Large Action Models (LAM)

Large Action Models (LAM) — это передовой класс генеративного искусственного интеллекта, предназначенный для выхода за рамки простого создания текста путем автономного выполнения задач и взаимодействия с цифровыми средами. В отличие от традиционных моделей, которые строго обрабатывают и производят текст, LAM выступают в качестве основного когнитивного движка для AI agents, преобразуя намерения человека в конкретные многошаговые действия. Преодолевая разрыв между пониманием естественного языка и выполнением задач в реальном мире, эти модели представляют собой значительный скачок на пути к Artificial General Intelligence (AGI) и высокоавтономным системам.

Link to this sectionКак работают Large Action Models#

LAM опираются на фундаментальную архитектуру традиционных foundation models, но они специально обучены взаимодействовать с программным обеспечением, API и веб-средами. Используя такие методы, как reinforcement learning и вызов функций, LAM может разбить сложный запрос пользователя на логические шаги, перемещаться по графическим интерфейсам и выполнять вызовы API. Например, недавние разработки в области Anthropic's Claude 3.5 computer use и семейство Salesforce's xLAM family демонстрируют, как эти системы могут автономно нажимать кнопки, заполнять формы и управлять рабочими процессами точно так же, как это делал бы оператор-человек.

В сочетании с системами computer vision модели LAM становятся еще мощнее. Визуальные входные данные могут обрабатываться высокоэффективными моделями, такими как Ultralytics YOLO26, позволяя LAM «видеть» свое окружение, интерпретировать визуальный контекст и запускать конкретные программные действия на основе того, что она обнаруживает.

Link to this sectionРеальные приложения#

LAM меняют подход отраслей к автоматизации задач, переходя от пассивной поддержки к активному выполнению.

• ИИ в розничной торговле и клиентской поддержке: Вместо того чтобы просто отвечать на вопросы клиентов, LAM может автономно обработать возврат товара. Если пользователь просит отменить заказ, модель может перемещаться по биллинговому ПО компании, проверить политику возврата, оформить возврат средств и обновить базу данных инвентаря без вмешательства человека.
• ИИ в администрировании здравоохранения: В клинических условиях LAM координируют сложные рабочие процессы. Они могут извлекать запросы пациентов, сопоставлять доступность врачей, автоматически обновлять электронные медицинские карты (EHR) через внутреннее медицинское ПО и завершать запись на прием.

Link to this sectionАвтоматизация рабочих процессов с помощью кода#

LAM часто интегрируются с моделями компьютерного зрения для автоматизации визуальных проверок. Следующий пример на Python демонстрирует, как гипотетический рабочий процесс LAM может использовать ultralytics для сканирования изображения и запуска автоматизированного действия по инвентаризации на основе результатов object detection.

from ultralytics import YOLO

# Load the recommended Ultralytics YOLO26 model for an agentic vision task
model = YOLO("yolo26n.pt")

# The LAM commands the model to scan a warehouse shelf image
results = model.predict("inventory_shelf.jpg")

# The LAM extracts actionable data to autonomously trigger a supply reorder
for result in results:
    detected_items = len(result.boxes)
    if detected_items < 10:
        print(f"Low inventory ({detected_items} items). Action triggered: Reordering supplies via API.")

Пользователи могут развертывать и отслеживать такие интегрированные рабочие процессы с использованием визуальных действий через Ultralytics Platform, которая предоставляет надежную облачную инфраструктуру для современных решений в области ИИ.

Link to this sectionРазграничение похожих концепций#

Чтобы полностью понять современный ландшафт ИИ, полезно различать LAM и другие близкие термины:

• LAM против Large Language Model (LLM): LLM строго предназначена для обработки, суммирования и генерации текста, подобно крайне продвинутому текстовому предикатору. LAM включает в себя такое понимание языка, но специально спроектирована для взаимодействия с внешними инструментами и выполнения цифровых действий.
• LAM против Agentic AI: «Agentic AI» описывает общую систему или программную сущность, которая действует автономно. Large Action Model — это лежащая в основе нейронная сеть, «мозг», который дает агенту способность планировать и выполнять эти действия.
• LAM против Agentic RAG: Agentic RAG фокусируется на автономном поиске и синтезе внешней информации для повышения точности сгенерированного ответа. LAM же фокусируется на манипулировании системами и изменении их состояний (например, бронирование рейса или перемещение файлов), а не просто на извлечении данных.