YZ Ajansı

AI Ajanı, çevresini algılayabilen, karmaşık mantık yoluyla kararlar alabilen ve belirlenen hedeflere ulaşmak için belirli eylemler gerçekleştirebilen otonom bir sistemdir. Girişleri pasif olarak işleyerek çıktı üreten statik makine öğrenimi modellerinden farklı olarak, ajanlar sürekli bir iş akışı içinde dinamik olarak çalışır. Bu sistemler, yapay zekanın"aktif" katmanını oluşturur ve dijital tahminler ile gerçek dünyadaki uygulamalar arasındaki boşluğu doldurur. Hafıza ve uyarlanabilir öğrenmeyi kullanarak, ajanlar sürekli insan müdahalesi olmadan yazılım otomasyonundan fiziksel navigasyona kadar çeşitli görevleri yerine getirebilir.

Algılama-Akıl Yürütme-Eylem Döngüsü

Bir AI ajanının işlevselliği, genellikle Algılama-Eylem Döngüsü olarak tanımlanan döngüsel bir sürece dayanır. Bu mimari, ajanın çevresiyle anlamlı bir şekilde etkileşime girmesini sağlar .

1. Algılama (Algılama): Ajan, dünyadan bilgi toplar. Bilgisayar görme uygulamalarında, ajan kameraları "göz" olarak kullanır. YOLO26 gibi yüksek hızlı modeller kullanarak nesne algılama veya segmentasyon gerçekleştirir ve ham pikselleri yapılandırılmış verilere dönüştürür.
2. Akıl yürütme (Düşünme): Ajan, algılanan verileri hedeflerine göre işler. Bu aşama genellikle büyük dil modellerini (LLM) anlamsal anlayış veya karar verme stratejilerini optimize etmek için pekiştirme öğrenme algoritmalarıyla entegre eder. Gelişmiş ajanlar, bir satranç oyuncusunun gelecek hamleleri öngörmesi gibi, birden fazla hamle önceden planlayabilir.
3. Eylem (Yürütme): Ajan, mantığına dayanarak bir görevi yürütür. Bu, bir veritabanını sorgulamak veya bir uyarı göndermek gibi dijital bir eylem veya bir robot kolunun konveyör banttan belirli bir öğeyi alması gibi robotikte fiziksel bir eylem olabilir .

AI Aracısı ve AI Modeli

Teknoloji yığınında farklı roller üstlendikleri için, ajan ile model arasında ayrım yapmak önemlidir.

• AI Modeli: Model, örüntüleri tanımak için eğitilmiş bir sinir ağı gibi matematiksel bir motordur. Tahminler sunan (örneğin, "Bu bir arabadır") ancak doğası gereği bu tahminlere göre hareket etmeyen bir araçtır.
• AI Ajan: Ajan, modelleri araç olarak kullanan kapsayıcı sistemdir. Değişimi başlatma kapasitesi olan ajanlık özelliğine sahiptir. Örneğin, model kırmızı ışığı tanımlarken, ajan frenleri kullanmaya karar verir.

Gerçek Dünya Uygulamaları

AI ajanları, bilişsel esneklik gerektiren iş akışlarını otomatikleştirerek endüstrileri dönüştürüyor.

• Akıllı Üretim: Endüstriyel otomasyonda, görsel ajanlar üretim hatlarını izler. Kalite kontrol sistemi tarafından bir kusur tespit edildiğinde, ajan makineyi otonom olarak durdurabilir ve olayı kaydederek israfı önleyebilir.
• Otonom Lojistik: Depolar, envanter yönetimi için ajan robotları kullanır. Bu ajanlar, SLAM (Eşzamanlı Yerelleştirme ve Haritalama) ve görme modellerini kullanarak dinamik ortamlarda gezinir ve paketleri verimli bir şekilde bulur, toplar ve taşır.

Basit Bir Vision Agent Oluşturma

Geliştiriciler, algılama modellerini koşullu mantıkla birleştirerek temel ajanlar oluşturabilirler. Aşağıdaki Python örneği , ultralytics paket. Ajan bir kişiyi algılar ve modelin güvenilirliğine göre bir uyarı tetikleyip tetiklemeyeceğine karar verir.

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.")

İlgili Kavramlar

• Edge AI: Gerçek zamanlı tepki vermek için, ajanlar genellikle NVIDIA gibi donanımlarda yerel olarak çalışır ve verileri bulutta değil kaynağında işleyerek gecikmeyi en aza indirir. .
• Yapay Genel Zeka (AGI): Mevcut ajanlar uzmanlaşmışken (Dar AI), AGI, bir insanın yapabileceği herhangi bir entelektüel görevi yerine getirebilen varsayımsal ajanları ifade eder.
• Üretken AI: Modern ajanlar sık sık GenAI'yi kullanarak dinamik yanıtlar veya kodlar oluştururlar ve iş akışlarının bir parçası olarak içerik üretebilen asistanlar gibi davranırlar .

Ajanları için temel modelleri eğitmek isteyenler için, Ultralytics veri kümelerini açıklama ve eğitim çalışmalarını yönetmek için kolaylaştırılmış bir ortam sunar. Ajan mimarileri hakkında daha fazla bilgi, Stanford HAI ve DeepMind gibi kuruluşların araştırmalarında bulunabilir.