AI Agent

Погрузись в мир ИИ-агентов. Узнай, как эти автономные системы используют Ultralytics YOLO26 для восприятия, рассуждения и действий в реальном времени при решении сложных задач.

An AI Agent — это автономная система, способная воспринимать свое окружение, рассуждать с помощью сложной логики для принятия решений и предпринимать конкретные действия для достижения поставленных целей. В отличие от статической модели machine learning, которая пассивно обрабатывает входные данные для получения результата, агент работает динамически в рамках непрерывного рабочего процесса. Эти системы образуют "активный" слой artificial intelligence, преодолевая разрыв между цифровыми прогнозами и реальным исполнением. Используя память и адаптивное обучение, агенты могут справляться с задачами от автоматизации программного обеспечения до физической навигации без постоянного вмешательства человека.

Цикл восприятия-рассуждения-действия#

Функциональность AI-агента опирается на циклический процесс, который часто называют циклом восприятия-действия. Эта архитектура позволяет агенту осмысленно взаимодействовать с окружающим миром.

Perception (Sensing): Агент собирает информацию из окружающего мира. В приложениях computer vision агент использует камеры в качестве "глаз". Он задействует высокоскоростные модели, такие как YOLO26, для выполнения object detection или сегментации, преобразуя сырые пиксели в структурированные данные.
Reasoning (Thinking): Агент обрабатывает воспринятые данные в соответствии со своими целями. Этот этап часто включает в себя Large Language Models (LLMs) для семантического понимания или алгоритмы reinforcement learning для оптимизации стратегий принятия решений. Продвинутые агенты могут планировать на несколько шагов вперед, во многом подобно шахматисту, предвидящему будущие ходы.
Action (Executing): Основываясь на своих рассуждениях, агент выполняет задачу. Это может быть цифровое действие, такое как запрос к базе данных или отправка оповещения, либо физическое действие в области robotics, например, когда роботизированная рука берет определенный предмет с конвейерной ленты.

AI-агент против AI-модели#

Важно различать агента и модель, поскольку они выполняют разные роли в технологическом стеке.

AI Model: Модель представляет собой математический движок, такой как neural network, обученный распознавать паттерны. Это инструмент, который выдает прогнозы (например, "Это автомобиль"), но по своей сути не совершает действий на их основе.
AI-агент: Агент — это охватывающая система, которая использует модели в качестве инструментов. Он обладает агентностью — способностью инициировать изменения. Например, в то время как модель распознает красный свет, агент принимает решение нажать на тормоза.

Реальные приложения#

AI-агенты трансформируют отрасли, автоматизируя рабочие процессы, требующие когнитивной гибкости.

Smart Manufacturing: В industrial automation визуальные агенты следят за производственными линиями. Если quality control system обнаруживает дефект, агент может автономно остановить оборудование и зафиксировать инцидент, предотвращая появление брака.
Autonomous Logistics: На складах используются роботы-агенты для управления запасами. Эти агенты ориентируются в динамичной среде с помощью SLAM (Simultaneous Localization and Mapping) и моделей компьютерного зрения, чтобы эффективно находить, брать и транспортировать посылки.

Создание простого агента машинного зрения#

Разработчики могут создавать базовые агенты, объединяя модели восприятия с условной логикой. В следующем примере на Python демонстрируется простой "охранный агент" с использованием пакета ultralytics. Агент обнаруживает человека и принимает решение о том, нужно ли запускать тревогу, основываясь на уверенности модели.

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.")

Связанные концепции#

Edge AI: Чтобы реагировать в реальном времени, агенты часто запускаются локально на таком оборудовании, как NVIDIA Jetson, минимизируя задержки за счет обработки данных на источнике, а не в облаке.
Artificial General Intelligence (AGI): В то время как текущие агенты специализируются на узких задачах (Narrow AI), AGI относится к гипотетическим агентам, способным выполнять любую интеллектуальную задачу, доступную человеку.
Generative AI: Современные агенты часто используют GenAI для создания динамических ответов или кода, выступая в роли ассистентов, способных генерировать контент в рамках своего рабочего процесса.

Для тех, кто хочет обучить базовые модели для своих агентов, Ultralytics Platform предлагает оптимизированную среду для разметки датасетов и управления процессами обучения. Дополнительную литературу по архитектурам агентов можно найти в исследованиях таких организаций, как Stanford HAI и DeepMind.