Nu 2024 dichterbij komt, gaan we enkele veelgebruikte termen ontrafelen die je de komende twaalf maanden voortdurend zult horen. De ster van de show: ‘AI-agents’. Dit is een toegankelijke introductie tot dit complexe maar fascinerende onderdeel van de AI-revolutie.
Definitie:
Een AI-agent is een digitale assistent die zelfstandig zijn omgeving kan waarnemen, beoordelen en ermee kan communiceren om beslissingen te nemen en acties uit te voeren.
Disclaimer: de tekst is voor 100% van mij, maar de ideeën zijn dat niet. Aan het einde van dit artikel staat een lijst met de bronnen die ik heb gebruikt (plus een handige lijst met AI-agents die momenteel beschikbaar zijn).
AI-agents begrijpen:
De term ‘agent’ binnen AI is afgeleid van ‘agency’, het vermogen om zelfstandig te handelen en vrije keuzes te maken. Het concept gaat terug tot 1973, toen Carl Hewitt, Peter Bishop en Richard Steiger het ‘actormodel’ voorstelden. In dit model konden ‘actors’, de fundamentele rekeneenheden, beslissingen nemen, berichten versturen en zich zo nodig repliceren. Spoel vijftig jaar vooruit en er is veel veranderd. De AI-agents van vandaag zijn gebouwd op geavanceerde taalmodellen en diepe neurale netwerken met biljoenen parameters. Grote spelers zoals Apple, Meta en Google zetten stevig in op AI-hardware voor mobiele apparaten. Een toekomst met AI-agents is daarmee meer dan alleen technologische hype.
Waarom AI-agents zo belangrijk zijn:
AI-agents staan centraal in de meeste moderne ethische debatten over AI. Hopelijk is de reden aan het einde van dit artikel duidelijk, maar eerst een gedachte: we begrijpen nog steeds niet volledig hoe deep learning, een belangrijk onderdeel van deze AI-revolutie, werkt. Toch bewegen we naar een situatie waarin we deze AI-systemen meer autonomie geven. Waarom? Eenvoudig: het economische potentieel is verbijsterend. Teams die aan AI-agents werken trekken niet alleen miljardeninvesteringen aan, maar ook de knapste koppen uit de technologiesector.
Volg het geld. Goed, daar komt het: volgens mij kunnen AI-agents de samenleving ingrijpend veranderen. Wanneer futuristen over AI praten, schetsen ze vrijwel altijd een wereld waarin AI handelingsvermogen heeft.
Denk eens aan de gevolgen van een paar scenario's die zo bij me opkomen:
- Wat gebeurt er met de detailhandel wanneer AI-agents het hele aankoopproces van begin tot eind beheren?
- Of met ‘het kantoor’ wanneer jonge professionals dankzij AI-agents op hun eerste werkdag al hoogwaardig professioneel werk leveren?
- Of met onze economie wanneer AI-agents het beheer van persoonlijke financiën overnemen en ons voorbij impulsieve beslissingen als ‘creditcard gebruiken/glimmend ding kopen’ brengen?
- Of denk aan adviesbureaus die plaatsmaken voor advies van een AI-model van een miljard dollar (plus agents die vóór de lunch alles van presentaties tot prototypes genereren).
(Of Google, zodra we het kantelpunt bereiken waarop AI vaker klikt en zoekt dan mensen.)
Het is duidelijk: ik denk dat dit heel belangrijk wordt. Laten we bekijken waar het eigenlijk om gaat:
AI-agents verkennen: typen en functies
Binnen de AI-sector bestaat veel onenigheid over wat een agent eigenlijk is. Volgens mij komt dit door investeringen en trends. (Van AutoGPT tot AutoGEN, we hebben in één jaar een lange weg afgelegd.) Maar laten we teruggaan naar onze oorspronkelijke definitie, die draait om handelingsvermogen en autonomie.
In ‘Artificial Intelligence: A Modern Approach’ van Stuart Russell en Peter Norvig worden AI-agents in vijf typen verdeeld, die ieder geavanceerder zijn dan het vorige:
- Eenvoudige reflexagents: werken volgens basisregels.
- Modelgebaseerde agents: kunnen modellen van hun omgeving bouwen en gebruiken.
- Doelgerichte agents: richten zich op het behalen van specifieke doelen.
- Op nut gebaseerde agents: nemen beslissingen op basis van de wenselijkheid van uitkomsten.
- Lerende agents: ontwikkelen en verbeteren zich door ervaring.
Dave Shapiro biedt een ander perspectief op de volgende generatie automatisering:
- Fysieke processen digitaal spiegelen.
- Binnen digitale netwerken werken.
- Communiceren via gestandaardiseerde interfaces zoals API's.
- Zelfstandig en zonder menselijke tussenkomst werken.
- Complexe processen stroomlijnen.
Shapiro stelt dat het inmiddels bijna triviaal is om samenwerkende, gespecialiseerde agents te maken die complexe problemen oplossen. (Dat herken ik uit eigen ervaring. We hebben multi-agentframeworks als prototype gebouwd en de resultaten rechtvaardigden de inspanning ruimschoots.)
De obstakels die voor ons liggen
Ondanks de belofte van deze toekomst blijven er aanzienlijke uitdagingen:
- Technische beperkingen: hulpmiddelen zoals Microsoft Copilot tonen de huidige technische beperkingen perfect. (Iedereen gaat dit de komende maanden merken. Mijn bescheiden mening: gerichte AI-projecten en kleine modellen zijn de juiste aanpak.)
- Ethische en veiligheidskwesties: niemand is klaar voor een AI-agent als partner en voor de gevolgen wanneer die je creditcard tot de limiet leegtrekt. En dan heb ik het onderwerp AI en oorlogvoering nog niet eens aangeraakt.
- Verantwoordelijkheid: kwesties aanpakken die lijken op de problemen rond autonome voertuigen. Wie betaalt de rekening als een storing in een AI-agent een volledige beleggingsportefeuille verkoopt?
- Ondoorzichtigheid: we begrijpen de interne werking van AI onvoldoende. Autonomie vraagt om meer controle en begrip.
- Menselijke beïnvloeding: AI kan menselijke besluitvorming aanzienlijk beïnvloeden. Hoeveel autonomie zijn we bereid uit te besteden?
‘De paradox van Moravec’ vormt nog een obstakel. De paradox is genoemd naar Hans Moravec, een onderzoeker op het gebied van robotica. Hij merkte op dat het relatief eenvoudig is om computers op volwassen niveau te laten presteren bij intelligentietests of dammen, maar moeilijk of onmogelijk om ze op het gebied van waarneming en mobiliteit de vaardigheden van een eenjarige te geven. Yann LeCun bespreekt dit uitvoerig in enkele uitstekende interviews en het is een zeer reëel probleem. (Eentje waaraan op dit moment letterlijk duizenden onderzoekers werken.)
Tot slot
Ik denk niet dat AI-agents in 2024 volledig in ons dagelijks leven worden geïntegreerd. Wel verwacht ik dat veel grote uitdagingen in de komende twaalf maanden worden overwonnen, waardoor de basis ontstaat voor een tweede generatie agents die meerdere modellen en technologieën parallel gebruiken. Op een bepaalde manier brengt dat ons helemaal terug bij het actormodel uit 1973.
plus ça change, plus c’est la même chose?
In dit geval waarschijnlijk niet.
Lijst met AI-agents: (met dank aan E2B.dev)
e2b-dev/awesome-ai-agents: een lijst met autonome AI-agents (github.com)
Bronnen:
Zes typen AI-agents: de toekomst van intelligente machines verkennen (simform.com)
De weg voor ons bereikt in 2024 een keerpunt | Bill Gates (gatesnotes.com)
Een kritische blik op de paradox van Moravec: De paradox van Moravec komt voort uit de beschikbaarheidsheuristiek | LessWrong
Actormodel: een bijzonder nuttige animatie ter uitleg:
Deep learning begrijpen: hier is een uitstekende video van een van mijn favoriete kanalen: https://youtu.be/sJXn4Cl4oww?si=PCKXOUPTiySPCMhu
Understanding Deep Learning: Prince, Simon J.D.: 9780262048644: Amazon.com: boeken)
Volgens topinvesteerder Cathie Wood liggen er biljoenen voor het grijpen (met een korreltje zout?)
Wereldwijde AI-uitgaven in 2024 Wat brengt 2024 voor de ontwikkeling van AI? (forbes.com)
Van machine learning naar autonome intelligentie: https://www.youtube.com/live/pd0JmT6rYcI?si=-j8Spp4B5XS6OGCd
Dave Shapiro, agents + zwermen: https://youtu.be/IqovGsaTro8?si=km9JS8XYje27GgTM