Large Action Models (LAM)

Büyük Eylem Modelleri (LAM), görevleri otonom olarak yürütmek ve dijital ortamlarla etkileşim kurmak suretiyle metin üretiminin ötesine geçmek üzere tasarlanmış gelişmiş bir üretken yapay zekâ sınıfıdır. Yalnızca metni işleyip üreten geleneksel modellerin aksine LAM'ler, yapay zekâ aracıları için temel bilişsel motor görevi görerek insan niyetini somut, çok adımlı eylemlere dönüştürür. Doğal dil anlama ile gerçek dünyada yürütme arasındaki boşluğu kapatan bu modeller, Yapay Genel Zekâya (AGI) ve yüksek düzeyde otonom sistemlere doğru önemli bir ilerlemeyi temsil eder.

Büyük Eylem Modelleri Nasıl Çalışır#

LAM'ler, geleneksel temel modellerin temel mimarisini kullanır; ancak özellikle yazılımlar, API'ler ve web ortamlarıyla etkileşim kurmak üzere eğitilir. Pekiştirmeli öğrenme ve işlev çağırma gibi teknikleri kullanan bir LAM, karmaşık bir kullanıcı isteğini mantıksal adımlara ayırabilir, grafik kullanıcı arayüzlerinde gezinebilir ve API uç noktalarını çalıştırabilir. Örneğin, Anthropic'in Claude 3.5 bilgisayar kullanımı ve Salesforce'un xLAM ailesi alanındaki son gelişmeler, bu sistemlerin tıpkı bir insan operatör gibi otonom olarak düğmelere tıklayabildiğini, formları doldurabildiğini ve iş akışlarını yönetebildiğini göstermektedir.

LAM'ler bilgisayarlı görü sistemleriyle eşleştirildiğinde daha da güçlü hâle gelir. Görsel girdiler, Ultralytics YOLO26 gibi son derece verimli modeller tarafından işlenebilir; böylece LAM ortamını "görebilir", görsel bağlamı yorumlayabilir ve tespit ettiklerine göre belirli programatik eylemleri tetikleyebilir.

Gerçek Dünya Uygulamaları#

LAM'ler, görev otomasyonuna yaklaşım biçimini dönüştürerek sektörleri pasif yardımdan etkin yürütmeye taşıyor.

• Perakendede Yapay Zekâ ve Müşteri Desteği: Bir LAM, yalnızca müşteri sorularını yanıtlamak yerine bir ürün iadesini otonom olarak işleme alabilir. Bir kullanıcı siparişi iptal etmek istediğinde model, şirketin faturalandırma yazılımında gezinebilir, politikayı doğrulayabilir, para iadesini gerçekleştirebilir ve insan müdahalesi olmadan envanter veritabanını güncelleyebilir.
• Sağlık Hizmetlerinde Yapay Zekâ Yönetimi: Klinik ortamlarda LAM'ler karmaşık iş akışlarını koordine eder. Hasta taleplerini çıkarabilir, doktorların uygunluk durumlarını karşılaştırabilir, kurum içi tıbbi yazılım üzerinden Elektronik Sağlık Kayıtlarını (EHR) otomatik olarak güncelleyebilir ve randevu planlamasını tamamlayabilirler.

Görü İş Akışlarını Kodla Otomatikleştirme#

LAM'ler, görsel denetimleri otomatikleştirmek için sıklıkla görü modelleriyle entegre edilir. Aşağıdaki Python örneği, varsayımsal bir LAM iş akışının bir görüntüyü taramak ve nesne algılama sonuçlarına göre otomatik bir envanter eylemini tetiklemek için ultralytics kodunu nasıl kullanabileceğini gösterir.

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.")

Kullanıcılar, modern yapay zekâ çözümleri için güçlü bulut altyapısı sağlayan Ultralytics Platformu ile bu tür entegre görsel-eylem iş akışlarını sorunsuz bir şekilde dağıtabilir ve izleyebilir.

İlişkili Kavramları Ayırt Etme#

Modern yapay zekâ ekosistemini tam olarak kavramak için LAM'leri yakından ilişkili diğer terimlerden ayırmak faydalıdır:

• LAM ve Büyük Dil Modeli (LLM) karşılaştırması: Bir LLM, gelişmiş bir metin tahmincisine benzer şekilde yalnızca dili işlemek, özetlemek ve üretmek üzere tasarlanmıştır. Bir LAM bu dil anlayışını içerir; ancak özellikle harici araçlarla etkileşim kurmak ve dijital eylemleri tamamlamak üzere tasarlanmıştır.
• LAM ve Etmen Tabanlı Yapay Zekâ karşılaştırması: "Etmen Tabanlı Yapay Zekâ", otonom olarak çalışan kapsayıcı sistemi veya yazılım varlığını ifade eder. Büyük Eylem Modeli, etkene bu eylemleri planlama ve gerçekleştirme yeteneği veren temel sinir ağı, yani "beyin"dir.
• LAM ve Etmen Tabanlı RAG karşılaştırması: Etmen Tabanlı RAG, üretilen bir yanıtın doğruluğunu artırmak için harici bilgileri otonom olarak alıp sentezlemeye odaklanır. LAM ise yalnızca verileri almak yerine sistemleri değiştirmeye ve durumları değiştirmeye (örneğin uçuş rezervasyonu yapmaya veya dosyaları taşımaya) odaklanır.