözlemlenebilir ortamlarda çalışabileceği anlamına gelir. İçsel model esas olarak bir sonraki eylemi tahmin etmek için kullanılır. Bu model, gelişmiş yapay zeka algoritmalarına dayanmaktadır.
3. Hedef tabanlı aracılar
Adından da anlaşılacağı gibi, hedef odaklı etkenler sonuç odaklı etkenlerdir, yani onları nihai hedefe yaklaştıracak gelecekteki eylemleri göz önünde bulundururlar. Bu ajanlar araştırma yapabilir, operasyonları planlayabilir ve onları istenilen hedefe götürecek farklı eylem dizilerini göz önünde bulundurabilirler. Hedef odaklı ajanlar eylemlerini gelecekteki sonuçları hesaba katarak yaparlar.
Örneğin rotanızı planlayan bir GPS, hedefe giden tüm yolları aramalı ve dikkate almalıdır. Mesafe, süre, mevcut trafik vb. gibi tüm olası rotaları hesaba katar. Şimdi, bu bilgilere dayanarak, hedef tabanlı ajan istenen hedefe ulaşmak için en iyi yolu planlar ve seçer. Stratejik planlama gerektiren yapay zeka uygulamalarında bu tip ajanlar olmazsa olmazdır.
4. Fayda temelli acenteler
Fayda tabanlı etkenler, hedef tabanlı etkenlerin bir türüdür, ancak belirli bir hedefe bağlı değildirler. Örneğin, hedef odaklı ajanlar yalnızca bir hedefe ulaşma veya ulaşmama açısından düşünürler – ikili olarak. Ancak fayda temelli etkenler dünyanın farklı durumlarını göz önünde bulundurur, karmaşık tercihlere dayalı olarak farklı sonuçları değerlendirir ve daha sonra "faydalarını" en üst düzeye çıkaran eylemi seçer.
Bu tür aracılar, farklı eylem dizilerine sayısal bir puan atayarak ve yalnızca en yüksek fayda puanını sağlayan eylemi seçerek çalışır. Fayda tabanlı ajanlar, sonucun belirsiz olduğu durumlar için tasarlanmıştır. Örneğin, yapay zeka destekli bir işlem sisteminin amacı kârı maksimize etmek olabilir, ancak aynı zamanda kullanıcının ne kadar risk alabileceğini ve mevcut piyasa koşullarının ne olduğunu da hesaba katmalıdır. Bunun için potansiyel risklerin ve getirilerin dikkatli bir şekilde analiz edilmesi gerekir.
Esasında faydaya dayalı etkenler, karar vermeden önce farklı tercihleri göz önünde bulundurur ve sonuçları değerlendirir. Amaçları sadece hedefe ulaşmak değil, farklı etkenleri dengeleyerek en uygun eylemi bulmaktır. Bu, koşulların kapsamlı bir değerlendirmesine dayanarak “beklenen faydayı” maksimize etmeye çalıştıkları anlamına gelir.
5. Öğrenen Aracılar: Yapay Zeka Sistemlerinde Performansı İyileştirme
Öğrenen aracılar, tanımları gereği, geçmiş deneyimlerden ders çıkararak zaman içinde performanslarını geliştirebilirler. Öğrenen Aracıların en önemli özelliği, bilinmeyen ortamlara uyum sağlayabilmeleri ve geri bildirimlere göre eylemlerini optimize edebilmeleridir. Öğrenen aracılarda, öğrenme süreci için hayati önem taşıyan, aracın ne kadar iyi performans gösterdiğine ilişkin geri bildirim sağlayan "kritik" bir bileşen vardır.
Bir örnek vermek gerekirse, spam filtrelerinin e-postalarda nasıl çalıştığını düşünün. Spam filtrelerinin başlangıç için temel bir kural kümesi vardır; Ancak siz e-postaları spam olarak işaretlemeye devam ettikçe, temsilci sağlanan derecelendirmeler ("eleştirmen") yoluyla öğrenir ve davranışını buna göre uyarlar. Artık gelecekte bu e-postalar otomatik olarak spam olarak işaretlenecek ve başka bir klasöre taşınacak. Bu süreç Makine Öğrenmesi alanındaki ileri algoritmalara dayanmaktadır.
6. Piramit Ajanları
Hiyerarşik aracılar, karmaşık hedefleri alt hedeflere bölen bir aracı türüdür. Çok adımlı prosedürler ve problem çözme gerektiren pek çok karmaşık görev vardır. Bu gibi durumlarda görevler daha küçük, daha yönetilebilir alt problemlere bölünür ve bunlar bir hiyerarşi içinde düzenlenir. Artık bu görevler daha düşük seviyedeki aracılara devrediliyor ve daha yüksek seviyedeki aracılar stratejiyi ve nihai çıktıyı kontrol ediyor.
Örneğin, bir yapay zeka robotundan akşam yemeği hazırlamasını istediğinizde, üst düzey ajan makarna ve sos yapmak gibi görevleri planlar ve böler. Daha sonra bu görevler, ocağı açmak ve tavaya su eklemek gibi daha da parçalara bölünür. Artık bu hiyerarşik düzende bir katmandan diğerine geçilerek görev tamamlanıyor. Bu yaklaşım, gelişmiş yapay zeka uygulamalarında kritik öneme sahip olan karmaşık görevlerin verimli ve etkili bir şekilde gerçekleştirilmesine olanak tanır.
7. Çoklu Ajan Sistemleri
Son olarak, ortak bir hedefe ulaşmak için birden fazla bağımsız etkeni birleştiren çoklu etken sistemlerine (MAS) geliyoruz. Bu sistemler, birden fazla etkenin birbirleriyle iletişim kurmasına, etkileşime girmesine, olası eylemleri koordine etmesine, müzakere etmesine ve iş birliği yapmasına olanak tanır. Bu tür sistemlerde her bir etken bağımsız olarak hareket eder ve kendi karar alma yeteneğine sahiptir.
Ancak, çakışmaları önlemek ve ortak bir hedefe ulaşmak için tüm ajanların ortak bir çoklu ajan sistemleri protokolüne uyması gerekir. Örneğin, bir tedarik zinciri sisteminde, envanteri takip eden birden fazla temsilci bulunur, başka bir temsilci envanter gereksinimlerine göre satın alma departmanına rapor verir, bir lojistik temsilcisi en iyi nakliye rotasını bulur, vb. Çoklu ajan sistemleri, bağımsız birimler arasında koordinasyon ve işbirliği gerektiren karmaşık sorunlara etkili bir çözümdür.
Önde gelen teknoloji şirketlerinden güncel AI ajanları
Piyasada halihazırda çok sayıda AI ajanı mevcut. OpenAI, Google, Microsoft, Anthropic, Salesforce ve daha birçok şirket, hedeflenen yapay zekanın gücünden etkili bir şekilde yararlanmak için yapay zeka aracıları ve çerçeveleri oluşturuyor. Aşağıda, sürekli geliştirme ve iyileştirme aşamasında olan bazı yapay zeka ajanlarını inceleyebilirsiniz.
OpenAI
OpenAI, bunu başlatan ilk şirkettir Operatör AI Temsilcisi Tüketici odaklı. Web'deki görevleri otomatikleştirmek için bilgisayar kullanan bir aracıdır. Bir operatör, web tarayıcılarıyla etkileşim kurabilir ve eylemleri gerçekleştirmek için tıklayabilir, yazabilir ve kaydırabilir. Formları doldurmak, uçak bileti rezervasyonu yapmak, market alışverişi yapmak ve daha fazlasını yapmak için kullanabilirsiniz. Ancak henüz tamamen otonom değil. Ödemeleri manuel olarak tamamlamanız ve gerektiğinde CAPTCHA girmeniz gerekecek. Bu aracı, karmaşık görevleri verimli bir şekilde tamamlayabilen yapay zeka geliştirme yolunda önemli bir adımdır.
Operatörün hedef tabanlı ve öğrenen ajan kategorisine girmesi muhtemeldir. Hedef odaklıdır ve web siteleriyle etkileşime girerek öğrenir. Ayrıca, bunu yapar OpenAI'nin Derin Araştırma Aracısı Karmaşık, çok adımlı araştırma görevlerini gerçekleştirir ve kapsamlı bir rapor oluşturmak için metin, resim ve PDF dosyalarını analiz eder. Bunun, hedef tabanlı bir aracı, bir öğrenme aracı ve görevleri daha küçük alt görevlere ayıran hiyerarşik bir aracının birleşimi olduğunu söyleyebilirim. Bu yetenekleri onu araştırmacılar ve analistler için güçlü bir araç haline getiriyor.
Ayrıca OpenAI, en son o3 ve o4-mini Bunlar sadece yapay zeka modelleri değil, aynı zamanda aracı benzeri yapay zeka sistemleridir. Bu yeni yapay zeka sistemleri, aracılar gibi davranır ve web araması, Python yorumlayıcıları, görüntü analizi ve Plus gibi çok çeşitli araçlarla etkileşime girebilir. Bunlar model tabanlı ve hedef tabanlı aracılardır. Bu sistemler, yapay zeka yeteneklerinde önemli bir ilerlemeyi temsil eder.
Son olarak, geliştiricilerin terminalden kod okumasına, düzenlemesine ve çalıştırmasına olanak tanıyan OpenAI'nin en son Codex CLI aracı da başka bir tür AI aracıdır. Hataları otomatik olarak düzeltebilir, yeni özellikler oluşturabilir ve dosyaları değiştirebilir. Yine bu, Öğrenme ajanı kullanılarak oluşturulmuş hedef tabanlı bir ajandır. Bu araç geliştiricilerin üretkenliğini büyük ölçüde artırır.
Google şimdiye kadar yalnızca Gemini'de Derin Araştırma AI Ajanı, OpenAI'nin ajanına benzer şekilde çalışır. İnternette gezinebilir, ihtiyaç duyduğu bilgileri haritalandırabilir ve bu bilgileri derleyerek herhangi bir konu hakkında kapsamlı bir rapor oluşturabilir. Bu ajanı, yapay zeka alanında ileri bir noktaya taşıyan, hedef odaklı, öğrenen bir ajan olarak sınıflandırıyorum.
Google daha sonra halen geliştirilme aşamasında olan Project Mariner'ı tanıttı. Bu proje OpenAI'nin Operator AI aracısı gibi çalışıyor ve Chrome tarayıcısındaki görevleri otomatikleştirebiliyor. Aktif ekranı analiz edebilir ve web siteleri üzerinde aksiyonlar gerçekleştirebilir. Google, uygulamanın güvenilir test uzmanları tarafından test edildiğini ve yakın gelecekte piyasaya sürüleceğini söylüyor.
Ayrıca Google, Agent2Agent (A2A) Protokolü Yeni özellik, birden fazla yapay zeka aracının birbirleriyle iletişim kurmasına olanak sağlıyor. Kendisi bir ajan değil, çoklu ajan sistemlerini (MAS) mümkün kılacak bir standart/çerçevedir.
Antropik
Anthropic de OpenAI gibi masaüstü bilgisayar ortamlarıyla etkileşime girebilen, beta aşamasındaki "Bilgisayar Kullanımı" yapay zeka aracını tanıttı. Ekranı analiz edebilir, tıklayabilir, yazabilir ve dosya işlemleri gerçekleştirebilir. Sadece web tarayıcılarıyla sınırlı değil, işletim sistemi düzeyinde de eylemler gerçekleştirebiliyor. Söylemeye gerek yok, bu hedef odaklı, öğrenen bir etkendir.
Ayrıca Anthropic yakın zamanda Workspace on Cloud entegrasyonuna sahip bir arama aracı yayınladı. Gmail, Takvim ve Drive'ınızın yanı sıra web'e bağlanarak araştırma yapabilir ve içgörüler elde edebilirsiniz. Benzer şekilde Claude Code, Terminal içerisinde çalışan bir proxy kodlama aracıdır. Kod tabanını anlar ve dosyaları değiştirebilir, testleri çalıştırabilir ve Git ile etkileşime girebilir. Her ikisi de hedef odaklı ajanlardır.
Son olarak Anthropic, yapay zeka modellerini harici veri kaynaklarına bağlamak için açık bir standart olan Model Bağlam Protokolünü (MCP) geliştirdi ve bu sayede yapay zeka aracılarının API'siz hizmetlerde güvenilir bir şekilde çalışmasına olanak tanıdı. Bir ajan olmasa da yapay zeka modelleri, araçları, web siteleri ve diğer veri kaynakları arasında iletişimi sağlar. Nasıl olduğunu öğrenebilirsiniz Windows ve macOS'ta Bulutta MCP Kurulumu.
Microsoft
Tüketici hizmetleri alanında Microsoft, sohbet robotu Copilot için birkaç yeni yapay zeka aracı duyurdu. Bir ajan şunları yapabilir: Copilot'ta Derin Araştırma Belirli konularda kapsamlı raporlar oluşturmak için çok aşamalı araştırmalar yürütün. Ayrıca, şunları da yapabilir: Yardımcı Pilot Eylemleri Biletinizi ayırtın, rezervasyon yapın ve ürünleri internetten satın alın. Ancak bu sadece partner sitelerde işe yarıyor.
Microsoft, işletmeler için yakın zamanda Copilot Studio'da Bilgisayar Kullanımı AI aracısını duyurdu. Eylemleri gerçekleştirmek için doğrudan web siteleri ve masaüstü uygulamalarıyla etkileşime girebilir ve özel API'lere dayanmaz. Microsoft ayrıca kurumsal siber güvenliğin temel bileşenleri olan kimlik avı uyarıları, veri güvenliği ve kimlik yönetimi konusunda yardımcı olmak için Security Copilot aracını da tanıttı.
Microsoft, kurumsal müşteriler için çeşitli Copilot aracıları geliştirdi ve siz de iş akışınız için özel bir AI aracısı bile oluşturabilirsiniz. Copilot Studio'yu kullanmaya başlayabilir ve görevleri otomatikleştirmek, iş üretkenliğini artırmak ve olası hataları azaltmak için MCP sunucularını, API'leri ve harici kaynakları bağlayabilirsiniz.
Satış Gücü
Salesforce, Microsoft'un yanı sıra kurumsal müşteriler için otonom, özelleştirilebilir yapay zeka aracıları sağlayan Agentforce platformunu geliştirdi. İş kullanıcıları, müşteri adayları oluşturmak, satışları optimize etmek, pazarlamayı yönetmek ve daha fazlası için Agentforce'ta birden fazla AI aracısı oluşturabilir, dağıtabilir ve yönetebilir. Agentforce, yapay zekayı kullanarak iş süreçleri otomasyonu için lider bir platformdur.
Salesforce, Microsoft'un Copilot'undan farklı olarak Agentforce aracılarının önceden tanımlanmış olaylara veya tetikleyicilere dayanarak eylemleri bağımsız olarak yürütebildiğini iddia ediyor. Agentforce temsilcileri veritabanındaki kayıtları güncelleyebilir, e-posta gönderebilir, toplantılar ayarlayabilir, bekleyen vakaları çözebilir, vb. Bu yetenekler Agentforce'u müşteri hizmetleri ve satış görevlerini otomatikleştirmek için güçlü bir araç haline getirir.
Yani, piyasada mevcut olan mevcut AI ajanlarını keşfedebilir ve bulabilirsiniz. İlerledikçe yapay zeka ajanları, ister tüketici ister kurumsal tarafta olsun, internet deneyiminin vazgeçilmez bir parçası haline gelecek. Otomasyona olan talebin artması ve verimliliğin artmasıyla birlikte önümüzdeki yıllarda yapay zeka aracı pazarının önemli bir büyümeye tanık olması bekleniyor.
Yoruma kapalı.