AIエージェントの主な7つのタイプ【例付き

1.単純反射剤

単純な反射エージェントは、環境からの現在の入力のみに基づいて意思決定を行うAIシステムである。

観察された入力を特定の反応に対応付けるために、条件行動ルールのセットを使用する。環境で特定の状態を検出すると、対応するルールを実行する。

そのため、完全に観測可能な環境においてのみ効果的に動作することができ、そこでは現在の入力のみに基づいてすべての決断を下すことができる。

単純反射剤の例

• 寒すぎると暖房が入るサーモスタット
• 壁にぶつかると回転するロボット（こんにちは、猫の乗ったルンバさん）
• ユーザーが "Hi "と言うと、"Hello!"と答える基本的なチャットボット。

‍

2.モデルベース反射エージェント

モデルベース反射エージェントは、現在の入力と世界の内部モデルの両方に基づいて意思決定を行うAIエージェントである。

単純な反射型エージェントとは異なり、このタイプは時間の経過とともに環境の状態を追跡し続ける。モデル（基本的には、世界がどのように機能するかについての記憶された情報）を使って、環境が完全に観測できないときのギャップを埋める。

新しい入力を受け取ると、内部状態を更新し、条件行動ルールを参照し、現在の知覚と以前の相互作用から得た知識の両方に基づいて最適な反応を選択する。

モデルベースの反射エージェントの例

• 部屋のレイアウトを記憶し、すでに掃除した場所を避けるロボット掃除機
• 過去のユーザー入力を追跡しながら会話を続けるLLM エージェント
• 見たものだけでなく、試合序盤から知っているものにも反応するゲームAI

‍

3.学習エージェント

学習エージェントとは、その経験から学習することで、時間とともにパフォーマンスを向上させるAIエージェントのことである。

学習要素、パフォーマンス要素、批評家、問題ジェネレーターである。

パフォーマンス要素は行動を選択し、学習要素はフィードバックに基づいて行動を調整する。批評家は事前に定義された基準を用いて行動の結果を評価し、問題生成器はより良い学習のために試すべき新しい行動を提案する。

この構造により、エージェントは変化に適応し、戦略を練り直し、不慣れな環境でも効果的に活動することができる。

学習エージェントの例

• 市場パフォーマンスに基づいて取引戦略を調整する暗号AIエージェント
• ユーザーの行動に基づいて商品を提案するレコメンデーション・エンジン
• 患者との対話から学習し、トリアージの精度を向上させる医療チャットボット

‍

4.ユーティリティ・ベースのエージェント

効用ベースのエージェントとは、どの結果が全体として最も高い価値、つまり "効用 "をもたらすと期待されるかに基づいて行動を選択するAIエージェントのことである。

単に目標達成を目指すのではなく、このエージェントはさまざまな可能性のある結果を評価し、あらかじめ定義された効用関数を最大化するものを選択する。

そのため、ゴールに到達する方法が複数ある場合や、トレードオフをしなければならない状況にも対応できる。選択肢を比較し、結果を予測し、好みや優先順位に基づいて結果をランク付けする能力が要求される。

5.階層エージェント

階層型エージェントとは、意思決定プロセスを複数の階層またはレベルに整理したAIエージェントのことで、上位の階層が抽象的な目標を扱い、下位の階層が具体的な行動を管理する。

このエージェントは、複雑なタスクを小さなサブタスクに分割し、各階層が異なる範囲の意思決定を担当する。

高レベルのレイヤーは長期的な戦略を計画し、低レベルのレイヤーは即時のセンサーデータとリアルタイムの応答を処理することができる。通信はレイヤー間を流れ、エージェントは幅広い目標と詳細な実行を調整することができる。

この構造により、複雑さを管理し、異なる時間枠や優先順位にまたがって行動を拡大することが容易になる。

階層型エージェントの例

• 製造業では、上位のエージェントが組立工程を計画し、下位のエージェントがロボットアームやタイミングを制御する
• スマート工場では、さまざまなレイヤーが生産スケジュール、機械の調整、物理的オペレーションを管理する。

‍

6.ゴールベースエージェント

ゴールベースエージェントとは、どの行動が特定のゴールを達成するのに役立つかを評価することによって意思決定を行うAIエージェントのことである。

エージェントには1つ以上のゴール（到達したい望ましい結果）が与えられる。エージェントは、探索または計画アルゴリズムを使用して、可能な行動シーケンスを探索し、その後、ゴールにつながる可能性が最も高いものを選択します。

反射的なエージェントとは異なり、ただ反応するだけでなく、将来の結果を考えてから行動する。そのため、ダイナミックな環境や不慣れな環境において、より柔軟で有能なエージェントとなる。

7.マルチエージェントシステム（MAS）

最後に、マルチエージェントシステムである。

マルチエージェントシステム（MAS）とは、相互作用する複数のAIエージェントから構成されるシステムであり、個々の、あるいは共有された目的を達成するために協働する（時には競争する）。

システム内の各エージェントは、独自の能力、目標、環境の認識を持って独立して動作する。

これらのエージェントは、メッセージによって直接的に、あるいは環境の変化を観察することによって間接的に、コミュニケーションと協調を行う。システム全体として、単一のエージェントが扱うには複雑すぎる問題や分散した問題を解決することができる。

マルチエージェントシステムは、設計と目標によって、協調型、競争型、あるいはその両方をミックスすることができる。

マルチ・エージェント・システムの例

• 交差点で協調して衝突を回避する自律走行車
• 財務ボットのセットは、AIワークフローの自動化を通じて、請求書発行、不正検出、および報告を管理します。
• 異なるエージェントが在庫、出荷、需要予測を管理するサプライチェーンシステム

カスタムAIエージェントの構築

カスタマイズされたAIエージェントを構築するのは難しいことではない。

Botpress 、ドラッグ＆ドロップのビジュアルフロービルダー、エンタープライズグレードのセキュリティ、豊富な教育ライブラリ、20,000人以上のボットビルダーからなる活発なDiscord コミュニティを提供しています。  

当社の拡張可能なプラットフォームは、どのようなカスタム統合でどのようなカスタムチャットボットでも構築できることを意味します。

今日から始めよう。無料です。