Mixture of Agents (MoA)

Una Miscela di agenti (MoA) è un'architettura avanzata di intelligenza artificiale che sfrutta più modelli linguistici di grandi dimensioni (LLMs) o agenti autonomi per risolvere collaborativamente attività complesse. Invece di affidarsi a un singolo modello per generare una risposta, un sistema MoA interroga simultaneamente diversi modelli distinti. Questi agenti iniziali producono risposte indipendenti, che vengono poi passate a un agente aggregatore o sintetizzatore. L'aggregatore valuta, perfeziona e combina le diverse prospettive in un unico output finale di alta qualità. Questo approccio collaborativo potenzia significativamente le capacità di ragionamento e riduce i bias o le debolezze individuali dei modelli indipendenti, rappresentando un importante passo avanti nell'elaborazione del linguaggio naturale (NLP) e nella risoluzione dei problemi.

Miscela di agenti contro Miscela di esperti#

Sebbene sembrino simili, è fondamentale distinguere la MoA dal concetto correlato di Miscela di esperti (MoE).

• Miscela di esperti (MoE): opera all'interno di una singola architettura di rete neurale. Utilizza un meccanismo di instradamento per attivare, durante l'inferenza, solo specifici sottolivelli specializzati (esperti) per ogni token. In questo modo ottimizza l'efficienza computazionale mantenendo al contempo un numero elevato di parametri.
• Miscela di agenti (MoA): opera a livello di modello o di sistema. Coinvolge agenti di AI completamente separati, spesso basati su diversi modelli fondazionali, che interagiscono all'interno di una pipeline. La MoA funziona più come un insieme di modelli combinato con un processo di revisione intelligente, come descritto nelle recenti ricerche sui sistemi multi-agente.

Applicazioni nel mondo reale#

Le architetture MoA eccellono negli ambienti che richiedono ragionamento approfondito, verifica dei fatti e sintesi di dati eterogenei.

• Ingegneria del software complessa: nello sviluppo software, un sistema MoA potrebbe utilizzare Anthropic Claude per scrivere la logica principale, OpenAI GPT-4o per generare test unitari e un modello locale per l'audit della sicurezza. Un agente aggregatore finale esamina il codice combinato, lo testa e produce uno script perfezionato e privo di bug.
• Diagnostica medica automatizzata: nell'AI nel settore sanitario, una pipeline MoA diagnostica può utilizzare agenti specializzati per esaminare l'anamnesi del paziente, analizzare i risultati di laboratorio ed elaborare immagini mediche. L'agente sintetizzatore aggrega questi risultati per aiutare i medici a formulare una diagnosi completa, riducendo drasticamente la probabilità di errore umano.

Integrazione della visione nei flussi di lavoro MoA#

I moderni sistemi MoA sono sempre più multimodali, ovvero si basano su modelli di visione artificiale (CV) per percepire il mondo fisico prima di ragionarci sopra. Ad esempio, nell'AI nel settore manifatturiero, un agente visivo può analizzare il feed di una telecamera in tempo reale e inviare le proprie osservazioni fattuali a un agente di ragionamento.

Il seguente esempio in Python mostra come Ultralytics YOLO26 possa funzionare come "agente visivo" all'interno di una pipeline MoA, estraendo dati contestuali da fornire agli LLM a valle. Gli sviluppatori possono gestire e ottimizzare facilmente questi strumenti specializzati di visione utilizzando la Ultralytics Platform.

from ultralytics import YOLO

# Initialize YOLO26 as a dedicated visual agent
visual_agent = YOLO("yolo26n.pt")

# The agent observes the environment by running inference on an image
results = visual_agent("https://ultralytics.com/images/bus.jpg")

# Extract structured data to pass to the MoA aggregator
detected_classes = [visual_agent.names[int(cls)] for cls in results[0].boxes.cls]
unique_objects = set(detected_classes)

# This text context is then sent to the reasoning agent
print(f"Visual Agent Report: I have identified {', '.join(unique_objects)} in the scene.")

Colmando il divario tra modelli di visione altamente capaci, realizzati con framework come PyTorch, e motori cognitivi avanzati come Google Gemini, gli ecosistemi MoA rispecchiano la collaborazione umana. Stanno rapidamente diventando la base delle pipeline Agentic RAG, aprendo la strada a sistemi autonomi più solidi e affidabili.