Como Agentes de IA Colaborativos Podem Liberar todo o Potencial da Tecnologia
Crédito:Singularityhub
Se tivéssemos que identificar um fator-chave por trás do sucesso da humanidade, seria a colaboração. Cada vez mais, pesquisadores acreditam que permitir que sistemas de IA trabalhem juntos também pode aumentar significativamente sua eficácia.
Embora modelos de linguagem de grande porte tenham demonstrado capacidades impressionantes, as empresas ainda lutam para encontrar maneiras práticas e impactantes de implementá-los. Gigantes da tecnologia estão integrando IA em diversos produtos, mas uma aplicação revolucionária que impulsione a adoção em massa ainda não surgiu.
Agentes de IA autônomos se mostram promissores, mas a confiabilidade continua sendo um desafio
Uma direção promissora que está ganhando força é o desenvolvimento de agentes de IA autônomos que possam executar tarefas por conta própria. No entanto, um grande obstáculo permanece: os LLMs ainda são propensos a cometer erros, dificultando a dependência deles para processos complexos e com várias etapas.
Assim como acontece com as pessoas, duas IAs podem ser melhores do que uma. Um número crescente de estudos sobre “sistemas multiagentes” sugere que a colaboração entre chatbots pode superar muitas de suas limitações individuais, permitindo que eles assumam tarefas que seriam complexas demais para uma única IA.
Essa área ganhou grande impulso em outubro passado, quando a Microsoft lançou o AutoGen, uma biblioteca de software que agiliza a criação de equipes baseadas em LLM. O AutoGen oferece ferramentas para implementar facilmente vários agentes de IA e facilitar a comunicação entre eles usando linguagem natural.
Desde o seu lançamento, pesquisadores apresentaram uma série de experimentos promissores usando a plataforma.
Agentes de IA colaborativos aumentam o desempenho em raciocínio, matemática e precisão
Em um artigo recente, a Wired destacou vários artigos de pesquisa apresentados em um workshop durante a Conferência Internacional sobre Representações de Aprendizagem (ICLR) no mês passado. Os estudos demonstraram que a colaboração entre agentes de IA pode melhorar o desempenho em áreas onde modelos de linguagem complexos geralmente falham, como problemas de matemática, raciocínio e precisão factual.
A revista The Economist destacou outro exemplo em que três agentes com LLM foram encarregados de desarmar bombas em uma série de salas virtuais. A equipe de IAs superou os agentes individualmente, com um deles até mesmo assumindo um papel de liderança — direcionando os outros de uma forma que melhorou a eficiência geral da equipe.
Chi Wang, pesquisador da Microsoft responsável pelo projeto AutoGen, explicou à The Economist que a abordagem funciona bem porque a maioria das tarefas pode ser dividida em componentes menores e mais fáceis de gerenciar. Vários LLMs podem então lidar com elas em paralelo, em vez de um único modelo processá-las passo a passo.
Até recentemente, criar equipes de IA multiagentes era uma tarefa complexa, limitada principalmente a pesquisadores especialistas. Mas, no início deste mês, a Microsoft lançou o AutoGen Studio, uma nova interface de “baixo código” projetada para tornar a construção de equipes de IA acessível a não especialistas.
O AutoGen Studio permite que os usuários personalizem agentes de IA com habilidades e comportamentos
A plataforma oferece uma seleção de agentes de IA pré-configurados com diferentes características, ou os usuários podem personalizar os seus próprios. Isso inclui escolher o modelo de linguagem subjacente, atribuir “habilidades” específicas, como extrair dados de aplicativos externos, e escrever prompts curtos para orientar o comportamento do agente.
De acordo com os pesquisadores, os usuários já empregaram essas equipes de IA para uma variedade de tarefas, incluindo planejamento de viagens, pesquisa de mercado, extração de dados e até mesmo criação de vídeos.
Dito isso, a abordagem multiagente apresenta algumas desvantagens. Executar grandes modelos de linguagem é caro, portanto, permitir que várias IAs conversem entre si por longos períodos pode rapidamente se tornar impraticável. Também é incerto se ter vários agentes reduz o risco de erros ou se pode, em vez disso, amplificar os erros em todo o grupo.
Ainda há muitos desafios práticos a serem enfrentados, como descobrir a melhor maneira de organizar equipes de IA e atribuir funções dentro delas. Outra questão fundamental é como integrar efetivamente as equipes de IA aos fluxos de trabalho humanos. Apesar desses obstáculos, a ideia de combinar recursos de IA está ganhando força e mostrando forte potencial.
Leia o original em: Singularityhub
Leia mais:O que Você Realmente pode fazer com o Robô Humanoide de US$ 6.000 da Unitree?
