Yapay Zeka Ajanı

Bir YZ ajanı, sensörler aracılığıyla çevresini algılayan, akıllı kararlar vermek için bu bilgileri işleyen ve belirli hedeflere ulaşmak için aktüatörleri kullanarak bu çevre üzerinde hareket eden özerk bir varlıktır. Önceden tanımlanmış bir dizi talimatı izleyen basit bir programın aksine, bir YZ ajanı deneyimlerinden öğrenebilir, değişen koşullara uyum sağlayabilir ve doğrudan insan müdahalesi olmadan bağımsız olarak çalışabilir. Bu algılama, düşünme ve hareket etme yeteneği, aracıları modern Yapay Zekanın (YZ) temel taşı haline getirmekte ve sofistike otomasyon sistemlerinin geliştirilmesini sağlamaktadır. Amaç, şehir sokaklarında gezinmekten endüstriyel süreçleri yönetmeye kadar karmaşık, dinamik görevlerin üstesinden gelebilecek sistemler oluşturmaktır.

Yapay Zeka Ajanları Nasıl Çalışır?

Bir YZ aracısının çalışması en iyi şekilde üç temel bileşeni içeren sürekli bir döngü olarak anlaşılabilir:

1. Algılama (Sensing): Ajanlar sensörleri kullanarak mevcut durumları ve çevrelerindeki ortam hakkında bilgi toplar. Bilgisayarla görme (CV) bağlamında, bu sensörler genellikle görsel verileri yakalayan kameralardır. Bu ham veri, ajanın bağlamını anlamak için kullandığı girdidir.
2. Karar Verme (İşleme): Bir YZ aracısının çekirdeği, karar vermek için algısal verileri işleyen "beynidir". Bu bileşen genellikle sinir ağı gibi sofistike bir makine öğrenimi (ML) modelidir. Karmaşık davranışlar için, aracılar, bir ödülü en üst düzeye çıkarmak için deneme yanılma yoluyla en iyi eylemleri öğrendikleri takviye öğrenme gibi teknikler kullanabilir. Temsilci çeşitli olasılıkları değerlendirir ve hedefine ulaşması en muhtemel eylemi seçer.
3. Eylem (Harekete Geçme): Bir karar verildikten sonra, etmen bunu eyleyiciler aracılığıyla uygular. Aktüatör, çevreyi etkileyen bir mekanizmadır. Fiziksel bir robot için bu, robotik bir kolu hareket ettirmek veya bir aracı yönlendirmek olabilir. Dijital bir ajan için bu, borsada bir işlem yapmak ya da e-postaları filtrelemek olabilir.

Aracı mimarisi olarak bilinen bu algılama-düşünme-eyleme döngüsü, aracının özerk olarak çalışmasına ve gerçek zamanlı olaylara tepki vermesine olanak tanır. LangChain ve AutoGPT gibi projelerin LLM destekli aracılar geliştirmek için popülerlik kazanmasıyla birlikte, aracılar oluşturmaya yönelik çerçeveler daha yaygın hale gelmektedir.

Bilgisayarlı Görüde Yapay Zeka Ajanları

Bilgisayar görüşü, fiziksel dünyada faaliyet gösteren yapay zeka ajanları için kritik bir olanak sağlayan teknolojidir. Ultralytics YOLO11 gibi görme modelleri, ajana çevresini "görme" ve yorumlama yeteneği sağlayan algısal temel olarak hizmet eder. Bir ajan sistemine entegre edildiğinde, bir CV modeli ham görsel verileri, nesneleri tanımlama ve konumlandırma(nesne algılama), hareketlerini izleme (nesneizleme) veya insan pozlarını anlama(poz tahmini) gibi yapılandırılmış bilgilere dönüştürür.

Ajan yapay zekası ve bilgisayarla görmenin bu kombinasyonu otomasyonun geleceği için çok önemlidir. Bir ajan sadece bir nesneyi tespit etmekle kalmaz; bu tespiti bir karar için tetikleyici olarak kullanır. Örneğin, bir YOLO modeli bir üretim hattında bir kusur tespit ettikten sonra, ajan öğeyi çıkarmak için bir robot kolu etkinleştirmeye karar verir. Bu, tam otomatik bir iş akışı oluşturmak için basit algılamanın ötesine geçer.

Gerçek Dünya Uygulamaları ve Örnekler

YZ aracılarının gücü, en çok algı ve karar verme süreçlerini somut eylemlere dönüştürdükleri gerçek dünya uygulamalarında ortaya çıkmaktadır.

• Otonom Araçlar: Kendi kendine giden arabalar, karmaşık yapay zeka ajanlarının en iyi örneğidir. Çevrelerinin 360 derecelik bir görünümünü oluşturmak için kameralar ve LiDAR dahil olmak üzere bir dizi sensör kullanırlar. CV modelleri yayaları, diğer araçları ve trafik işaretlerini tespit etmek için gerçek zamanlı çıkarım yapar. Aracın karar verme motoru daha sonra bu bilgileri işleyerek direksiyonu, hızlanmayı ve frenlemeyi kontrol eder ve karmaşık kentsel ortamlarda güvenli bir şekilde gezinir. Waymo gibi şirketler bu tür gelişmiş aracı tabanlı sistemlerin kullanılmasında öncüdür.
• Akıllı Üretim: Yapay zeka güdümlü üretimde, yapay zeka ajanları kalite kontrolünü otomatikleştirir. YOLO11 gibi bir modeli çalıştıran bir kameraya bağlı bir aracı, bir konveyör bandını izleyebilir. Her ürünü tanımlamak için örnek segmentasyonu kullanır, kusurları kontrol eder ve bir kusur tespit edilirse, hatalı ürünü çıkarmak için bir robotik kola (aktüatör) sinyal verir. Bu, Endüstri 4.0'ın önemli bir bileşeni olan sürekli çalışan verimli, otonom bir kalite güvence sistemi oluşturur.

YZ Ajanlarını İlgili Kavramlardan Ayırt Etmek

YZ aracılarını YZ alanındaki diğer ilgili terimlerden ayırmak faydalı olacaktır.

• YZ Ajan vs YZ Modeli: YZ modeli bir ajanın bileşenidir, ajanın kendisi değildir. YOLO nesne dedektörü gibi bir model, belirli bir görevi yerine getiren bir araçtır (örneğin, bir görüntüdeki nesneleri bulmak). YZ ajanı, bir karar vermek ve ardından harekete geçmek için modelin çıktısını kullanan kapsayıcı sistemdir. Model "ne" sorusuna yanıt verirken, ajan "bu konuda ne yapılacağına" karar verir.
• YZ Aracısı vs. Chatbot/LLM: Bir chatbot veya Büyük Dil Modeli (LLM) akıllı davranışlar sergileyebilirken, bunlar genellikle dijital, metin tabanlı ortamlarla sınırlıdır. YZ ajanı, sensörler ve aktüatörler aracılığıyla fiziksel dünya ile etkileşime girebilen daha geniş bir kavramdır. Bununla birlikte, bir LLM, Hugging Face gibi platformlar tarafından keşfedilen bir kavram olan bir ajan içinde güçlü bir karar verme motoru olarak hizmet edebilir.
• Yapay Zeka Ajanı ve Robotik: Robotik, fiziksel robotun, yani bedenin tasarımı ve inşası anlamına gelir. Yapay zeka ajanı ise bu bedeni kontrol eden zekadır - zihin. Endüstriyel bir robot kolu sadece bir donanımdır; çevresini algılamasını ve otonom kararlar almasını sağlayan bir YZ sistemi tarafından desteklendiğinde akıllı bir ajan haline gelir.