هوش مصنوعی عامل محور یا Agentic AI به سیستم‌هایی گفته می‌شود که می‌توانند برای رسیدن به یک هدف، مراحل کار را انتخاب کنند، از ابزارهای در دسترس استفاده کنند و براساس نتیجه، مسیر بعدی را تغییر دهند. میزان استقلال این سیستم‌ها به طراحی محصول و مجوزهایی که دارند بستگی دارد.
برای مثال، درخواست «بررسی کن چرا رایانه‌ام کند شده» می‌تواند به جمع‌آوری اطلاعات، بررسی علت‌های احتمالی و اقدام مجاز منجر شود. در این مقاله، تفاوت عامل هوشمند با چت‌بات، مراحل عملکرد و نقش دونارو در بررسی و انجام کارهای دستگاه را توضیح می‌دهیم.
هوش مصنوعی عامل محور چیست و چه ویژگی‌هایی دارد؟
در یک سیستم عامل‌محور، خروجی هر مرحله می‌تواند روی تصمیم بعدی اثر بگذارد. عامل ممکن است پس از بررسی اطلاعات، ابزار دیگری را انتخاب کند، برنامهٔ اولیه را تغییر دهد یا برای ادامه از کاربر توضیح بیشتری بخواهد.
عامل هوشمند معمولاً از ترکیب یک مدل هوش مصنوعی، ابزارهای اجرایی و سازوکاری برای مدیریت مراحل کار ساخته می‌شود. برای آشنایی بیشتر با این مفهوم می‌توانید توضیح IBM درباره Agentic AI را مطالعه کنید.
در ارزیابی یک محصول، سه سؤال کمک می‌کند قابلیت آن روشن شود: چه هدفی را می‌تواند دنبال کند؟ به چه ابزارهایی دسترسی دارد؟ چگونه مشخص می‌کند کار انجام شده است؟ نام «عامل هوشمند» به‌تنهایی پاسخ این سؤال‌ها نیست.
تفاوت چت‌بات، مدل زبانی و هوش مصنوعی عامل محور
مدل زبانی می‌تواند بخشی از یک چت‌بات یا یک عامل هوشمند باشد. چت‌بات نیز شکل تعامل از طریق گفتگو را توصیف می‌کند؛ بنابراین یک محصول با ظاهر چت ممکن است قابلیت استفاده از ابزار و اجرای کار هم داشته باشد.
| مفهوم | نقش اصلی | رابطه با انجام کار |
|---|---|---|
| مدل زبانی | پردازش زبان و تولید خروجی | برای اثرگذاری روی دستگاه یا سرویس، به اتصال به ابزار و اجرای آن نیاز دارد. |
| چت‌بات | تعامل با کاربر از طریق گفتگو | بسته به طراحی، ممکن است فقط پاسخ دهد یا ابزار اجرایی هم داشته باشد. |
| گردش‌کار ازپیش‌تعریف‌شده | دنبال کردن مسیرها و قواعد مشخص | می‌تواند کارها را اجرا کند، اما مسیر اجرا از قبل تعیین شده است. |
| عامل هوشمند | انتخاب مراحل و ابزارها برای دنبال کردن هدف | می‌تواند تصمیم بعدی را با توجه به نتیجهٔ مرحلهٔ قبلی تغییر دهد. |
در راهنمای ساخت عامل‌های مؤثر Anthropic نیز میان گردش‌کار با مسیر مشخص و عامل با انتخاب پویای مراحل تمایز گذاشته شده است. این تفاوت برای شناخت محصول از مقایسهٔ صرف نام برندها دقیق‌تر است.
هوش مصنوعی عامل محور چگونه کار می‌کند؟ ۷ مرحله از درخواست تا اقدام
مراحل زیر یک الگوی توضیحی برای کار روی دستگاه هستند. ترتیب و جزئیات آن‌ها در محصولات مختلف تغییر می‌کند و ممکن است بعضی مراحل چند بار تکرار شوند.
- روشن کردن هدف: مشخص می‌شود کاربر چه نتیجه‌ای می‌خواهد و چه محدودیت‌هایی دارد.
- جمع‌آوری اطلاعات مرتبط: وضعیت موردنیاز با ابزارهای مجاز بررسی می‌شود.
- انتخاب مسیر بررسی: سیستم تصمیم می‌گیرد برای دنبال کردن هدف، کدام مرحله مناسب‌تر است.
- توضیح اقدام پیشنهادی: کاربر باید بتواند تغییرات مهم و پیامد احتمالی آن‌ها را بفهمد.
- بررسی مجوزها: برای اقدام‌هایی که نیازمند تأیید هستند، اجازهٔ لازم دریافت می‌شود.
- اجرای اقدام مجاز: ابزار مرتبط فراخوانی می‌شود و نتیجهٔ اجرا دریافت می‌شود.
- ارزیابی نتیجه: مشخص می‌شود هدف محقق شده، بررسی بیشتری لازم است یا کار باید متوقف شود.
مثال کاربردی: بررسی کمبود فضای رایانه
فرض کنید درخواست کاربر این باشد: «فضای درایو من کم شده؛ بررسی کن چه چیزی آن را پر کرده، اما هیچ فایلی را بدون اجازه حذف نکن.» این درخواست هم هدف را مشخص می‌کند و هم محدودیت مهم کاربر را.
در یک سناریوی فرضی، هوش مصنوعی عامل محور می‌تواند با ابزار مناسب، وضعیت فضای ذخیره‌سازی را بررسی و موارد پرحجم را گزارش کند. بزرگ بودن یک پوشه به معنی غیرضروری بودن آن نیست؛ فایل‌های کاری، نسخه‌های پشتیبان و اطلاعات برنامه‌ها ممکن است فضای زیادی بگیرند.
اگر بررسی به پیشنهاد حذف فایل برسد، لازم است نوع فایل و اثر حذف آن روشن شود. پس از اقدام مجاز نیز باید فضای آزاد دوباره بررسی شود؛ اعلام «انجام شد» بدون مشاهدهٔ نتیجه، پاسخ کاملی به درخواست کاربر نیست.
این مثال برای توضیح روش کار است. انجام هر مرحله در یک محصول مشخص، به ابزارهای موجود، نسخهٔ برنامه و دسترسی‌های کاربر بستگی دارد.
کاربردهای هوش مصنوعی عامل محور برای کاربران
برای شناخت کاربرد، بهتر است نتیجهٔ مورد انتظار را مشخص کنیم. نمونه‌های زیر نشان می‌دهند یک درخواست چگونه می‌تواند به چند مرحلهٔ قابل بررسی تبدیل شود:
- عیب‌یابی نرم‌افزار: بررسی پیام خطا و شرایط اجرا برای پیدا کردن علت احتمالی باز نشدن یک برنامه.
- بررسی عملکرد دستگاه: جمع‌آوری اطلاعات مرتبط با کندی و مشخص کردن بخش‌هایی که نیاز به بررسی بیشتر دارند.
- مدیریت فایل‌ها: شناسایی و دسته‌بندی فایل‌ها در محدوده‌ای که کاربر تعیین کرده است.
- پیگیری یک کار دیجیتال: انجام مراحل مجاز و گزارش اینکه کدام بخش تکمیل شده و کدام بخش باقی مانده است.
برای هر کاربرد، معیار نتیجه متفاوت است. در مشکل اجرای برنامه، باز شدن دوبارهٔ همان برنامه اهمیت دارد؛ در دسته‌بندی فایل‌ها، محل و ترتیب نهایی فایل‌ها باید با درخواست کاربر مطابقت داشته باشد.
دونارو چگونه در بررسی و انجام کارهای دستگاه کمک می‌کند؟
دونارو اپراتور هوشمند دستگاه شماست. کاربر درخواستش را به زبان ساده می‌نویسد و دونارو برای بررسی وضعیت مرتبط و انجام کار در محدودهٔ قابلیت‌ها و مجوزهای خود اقدام می‌کند.
برای مثال، به‌جای جست‌وجوی چند راهنمای جداگانه می‌توانید بنویسید: «این برنامه باز نمی‌شود؛ علت را بررسی کن.» نام برنامه، متن خطا و زمان شروع مشکل کمک می‌کند درخواست روشن‌تر باشد.
در رویکرد دونارو، کارهای امن می‌توانند در محدودهٔ دسترسی مجاز انجام شوند و تغییرات حساس به تأیید کاربر نیاز دارند. نتیجهٔ هر درخواست به نوع مشکل، شرایط دستگاه و امکانات نسخهٔ مورد استفاده وابسته است.
برای شناخت محصول و مسیر شروع، مقالهٔ دونارو چیست و چگونه کار می‌کند؟ را بخوانید.
مسیر کلی استفاده: توضیح درخواست، بررسی وضعیت، انتخاب اقدام، دریافت تأیید در صورت نیاز، اجرای مجاز و بررسی نتیجه.
امنیت، دسترسی‌ها و کنترل کاربر
در استفاده از هوش مصنوعی عامل محور، محدودهٔ درخواست را مشخص کنید. مثلاً «فقط پوشهٔ دانلودها را بررسی کن» از «همهٔ فایل‌ها را مرتب کن» دقیق‌تر است و ابهام کمتری برای شروع کار دارد.
اگر اقدامی به تأیید شما نیاز دارد، توضیح تغییر را بخوانید. مشخص بودن فایل، برنامه یا تنظیم موردنظر کمک می‌کند تصمیم آگاهانه‌تری بگیرید. برای اطلاعات بیشتر، راهنمای دسترسی‌ها و حریم خصوصی دونارو را مطالعه کنید.
محدودیت‌ها؛ چه انتظاری واقع‌بینانه است؟
داشتن قابلیت اقدام به معنی حل قطعی هر مسئله نیست. ممکن است اطلاعات کافی وجود نداشته باشد، ابزار موردنیاز در دسترس نباشد یا ادامهٔ کار به دسترسی بیشتری نیاز داشته باشد.
همچنین یک ابزار نرم‌افزاری نمی‌تواند تعمیر فیزیکی قطعهٔ خراب را انجام دهد. در چنین شرایطی، نتیجهٔ مفید می‌تواند توضیح محدودیت و مشخص کردن بررسی بعدی باشد.
پس از پایان درخواست، نتیجه را با هدف اولیه بسنجید. اگر مشکل باقی مانده است، پیام خطای جدید یا رفتار مشاهده‌شده را در ادامهٔ گفتگو توضیح دهید تا نقطهٔ شروع بررسی بعدی مشخص باشد.
پرسش‌های متداول درباره هوش مصنوعی عامل محور
آیا هر چت‌باتی یک عامل هوشمند است؟
خیر. رابط گفتگو به‌تنهایی نشان‌دهندهٔ قابلیت عامل‌محور نیست. باید بررسی شود محصول می‌تواند برای رسیدن به هدف، ابزار انتخاب کند، مراحل را دنبال کند و براساس نتیجه تصمیم بعدی بگیرد یا خیر.
تفاوت Agentic AI با هوش مصنوعی مولد چیست؟
هوش مصنوعی مولد برای تولید محتوا مانند متن، تصویر یا کد به کار می‌رود. یک سیستم عامل‌محور می‌تواند از همین قابلیت در کنار ابزارها استفاده کند تا کاری را دنبال کند. بنابراین این دو مفهوم می‌توانند در یک محصول کنار هم قرار بگیرند.
آیا عامل هوشمند بدون اجازه روی دستگاه تغییر ایجاد می‌کند؟
رفتار هر محصول به طراحی و مجوزهای آن وابسته است. عامل‌محور بودن به‌خودی‌خود سیاست دسترسی را مشخص نمی‌کند. در دونارو، کارهای امن در محدودهٔ مجاز انجام می‌شوند و اقدامات حساس به تأیید کاربر نیاز دارند.
آیا برای استفاده از دونارو باید دستور فنی بلد باشم؟
برای مطرح کردن درخواست، نیازی به دانستن نام دستورها ندارید. مشکل و نتیجهٔ مورد انتظار را به زبان ساده بنویسید. ذکر نام برنامه، متن خطا و محدودیت‌های شما به روشن شدن درخواست کمک می‌کند.
از کجا بفهمم کار واقعاً انجام شده است؟
نتیجه را در همان بخش مرتبط بررسی کنید؛ مثلاً برنامه‌ای را که باز نمی‌شد دوباره اجرا کنید یا فضای آزاد درایو را ببینید. گزارش برنامه و نتیجه‌ای که روی دستگاه مشاهده می‌کنید باید با یکدیگر سازگار باشند.
جمع‌بندی؛ از توضیح مسئله تا پیگیری نتیجه
ارزش هوش مصنوعی عامل محور زمانی روشن می‌شود که هدف مشخص، ابزار مناسب و امکان بررسی نتیجه کنار هم قرار بگیرند. برای شروع با دونارو، یک درخواست روشن بنویسید و محدودیت‌های مهم خود را همان ابتدا توضیح دهید.
درخواستت را بنویس؛ دونارو بررسی را شروع می‌کند
برای مثال: «رایانه‌ام کند شده؛ علت را بررسی کن و پیش از تغییرات حساس از من تأیید بگیر.»
منابع و مطالعهٔ بیشتر
منابع زیر برای تعریف مفاهیم عمومی و تفاوت عامل‌ها با گردش‌کارها استفاده شده‌اند. این منابع به معنی تأیید محصول دونارو از سوی شرکت‌های معرفی‌شده نیستند.