ИИ-агенты и агентный ИИ: концептуальная таксономия, применения и проблемы
AI Agents vs. Agentic AI: A Conceptual taxonomy, applications and challenges
2025-08-22
SCID: 54.1/t7pt3xct
Discuss with AI
ИИ-агентыагентный ИИмультиагентное взаимодействиепостоянная памятьгенерация с дополненной поиском
Figures from the paper
Abstract (AI)
В контексте эры генеративного ИИ необходимо разграничивать ИИ-агентов и агентный ИИ. В данном обзоре проводится критическое различие между ИИ-агентами и агентным ИИ, предлагаются структурированная концептуальная таксономия, сопоставление областей применения, а также анализ возможностей и проблем, призванные прояснить различия в их философии проектирования и функциональных возможностях. Сначала описываются стратегия поиска и базовые определения; ИИ-агенты характеризуются как модульные системы, управляемые и обеспечиваемые большими языковыми моделями (LLM) и моделями языкового взаимодействия (LIM), предназначенные для автоматизации конкретных задач. Генеративный ИИ рассматривается как предшествующая технология, формирующая основу, тогда как ИИ-агенты развиваются благодаря интеграции инструментов, инженерии промптов и совершенствованию механизмов рассуждения. Далее характеризуются системы агентного ИИ, которые, в отличие от ИИ-агентов, представляют собой парадигмальный сдвиг, отмеченный взаимодействием множества агентов, динамической декомпозицией задач, постоянной памятью и координируемой автономностью. Посредством хронологической оценки эволюции архитектур, операционных механизмов, стилей взаимодействия и уровней автономности представлен сравнительный анализ парадигм ИИ-агентов и агентного ИИ. Области применения ИИ-агентов, такие как поддержка клиентов, планирование и обобщение данных, сопоставляются с применением агентного ИИ для автоматизации исследований, координации роботизированных систем и поддержки принятия медицинских решений. Кроме того, рассматриваются специфические проблемы каждой парадигмы, включая галлюцинации, хрупкость, эмерджентное поведение и сбои координации, а также предлагаются целевые решения, такие как циклы ReAct, генерация с дополнением поиска (RAG), уровни координации автоматизации и причинно-следственное моделирование. Цель работы — предложить дорожную карту для разработки надежных, масштабируемых и объяснимых систем на основе ИИ.
Key Findings
1
AI-агенты представляют собой модульные системы на основе LLM или LIM для автоматизации специализированных задач, совершенствуемые интеграцией инструментов, промпт-инжинирингом и улучшением рассуждений.
2
AI-агенты преимущественно применяются в поддержке клиентов, планировании и суммировании данных, тогда как агентный ИИ ориентирован на автоматизацию исследований, координацию роботов и поддержку медицинских решений.
3
Агентный ИИ представляет более широкую парадигму, включающую взаимодействие нескольких агентов, динамическую декомпозицию задач, постоянную память и координируемую автономность.
4
Обзор различает AI-агентов и агентный ИИ по архитектуре, уровню автономности, координации, стилям взаимодействия и операционным механизмам.
5
Обзор выделяет галлюцинации и хрупкость как ключевые проблемы AI-агентов, а эмерджентное поведение и сбои координации — как основные риски агентного ИИ; среди решений предложены ReAct, RAG, координационные слои и причинное моделирование.
Research Object
Системы AI Agents и Agentic AI
Research Subject
Их различающиеся философии проектирования, возможности, архитектуры, механизмы функционирования, стили взаимодействия, уровни автономности, области применения и проблемы
Publication Details
Publication Date
2025-08-22
Journal
Publisher
ISSN
Cited by
295
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai15
Исследование пределов трансферного обучения с помощью унифицированного преобразователя текста в текст2019
LLaMA: открытые и эффективные базовые языковые модели2023
Интеллект, компилируемый через аффордансы: наблюдаемое сопоставление когнитивных импедансов для LLM-интегрированных систем без мета-доступа2020
Генеративные агенты: интерактивные симулякры человеческого поведения2023
PaLM: Масштабирование языкового моделирования с помощью Pathways2022
Чат-боты на базе ИИ в службе поддержки клиентов и их влияние на соблюдение пользователями просьб2020
ChatDev: Коммуницирующие агенты для разработки программного обеспечения2024
Не то, на что вы подписывались: компрометация реальных приложений, интегрированных с большими языковыми моделями, с помощью косвенного внедрения промптов2023
Дерево мыслей: целенаправленное решение задач с помощью больших языковых моделей2023
Прозрачность в отношении ИИ-агентов2024
AI-агенты под угрозой: обзор ключевых проблем безопасности и перспективных направлений2025
AI-агенты и агентные системы: анализ нескольких экспертов2025
Рекомендательный ИИ-агент: интеграция больших языковых моделей для интерактивных рекомендаций2025
Обзор заслуживающих доверия агентов на основе больших языковых моделей: угрозы и контрмеры2025
Фреймворк Aion: размерное возникновение сознания ИИ, коллапс под воздействием наблюдателя и динамика космологических порталов2023
Работы, цитирующие эту статью20
TRiSM для агентного искусственного интеллекта: обзор управления доверием, рисками и безопасностью в агентных мультиагентных системах на основе больших языковых моделей2026
Роль агентного искусственного интеллекта в здравоохранении: обзор области исследований2026
Агентные системы искусственного интеллекта в эпоху генеративных моделей: архитектуры, облачная масштабируемость и практические применения2026
Комплексный обзор ИИ-агентов в здравоохранении2026
Периферийный общий интеллект на основе мировых моделей, больших языковых моделей и агентного искусственного интеллекта: основы, решения и проблемы2026
Исследование агентного искусственного интеллекта в здравоохранении: изучение механизма его работы2026
Многоагентный искусственный интеллект2026
Перегруженные сознание и машины: когнитивно-нагрузочная модель симбиоза человека и ИИ2026
Гибридный агентный искусственный интеллект и мультиагентные системы в интеллектуальном производстве2026
К автономным агентам искусственного интеллекта в спортивной науке: модульная структура разработки, валидации и внедрения2026
Этические вопросы применения многоагентных систем искусственного интеллекта в здравоохранении: нарративный обзор2026
Этические аспекты ИИ-агентов и агентного ИИ2026
Агентный искусственный интеллект2026
Оценка стабильности маршрутизации и координации в многоагентных системах целеориентированного диалога на основе роевого подхода2026
На пути к заслуживающему доверия агентному искусственному интеллекту: всесторонний обзор безопасности, робастности, конфиденциальности и системной защиты2026
Путеводитель автостопщика по автономным исследованиям: обзор научных агентов2026
Драйверы и ограничения агентного искусственного интеллекта в управлении цепями поставок: поисковое исследование2026
ИИ-агенты в ведении болезни Альцгеймера: проблемы и перспективы развития2026
Избирательная консолидация исследований ИИ-агентов: анализ совместного цитирования их интеллектуальной структуры и значимости для взаимодействия человека и компьютера2026
Гипотезы, генерируемые искусственным интеллектом, и возникновение автономного научного открытия2026