ИИ-агенты и агентный ИИ: концептуальная таксономия, приложения и проблемы

В этом обзоре проводится критическое разграничение между ИИ-агентами и агентным ИИ; предлагаются структурированная концептуальная таксономия, систематизация областей применения и анализ возможностей и проблем, что позволяет прояснить различия в философии проектирования и функциональных возможностях этих подходов. Сначала описываются стратегия поиска и основополагающие определения, а ИИ-агенты характеризуются как модульные системы, управляемые и обеспечиваемые большими языковыми моделями (LLM) и моделями языкового взаимодействия (LIM), предназначенные для автоматизации выполнения конкретных задач. Генеративный ИИ рассматривается как предшествующий этап, формирующий основу, тогда как ИИ-агенты развиваются за счёт интеграции инструментов, инженерии промптов и совершенствования механизмов рассуждения. Далее характеризуются системы агентного ИИ, которые, в отличие от ИИ-агентов, представляют собой смену парадигмы, отмеченную взаимодействием множества агентов, динамической декомпозицией задач, постоянной памятью и координированной 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 роботов 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 расширенным поиском (RAG), уровни координации автоматизации и причинно-следственное моделирование. Цель работы — предложить дорожную карту для разработки надёжных, масштабируемых и объяснимых систем на основе ИИ.