What is the difference between conversation design and conversational design?

AIエージェントは、ドアを開けるような単純な反応から、交通管理や金融取引のような複雑な意思決定に至るまで、自律的にタスクを実行する特殊なソフトウェアシステムである。
モデルベースの反射型エージェントは、予測不可能な環境に対応するために内部世界モデルを維持し、学習型エージェントは新しいデータや経験に基づいて時間と共に適応していく。
階層型およびマルチエージェントシステムは、複数のAIエージェントまたはレイヤーにタスクを分割し、製造、物流、スマートシティなどの分野で高度な調整を可能にする。
ロボットやバーチャルアシスタントエージェントは、物理的またはデジタル的な動作とAIの推論を組み合わせることで、手術ロボットからアレクサやSiriのような音声アシスタントへの応用を可能にする。

AIエージェントは世界中のハイテク業界を賑わせているが、AIエージェントの実例は必ずしも明らかではない。

この記事では、AIエージェントの種類とそれぞれの例を紹介する。しかし、覚えておいてほしいのは、これらがタイプ別に分けられていたとしても、ほとんどの高度なAIシステムは、複数のタイプのAIエージェントの組み合わせであるということだ。

例えば、自動運転車（自律走行車）には、効用ベースのエージェント、目標ベースのエージェント、モデルベースの反射エージェント、学習エージェントが関わっている。複雑なプロセスなので、多くの可動部品が必要になる。

ビルドAIChatbots

カスタムエージェントチャットボットの構築

今すぐ始める

‍

そしてそれは、サプライチェーン・マネジメントにおけるAIエージェントにとっても同じ前提だ。ロジスティクス、在庫管理、仕入れ、配送を最適化するために、いくつかのタイプのエージェントを使うだろう。

しかし、それを簡単にするために、それぞれのタイプのエージェント型AIが何を達成するために設計されているのか、それがすでに現実の世界でどのように現れているのか、いくつかの例を挙げながら掘り下げてみよう。

例えば、AIエージェントは、以前は自動化が不可能だったタスクの企業向けボットとして、ますます利用されるようになっている。柔軟なAI構築プラットフォームは、ユースケースが無限であることを意味する。

EコマースのAIエージェントは、注文の発注、出荷の追跡と最新情報の提供、画像ベースの検索の促進、カート放棄に関するフォローアップの送信、以前の顧客からの製品レビューの提供、ユーザーへのパーソナライズされた製品提案に使用される。
Botpress 、ほとんどのAIエージェントは営業やマーケティングに使われている。 AIリードジェネレーションその他営業におけるAIの活用法.
- これらのエージェントは、リードリストを作成し、パーソナライズされたコミュニケーションを送信し、（人間よりも）リードの質を高めることができます。マーケティングキャンペーンを戦略化し、促進し、競合他社の分析を行うことができる。
で AIカスタマーサポートAIエージェントは、パスワードの変更や返金の管理など、ユーザーに代わって行動を起こすことができる。
- AIエージェントは、製品の提案や高度なテクニカル・サポートを提供することもできる。(私たちのクライアントは、AIエージェントによってサポートチケットを65%削減しました)。
ホテルやその他のホスピタリティビジネスは、AIアシスタントに完璧に適している。多言語に対応し、年中無休で、ゲストが簡単にアクセスできる。ホテル向けのAIエージェントは、ルームサービスを合理化し、近隣のアメニティを提案し、ホテルのサービスをアップセルし、スタッフがニーズを調整するのを助けることができる。

1.ユーティリティ・ベースのエージェント

単に環境刺激に反応するだけの単純なエージェントとは異なり、効用ベースのエージェントは、期待される効用に基づいて潜在的な行動を評価する。それぞれのオプションが、設定されたゴールに対してどの程度役に立つか、あるいは有益かを予測する。

ユーティリティ・ベースのエージェントは、複数の潜在的な結果を伴う複雑な意思決定環境、例えば、投資の意思決定をするためにさまざまなリスクのバランスをとったり、治療法の選択肢の副作用を量ったりするような場合に優れている。

これらの知的エージェントの効用関数は、その嗜好を数学的に表現したものである。効用関数は周囲の世界にマッピングされ、どの選択肢が最も好ましいかを決定し、ランク付けする。そして、効用エージェントは最適な行動を選択することができる。

大量のデータを処理できるため、重大な意思決定を伴うあらゆる分野で役立つ。

金融取引

効用ベースのエージェントは株式市場や暗号通貨市場に適しており、金融リターンの最大化または損失の最小化を目指すアルゴリズムに基づいて売買することができる。このタイプの効用関数は、過去のデータとリアルタイムの市場データの両方を考慮することができます。

ダイナミックプライシングシステム

雨の日のUberやLyftに追加料金を払ったことがあるだろうか？航空券、ホテル、ライドシェアの価格を、需要、競合、予約時間に基づいてリアルタイムで調整することができるのだ。

スマートグリッドコントローラ

この種のインテリジェント・エージェントは、スマート・グリッドの「スマート」であり、配電と蓄電を制御するユーティリティ・ベースのエージェントである。

需要予測やエネルギー価格に基づいて資源の利用を最適化し、効率を高めてコストを削減する。

パーソナライズされたコンテンツ推薦

ある映画を見終わると、Netflixは同じような映画をあと3本薦めてくる。

NetflixやSpotifyのようなストリーミングサービスは、ユーザーに類似したコンテンツを提案するために、ユーティリティベースのエージェントを使用している。ここでいう最適化されたユーティリティとは、あなたがそれをクリックする可能性がどれだけあるかということである。

2.目標ベースのエージェント

ゴールベースのAIエージェントは、ご想像の通り、人工知能を使って特定のゴールを達成するように設計されている。

このような合理的なエージェントは、ただ刺激に反応するのではなく、自分の行動の将来の結果を考慮することができるため、目標に到達するために戦略的な決定を下すことができる。

条件行動ルールに基づいて刺激に直接反応する単純な反射型エージェントとは異なり、目標ベースのエージェントは、目標を達成するために行動を評価し、計画する。

インテリジェント・エージェントが他のタイプのインテリジェント・エージェントと一線を画すのは、先見の明と戦略的なプランニングを組み合わせ、特定の結果に向かってナビゲートする能力である。

ルンバ

ロボット掃除機--愛されているルンバのような--は、アクセス可能なすべての床スペースを掃除するという特定の目標を持って設計されている。この目標に基づいたエージェントは、シンプルな目標を持ち、それをうまくこなす。

このゴールに基づいたエージェントが下すすべての決断（いつ回転するかなど）は、この高いゴールを追求するために下される。彼らの上に座っている猫たちは、おまけに過ぎない。

プロジェクト管理ソフトウェア

ユーティリティベースのエージェントを使うこともあるが、プロジェクト管理ソフトは通常、特定のプロジェクト目的を達成することに重点を置いている。

これらのAIエージェントは、チームが期限内にプロジェクトを完了できるよう、タスクのスケジューリングやリソースの割り当てを行うことが多い。エージェントは、成功の可能性が最も高いコースを評価し、チームに代わってそれを実行する。

ビデオゲームAI

ストラテジーゲームやロールプレイングゲームでは、AIキャラクターはゴールベースのエージェントとして機能する。

おめかししたAIエージェントたちは、目標を達成するために、さまざまな戦略やリソース（どの攻撃を使うか、どのパワーアップを燃やすか）を考える。

3.モデルベース反射エージェント

常に目に見えるわけでも、予測できるわけでもない情報に適応する必要がある場合、モデルベースのリフレックス・エージェントは使用すべきツールである。

現在の知覚のみに基づいて反応する単純な反射エージェントとは異なり、モデルベースの反射エージェントは、部分的に観測可能な環境を予測できる内部状態を維持する。これは、職務に関連する世界の一部分の内部モデルである。

このモデルは環境から入ってくるデータによって常に更新されるため、AIエージェントは環境の見えない部分について推論し、将来の状況を予測することができる。

彼らは決断を下す前に、行動の潜在的な結果を評価し、複雑な状況にも対応できる。これは、市街地で車を運転したり、自動化されたスマートホームシステムを管理したりするような複雑なタスクをこなすときに特に役立つ。

モデルベースの反射エージェントは、過去の知識とリアルタイムのデータを組み合わせることができるため、どのようなタスクであってもパフォーマンスを最適化することができる。人間のように、状況が予測できない場合でも、文脈を考慮した意思決定を行うことができる。

自律走行車

これらの車は複数のタイプのインテリジェント・エージェントにまたがっているが、モデルベースの反射エージェントの良い例だ。

交通や歩行者の動きのような複雑なシステムは、まさにモデルベースの反射エージェントのために設計された課題である。

その内部モデルは、他の車が赤信号を無視しているときにブレーキをかけたり、前方の車が同じことをしているときに急減速したりといった、道路上でのリアルタイムの判断に使用される。彼らの内部システムは、他の車、横断歩道での活動、天候などの環境入力に基づいて常に更新されている。

ホームオートメーションシステム

ここでいう内部モデルとは、家庭環境のことである。これらのシステムは、センサーからのデータで常に更新され、この情報を使って判断を下す。

サーモスタットは温度の変化を検知し、必要に応じて設定する。あるいは、照明システムは屋外の暗さを検知し、それに応じて調整する。この暗さは、夜間であったり、予期せぬ雷雨であったりするため、その違いを予測し、反応するインテリジェント・エージェントが必要となる。

4.学習エージェント

学習型エージェントは、その経験に基づいて適応し、時間の経過とともに改善する能力が際立っている。

あらかじめプログラムされたルールやモデルのみで動作する静的なAIエージェントとは異なり、学習エージェントはその行動や戦略を進化させることができる。このような学習要素があるため、学習エージェントは変化する環境で使用されることが多い。

不正行為の検出

詐欺検知システムは、継続的にデータを収集し、より効果的に詐欺のパターンを認識できるように調整することで作動します。詐欺師は常に手口を変えているため、詐欺検知エージェントも適応し続ける必要がある。

コンテンツ推薦

ネットフリックスやアマゾンのようなプラットフォームは、映画や番組、商品のレコメンデーションを改善するために、学習エージェントを備えたシステムを使用している。

プロフィールにホラーやスリラー映画が好きと書いてあっても、突然ロマンス映画に切り替えたら、お勧めの映画もそれに合わせる。私たちと同じように、常に学習しているのだ。

音声認識ソフトウェア

グーグル・アシスタントやSiriのようなアプリケーションは、学習エージェントを利用することで、酸っぱくて文字化けしたような話しかけ方をよりよく理解できるようになる。

学習エージェントのおかげで、これらのシステムはアクセントやスラングを理解するのに長けている。小腹が空いたんです！"

適応サーモスタット

ネストのようなスマート・サーモスタットも、ユーザーの行動から学習する。例えば、ユーザーが家にいることが多い時間帯や留守がちな時間帯、好みの温度などだ。

この情報は常に変化している可能性があるため、サーモスタットは時間とともに適応できなければならない。

5.階層エージェント

階層型エージェントが他のタイプのAIエージェントと異なるのは、その構造化された多層的な問題へのアプローチによるところが大きい。

階層型エージェントは、意思決定のレベルが異なる複雑な組織構造に似ている。システム内の異なるエージェントは、異なる専門分野を持ち、複雑で多段階のタスクをより効率的に処理することができる。

階層型エージェントは、複数の小さなAIエージェントから構成されるため、AIエージェントを配置するための、より複雑な方法の一つである。

文章にすると階層的エージェント構造とは、システムの異なるレベルにまたがる意思決定のプロセスを構造化したものである。

AIエージェントの導入？

AIエージェント導入の青写真を読む

今すぐ読む

製造ロボット

先進的な製造システムでは、階層的なエージェントが生産ラインを指揮する。

高レベルのエージェントは、システム全体のタスクを計画し、割り当て、低レベルのエージェントは、組み立てタスクのためのロボットアームのような特定の機械を制御する。

それぞれが他のチームと連絡を取り合い、スムーズな生産の流れを確保する。

航空管制システム

これらのシステムは、航空交通の安全で効率的な流れを管理するために、階層型エージェントを使用している。このタスクは複数の機能にまたがる複雑なものであるため、適切な実行には階層型エージェントシステムが必要である。

上位のエージェントは広域の交通管理を担当し、下位のエージェントは個々の空港での離着陸やタキシングといった特定のタスクに集中する。

自律型倉庫ロボット

階層型エージェントは、機械学習によって強化された倉庫の在庫と荷物の取り扱いを管理するものである。

上位のエージェントは倉庫のレイアウトと在庫配分を最適化し、下位のエージェントは個々のロボットフォークリフトやソーターを操作して、商品の移動や整理といった物理的な作業を実行する。

6.ロボットエージェント

私たちが知的エージェントを思い浮かべるとき、まさにロボット・エージェントを思い浮かべるだろう。

パフォーマンスという要素が加わったロボットエージェントは、人工知能エージェントの申し子である。これらのインテリジェント・エージェントは、単にソフトウェア・エージェントとして存在するのではなく、物理的な環境の中で動作する。

このような物理的なAIエージェントは通常、カメラやタッチセンサーなどのセンサーを備えている。この種のAIエージェントは、危険な作業や非常に反復的な作業において特に有用である。これらの作業を人工知能エージェントに代行させる方が、効率的で費用対効果が高い場合がある。

このタイプのAIエージェントは、他のタイプの人工知能と組み合わされ、マルチエージェントシステムや階層システムの中で、物理的にユーティリティタスクやゴールタスクを実行することができる。

組立ラインロボット

組立ラインにはたくさんのロボットがいる。これらのAIエージェントは、溶接、塗装、部品の組み立てなどの作業を高精度かつ高速で行う。

彼らはインテリジェントなエージェントなので、一定のパフォーマンス基準を維持しながら生産時間を最適化することができる。

手術用ロボット

手術は大きな賭けであると同時に精密であり、AIエージェントに最適である。

ダ・ヴィンチ外科システムのようなロボット・エージェントは、外科医が正確で低侵襲な手術を行う際に補助を行う。これらのAIエージェントは自律的に手術を行うわけではないが、外科医の能力を拡張する。

農業用ロボット

ロボットは、種まきから収穫、圃場状況の監視まで、農業サイクルの中で一般的に使用されている。

こうしたAIエージェントは生産性の向上に役立つ。なぜなら、1万個のニンジンの種を植えるのは、人間にやらせるよりも機械の方が簡単だからだ。

サービスロボット

最も有名なサービスロボット、そう、ウォーリーだ。次点は、食べ放題の寿司を無限に注文して直接テーブルに運んでくれるレストランのロボットだ。

ロボット掃除機、ホテルでの宿泊客への情報提供、あらゆる施設での顧客への商品配達など、私たちはあらゆるところでサービスロボットを利用している。

7.バーチャルアシスタント

バーチャル・アシスタントは、自然言語処理と人工知能を搭載しており、おそらく一般の人々にとって最も身近なAIエージェントの例だろう。

これらのインテリジェントなパーソナル・アシスタントは、（自然言語処理によって）人間の言葉を理解・処理し、リマインダーの設定や電子メールの管理などのタスクを実行する。

この種のAIエージェントには学習要素も含まれている。ユーザーのインタラクションから学習することができ、時間の経過とともによりパーソナライズされ、効果的になる。

シリ

最初に主流となったバーチャルアシスタントのひとつであるSiriは、iPhone、iPad、Mac、Apple Watchなど、ほとんどのアップル製デバイスに組み込まれている。

Siriは、電話をかけたり、テキストを送ったり、リマインダーを設定したり、道案内をしたり、一般常識の質問に答えたりなど、さまざまなタスクをサポートしてくれる。

アレクサ

アマゾン・エコーやその他のアレクサ対応製品で利用できるこのバーチャル・アシスタントは、音楽を再生し、スマートホーム機器を操作し、買い物リストを作成し、最新ニュースを提供する。そして、人間のために「アレクサ」という名前を台無しにした。

グーグル・アシスタント

アンドロイド携帯やグーグルホームでおなじみのエージェントプログラムだ。Googleアシスタントは、ウェブからの情報取得、イベントのスケジュール管理、スマートホーム製品の管理、リアルタイムの翻訳を得意とする。

グーグルのサービスと深く統合されているため、マップ、YouTube、検索機能などのタスクで特に威力を発揮する。

8.マルチエージェントシステム

マルチエージェントシステムの素晴らしさは、その多様性と相互作用の豊かさにある。

これらのシステム内のエージェントは、データをフィルタリングする単純なソフトウェア・エージェントから、スマートグリッドや交通網の重要な機能を管理する複雑なエンティティまで、非常に多様であることが多い。

各エージェントは半自律的に動作するが、他のエージェントと相互作用するように設計されており、個々の行動から集団行動が生まれるダイナミックなエコシステムを形成する。この種のエージェント・プログラムでは、コラボレーションが鍵となる。

交通管理システム

このようなインテリジェント・エージェントは交通管理で見かけることができ、複数のエージェントがさまざまな交通信号、監視カメラ、情報システムを代表している。

これらのAIエージェントは、交通の流れを最適化し、渋滞を緩和し、事故や道路工事などのリアルタイムの状況に対応するために協力する。各エージェントはその地域のデータを処理し、他のエージェントと通信して交通信号を適宜調整する。

エネルギー管理のためのスマートグリッド

また、スマートグリッドには多数のAIエージェントが関わっており、それぞれが発電所から各家庭のスマートメーターまで、配電のさまざまな側面をコントロールしている。

これらのAIエージェントは、効率的にエネルギー需給のバランスをとり、再生可能エネルギー源を統合し、グリッドの安定性を維持するために協働する。

マルチエージェントシステムの調整により、ネットワーク全体の最適なエネルギー配分とコスト効率が保証される。

サプライチェーンとロジスティクス

サプライチェーンマネジメントにおいて、エージェントはサプライヤー、メーカー、流通業者、小売業者など様々な利害関係者を代表する。これらのエージェントは、調達から配送までのサプライチェーンプロセスを最適化し、効率を確保し、コストを削減するために調整する。

自律型群ロボット工学

探査や救助の任務では、ロボットの群れが投入されることがある。

各ロボットエージェントは半独立的に動作するが、他のAIエージェントと協調して、より広いエリアをカバーしたり、感覚データを共有したり、共同で物体を移動させたりする。

これは、崩壊した建物や惑星表面など、困難な環境において特に有用である。大規模なAIシステム間のチームワークは、個々のAIエージェントよりもはるかに多くのことを達成することができる。

9.単純反射剤

単純な反射型エージェントは、子馬の一番下っ端である。知能は非常に低く、直接的な条件行動ルールで動く。

これらのルールベースのエージェントは、複雑なタスクには向いていない。しかし、設計された特定のタスクに関しては完璧にこなします。

単純反射型エージェントは、予測可能な環境での単純作業に適している。この種のエージェントの行動は周囲の世界に影響を与えるが、それは特定のタスクにおいてのみである。

サーモスタット

冬の午後6時？暖房を強めましょう。夏の正午？この単純な反射エージェントは、その限られた知能で、エアコンをつけるだろう。

自動ドア

その知能は低いが、自動ドアはしばしば単純な反射エージェントの例である。このAIエージェントは、ドアの前に人間がいることを感知し、ドアを開ける。美しくシンプルだ。

煙探知機

このAIエージェントはキッチンの天井から操作する。そう、これも単純な反射エージェントだ。煙を感知してアラームを鳴らす。

基本的なスパムフィルター

人工知能のエージェントの中には、何年も前から私たちを日々助けてくれているものがある。電子メールのスパムフィルターもそのひとつだ。基本バージョンでは自然言語処理は使わず、キーワードや送信者の評判を利用する。

独自のAIエージェントを構築する

AIエージェントには多くの種類があり、作るのが難しいものもある。

しかし、もしあなたがエージェント型チャットボット（メールの送信や会議の予約など、日常的なシステムにアクションを起こすことができる）を構築したいと考えているのであれば、私たちがお手伝いします。

私たちのプラットフォームは、初心者のための簡単なドラッグ＆ドロップのインターフェイスと、プロの開発者のための無限の拡張性を持っています。

20,000人以上のボットビルダーが参加するアクティブなコミュニティもあります。

今日から始めよう。無料です。