인공지능 에이전트의 세계를 탐험하세요. 이 자율 시스템들이 Ultralytics 활용하여 복잡한 과제를 해결하기 위해 실시간으로 인지하고, 추론하며, 행동하는 방식을 알아보세요.
인공지능 에이전트는 환경을 인지하고, 복잡한 논리를 통해 추론하여 결정을 내리며, 정의된 목표를 달성하기 위해 특정 행동을 취할 수 있는 자율 시스템입니다. 입력을 수동적으로 처리하여 출력을 생성하는 정적인 머신러닝 모델과 달리, 에이전트는 지속적인 워크플로우 내에서 동적으로 작동합니다. 이러한 시스템은 디지털 예측과 현실 세계 실행 사이의 간극을 메우는 인공지능의"능동적" 계층을 형성합니다. 기억과 적응형 학습을 활용함으로써, 에이전트는 지속적인 인간 개입 없이 소프트웨어 자동화부터 물리적 탐색에 이르는 다양한 작업을 처리할 수 있습니다.
인공지능 에이전트의 기능은 종종 지각-행동 루프( Perception-Action Loop)로 설명되는 순환적 과정에 의존합니다. 이 아키텍처는 에이전트가 주변 환경과 의미 있게 상호작용할 수 있도록 합니다.
에이전트와 모델은 기술 스택 내에서 서로 다른 역할을 수행하므로 이 둘을 구분하는 것이 중요합니다.
인공지능 에이전트는 인지적 유연성이 필요한 업무 흐름을 자동화함으로써 산업을 변화시키고 있다.
개발자는 인지 모델과 조건부 논리를 결합하여 기본 에이전트를 구축할 수 있습니다. 다음 Python
를 사용한 간단한 "보안 에이전트"를 보여줍니다. ultralytics 에이전트는 사람을 감지하고 모델의 신뢰도에 따라 경보를 발령할지 여부를 결정합니다.
from ultralytics import YOLO
# Load the YOLO26 model (The Agent's Perception)
model = YOLO("yolo26n.pt")
# 1. Perceive: The agent analyzes an image
results = model("bus.jpg")
# 2. Reason & 3. Act: Decision logic based on perception
for result in results:
# Check if a 'person' (class 0) is detected with high confidence
if 0 in result.boxes.cls and result.boxes.conf.max() > 0.5:
print("ACTION: Person detected! Initiating security protocol.")
else:
print("ACTION: Area clear. Continuing surveillance.")
에이전트용 기반 모델을 훈련하려는 분들을 위해 Ultralytics 데이터셋 주석 작업 및 훈련 실행 관리를 위한 간소화된 환경을 제공합니다. 에이전트 아키텍처에 대한 추가 자료는 스탠퍼드 HAI 및 DeepMind와 같은 기관의 연구에서 확인할 수 있습니다.
.webp)