36 Contoh Nyata Ejen AI

Walaupun ejen AI sering menjadi tajuk utama teknologi di seluruh dunia, contoh sebenar ejen AI dalam kehidupan seharian tidak selalu jelas.

Dalam artikel ini, saya akan membawa anda melalui jenis-jenis agen AI beserta contoh setiap satunya.

Namun perlu diingat: walaupun ia dibahagikan mengikut jenis, kebanyakan sistem AI canggih adalah gabungan pelbagai jenis agen AI.

Sebagai contoh, dalam pengurusan rantaian bekalan AI, mereka akan menggunakan beberapa jenis agen untuk mengoptimumkan logistik, pengurusan inventori, penyimpanan, dan penghantaran. Begitu juga dengan kereta pandu sendiri – menggabungkan agen berasaskan utiliti, agen berasaskan matlamat, agen refleks berasaskan model, dan agen pembelajaran untuk memudahkan proses yang kompleks.

‍

Tetapi untuk memahami prinsip asas, mari kita lihat apa yang setiap jenis agen AI ini direka untuk capai, beserta beberapa contoh bagaimana ia sudah digunakan dalam dunia sebenar.

Walaupun anda tidak memiliki kereta pandu sendiri atau bekerja di gudang yang dipertingkatkan AI, anda mungkin pernah berinteraksi dengan bot perusahaan agen seperti:

• Agen AI e-dagang yang membuat pesanan, memberikan kemas kini penghantaran, dan memberi cadangan produk yang diperibadikan kepada pengguna.
• Chatbot sokongan pelanggan yang menjawab soalan lazim, memproses pemulangan wang, dan menyelesaikan masalah teknikal (seperti contoh ini daripada Ruby Labs).
• Agen penjanaan prospek yang berbual, menilai prospek, dan menempah mesyuarat (seperti contoh ini daripada Waiver Consulting Group).
• Chatbot jualan dan fungsi pemasaran, seperti penjanaan prospek AI atau cara lain menggunakan AI dalam jualan.

Namun, bukan semua agen AI dibina oleh pakar teknikal. Sebenarnya, dengan platform pembinaan AI yang lebih baru, anda boleh mereka bentuk dan melancarkan agen AI tersuai anda sendiri dengan mudah.

Jika anda berminat untuk membina agen AI anda sendiri, anda boleh lakukannya hari ini dengan tutorial membina agen AI kami.

Sekarang, mari kita terokai 9 jenis agen AI dan 36 contoh sebenar penggunaannya.

1. Ejen Berasaskan Utiliti

Berbeza dengan ejen mudah yang hanya bertindak balas kepada rangsangan persekitaran, ejen berasaskan utiliti menilai tindakan mereka berdasarkan utiliti yang dijangka. Mereka akan meramalkan sejauh mana sesuatu pilihan itu berguna atau bermanfaat untuk mencapai matlamat yang ditetapkan.

Ejen berasaskan utiliti sangat baik dalam persekitaran membuat keputusan yang kompleks dengan pelbagai kemungkinan hasil – seperti mengimbangi risiko untuk membuat keputusan pelaburan, atau menimbang kesan sampingan pilihan rawatan.

Fungsi utiliti bagi ejen pintar ini ialah perwakilan matematik keutamaan mereka. Fungsi utiliti ini memetakan dunia sekelilingnya, menentukan dan menyusun pilihan yang paling diutamakan. Kemudian ejen utiliti boleh memilih tindakan yang paling optimum.

Oleh kerana mereka boleh memproses sejumlah besar data, mereka berguna dalam mana-mana bidang yang melibatkan keputusan berisiko tinggi.

Perdagangan Kewangan

Ejen berasaskan utiliti sangat sesuai untuk pasaran saham dan mata wang kripto – mereka boleh membeli atau menjual berdasarkan algoritma yang bertujuan memaksimumkan pulangan kewangan atau meminimumkan kerugian. Fungsi utiliti jenis ini mengambil kira data sejarah dan data pasaran masa nyata.

Sistem Penetapan Harga Dinamik

Pernahkah anda membayar lebih untuk Uber atau Lyft ketika hujan? Itulah contoh ejen berasaskan utiliti – mereka boleh melaraskan harga secara masa nyata untuk penerbangan, hotel, atau perkhidmatan perkongsian kenderaan, bergantung pada permintaan, persaingan, atau masa tempahan.

Pengawal Grid Pintar

Jenis ejen pintar ini ialah 'pintar' dalam grid pintar: ejen berasaskan utiliti yang mengawal pengagihan dan penyimpanan elektrik.

Mereka mengoptimumkan penggunaan sumber berdasarkan ramalan permintaan dan harga tenaga untuk meningkatkan kecekapan dan mengurangkan kos.

Cadangan Kandungan Diperibadikan

Anda habis menonton satu filem dan Netflix mencadangkan 3 lagi yang serupa.

Perkhidmatan penstriman seperti Netflix dan Spotify menggunakan ejen berasaskan utiliti untuk mencadangkan kandungan serupa kepada pengguna. Utiliti yang dioptimumkan di sini ialah sejauh mana kemungkinan anda akan mengklik pada cadangan itu.

2. Ejen Berasaskan Matlamat

Ejen AI berasaskan matlamat – seperti namanya – direka untuk mencapai matlamat tertentu dengan kecerdasan buatan.

Daripada hanya bertindak balas kepada rangsangan, ejen rasional ini mampu mempertimbangkan akibat masa depan daripada tindakan mereka, supaya mereka boleh membuat keputusan strategik untuk mencapai matlamat.

Berbeza dengan ejen refleks mudah yang bertindak balas terus kepada rangsangan berdasarkan peraturan syarat-tindakan, ejen berasaskan matlamat menilai dan merancang tindakan untuk mencapai matlamat mereka.

Apa yang membezakan mereka daripada jenis ejen pintar lain ialah keupayaan untuk menggabungkan jangkaan dan perancangan strategik untuk menuju ke hasil tertentu.

Roomba

Penyedut hampagas robotik – seperti Roomba yang terkenal – direka dengan satu matlamat khusus: membersihkan semua ruang lantai yang boleh dicapai. Ejen berasaskan matlamat ini mempunyai matlamat mudah, dan ia melakukannya dengan baik.

Semua keputusan yang dibuat oleh ejen berasaskan matlamat ini (seperti bila untuk berpusing) dibuat demi mencapai matlamat utamanya. Kucing yang duduk di atasnya hanyalah bonus.

Perisian Pengurusan Projek

Walaupun ia juga mungkin menggunakan ejen berasaskan utiliti, perisian pengurusan projek biasanya memfokuskan pada mencapai objektif projek tertentu.

Ejen AI ini selalunya akan menjadualkan tugasan dan mengagihkan sumber supaya pasukan dioptimumkan untuk menyiapkan projek tepat pada masanya. Ejen ini menilai laluan kejayaan yang paling mungkin dan bertindak bagi pihak pasukan.

AI Permainan Video

Dalam permainan strategi dan permainan peranan, watak AI bertindak sebagai ejen berasaskan matlamat – objektif mereka mungkin merangkumi mempertahankan lokasi atau menewaskan lawan.

Ejen AI ini mempertimbangkan pelbagai strategi dan sumber – serangan mana yang hendak digunakan, kuasa tambahan mana yang hendak digunakan – supaya mereka boleh mencapai matlamat mereka.

3. Ejen Refleks Berasaskan Model

Apabila anda perlu menyesuaikan diri dengan maklumat yang tidak sentiasa kelihatan atau boleh diramal, ejen refleks berasaskan model ialah alat yang sesuai.

Berbeza dengan ejen refleks mudah yang bertindak balas hanya berdasarkan persepsi semasa, ejen refleks berasaskan model mengekalkan keadaan dalaman yang membolehkan mereka meramal persekitaran yang sebahagiannya boleh diperhati. Ini ialah model dalaman bahagian dunia yang berkaitan dengan tugas mereka.

Model ini sentiasa dikemas kini dengan data baharu dari persekitaran mereka, supaya ejen AI boleh membuat inferens tentang bahagian persekitaran yang tidak kelihatan dan menjangka keadaan masa depan.

Mereka menilai kemungkinan hasil tindakan sebelum membuat keputusan, membolehkan mereka menangani komplikasi. Ini amat berguna untuk tugasan kompleks, seperti memandu kereta di bandar, atau mengurus sistem rumah pintar automatik.

Disebabkan keupayaan mereka untuk menggabungkan pengetahuan lampau dan data masa nyata, ejen refleks berasaskan model boleh mengoptimumkan prestasi mereka, tidak kira apa tugasnya. Seperti manusia, mereka boleh membuat keputusan yang mengambil kira konteks, walaupun dalam keadaan yang tidak dapat dijangka.

Kenderaan Autonomi

Walaupun kereta ini merangkumi pelbagai jenis ejen pintar, ia adalah contoh yang baik bagi ejen refleks berasaskan model.

Sistem kompleks seperti pergerakan trafik dan pejalan kaki adalah cabaran tepat yang direka untuk ejen refleks berasaskan model.

Model dalaman mereka digunakan untuk membuat keputusan masa nyata di jalan raya, seperti membrek apabila kereta lain melanggar lampu merah, atau memperlahankan kenderaan dengan cepat apabila kereta di hadapan melakukan perkara yang sama. Sistem dalaman mereka sentiasa dikemas kini berdasarkan input persekitaran: kereta lain, aktiviti di lintasan pejalan kaki, cuaca.

Sistem pengairan moden

Ejen refleks berasaskan model adalah tunjang utama di sebalik sistem pengairan moden. Keupayaan mereka untuk bertindak balas terhadap maklum balas persekitaran yang tidak dijangka sangat sesuai untuk keadaan cuaca dan tahap kelembapan tanah.

Model dalaman ejen AI ini mewakili dan meramalkan pelbagai faktor persekitaran, seperti tahap kelembapan tanah, keadaan cuaca, dan keperluan air tanaman.

Ejen ini sentiasa mengumpul data daripada sensor di ladang mereka, termasuk maklumat masa nyata tentang kelembapan, suhu, dan hujan.

Dengan menganalisis data ini, ejen refleks berasaskan model boleh membuat keputusan yang tepat tentang bila perlu menyiram, berapa banyak air yang perlu digunakan, dan zon mana di ladang yang memerlukan perhatian lebih. Keupayaan ramalan ini membolehkan sistem pengairan mengoptimumkan penggunaan air, memastikan tanaman mendapat apa yang diperlukan untuk tumbuh subur (tanpa pembaziran air).

Sistem automasi rumah

Model dalaman di sini ialah persekitaran rumah – sistem ini sentiasa dikemas kini dengan data daripada sensor, dan menggunakan maklumat ini untuk membuat keputusan.

Termostat akan mengesan perubahan suhu dan melaraskan seperti yang diperlukan. Atau sistem lampu mungkin mengesan keadaan gelap di luar dan menyesuaikan secara automatik – kerana kegelapan ini mungkin berpunca daripada waktu malam, atau ribut petir yang tidak dijangka, ia memerlukan ejen pintar untuk menjangka dan bertindak balas terhadap perbezaan.

4. Ejen Pembelajaran

Ejen pembelajaran menonjol kerana keupayaan mereka untuk menyesuaikan diri dan bertambah baik dari masa ke masa berdasarkan pengalaman mereka.

Tidak seperti ejen AI yang lebih statik yang hanya beroperasi berdasarkan peraturan atau model yang telah diprogramkan, ejen pembelajaran boleh mengubah tingkah laku dan strateginya. Disebabkan unsur pembelajaran ini, mereka paling kerap digunakan dalam persekitaran yang sentiasa berubah.

Pengesanan Penipuan

Sistem pengesanan penipuan berfungsi dengan sentiasa mengumpul data dan kemudian menyesuaikan diri untuk mengenal pasti corak penipuan dengan lebih berkesan. Oleh kerana penipu sentiasa menukar taktik, ejen pengesanan penipuan juga perlu sentiasa menyesuaikan diri.

Cadangan Kandungan

Platform seperti Netflix dan Amazon menggunakan sistem yang dilengkapi dengan ejen pembelajaran untuk memperbaiki cadangan filem, rancangan, dan produk mereka.

Walaupun profil anda menunjukkan anda suka filem seram dan thriller, jika anda tiba-tiba mula menonton filem romantik-komedi, cadangan anda akan berubah. Sama seperti kita, ia sentiasa belajar.

Perisian Pengecaman Suara

Aplikasi seperti Google Assistant dan Siri menggunakan ejen pembelajaran untuk lebih memahami percubaan kita yang tidak jelas atau kurang tepat ketika bercakap dengan mereka.

Terima kasih kepada ejen pembelajaran, sistem ini semakin baik dalam memahami loghat dan bahasa pasar – jadi kita boleh tanya Siri soalan seperti, “Och, Siri, boleh cari kedai makan terdekat? Saya lapar sangat!”

Termostat Adaptif

Termostat pintar – seperti Nest – juga belajar daripada tingkah laku pengguna, seperti bila pengguna biasanya berada di rumah atau keluar, dan suhu kegemaran mereka.

Maklumat ini mungkin sentiasa berubah, jadi termostat mesti mampu menyesuaikan diri dari masa ke masa – sebab itulah ia juga merupakan contoh ejen pembelajaran.

5. Ejen Hierarki

Ejen hierarki berbeza daripada jenis ejen AI lain terutamanya kerana pendekatan berstruktur dan berlapis-lapis terhadap masalah.

Ejen hierarki serupa dengan struktur organisasi yang kompleks, dengan pelbagai peringkat dalam membuat keputusan. Ejen yang berbeza dalam sistem ini akan mempunyai bidang kepakaran yang berbeza, menjadikan mereka lebih cekap dalam mengendalikan tugas yang kompleks dan berbilang langkah.

Ejen hierarki adalah antara cara paling kompleks untuk menggunakan ejen AI, kerana ia terdiri daripada beberapa ejen AI yang lebih kecil.

Ringkasnya: Struktur ejen hierarki adalah mengenai proses membuat keputusan yang berstruktur di pelbagai peringkat dalam satu sistem.

Robot Pembuatan

Dalam sistem pembuatan canggih, ejen hierarki menyelaras barisan pengeluaran.

Ejen peringkat tinggi merancang dan mengagihkan tugas di seluruh sistem, manakala ejen peringkat rendah mengawal mesin tertentu seperti lengan robotik untuk tugas pemasangan.

Setiap satu boleh berkomunikasi antara satu sama lain untuk memastikan aliran pengeluaran berjalan lancar – inilah contoh pembuatan keputusan berbilang peringkat.

Sistem Kawalan Trafik Udara

Sistem ini menggunakan ejen hierarki untuk mengurus aliran trafik udara dengan selamat dan cekap. Oleh kerana tugas ini sangat kompleks dan melibatkan pelbagai fungsi, sistem ejen hierarki diperlukan untuk pelaksanaan yang betul.

Ejen peringkat tinggi mengurus kawalan trafik serantau yang lebih luas, manakala ejen peringkat rendah memberi tumpuan kepada tugas khusus seperti berlepas, mendarat, dan pergerakan di lapangan terbang individu.

Robot Gudang Autonomi

Ejen hierarki mengurus inventori dan pengendalian bungkusan di gudang yang dipertingkatkan dengan pembelajaran mesin.

Ejen peringkat tinggi mengoptimumkan susun atur gudang dan pengagihan inventori, manakala ejen peringkat rendah mengendalikan forklift robotik dan mesin penyusun untuk melaksanakan tugas fizikal memindahkan dan menyusun barang.

6. Ejen Robotik

Inilah gambaran yang sering terlintas apabila kita membayangkan ejen pintar: ejen robotik.

Dengan elemen prestasi tambahan, ejen robotik adalah lambang utama ejen kecerdasan buatan. Ejen pintar ini beroperasi dalam persekitaran fizikal, bukan sekadar wujud sebagai ejen perisian.

Ejen AI ini sangat berguna untuk tugas yang berbahaya atau sangat berulang – adalah lebih cekap dan menjimatkan kos jika ejen kecerdasan buatan melaksanakan tugas-tugas ini.

Jenis ejen AI ini digabungkan dengan jenis kecerdasan buatan lain, supaya ia boleh melaksanakan tugas utiliti atau tugas matlamat secara fizikal, kadang-kadang dalam sistem berbilang ejen atau sistem hierarki.

Robot Barisan Pengeluaran

Terdapat banyak robot di barisan pengeluaran. Ejen AI ini melaksanakan tugas seperti mengimpal, mengecat, dan memasang komponen, semuanya dengan ketepatan dan kelajuan tinggi.

Oleh kerana mereka adalah ejen pintar, mereka boleh mengoptimumkan masa pengeluaran sambil mengekalkan piawaian prestasi yang tetap.

Robot Pembedahan

Pembedahan adalah tugas yang berisiko tinggi dan memerlukan ketepatan, menjadikannya sesuai untuk ejen AI.

Ejen robotik seperti Sistem Pembedahan da Vinci membantu pakar bedah semasa menjalankan prosedur yang tepat dan invasif minimum. Ejen AI ini tidak melakukan pembedahan secara autonomi, tetapi memperluas keupayaan pakar bedah.

Robot Pertanian

Robot sering digunakan dalam kitaran pertanian, dari menanam benih, menuai hasil, hingga memantau keadaan ladang.

Ejen AI ini membantu meningkatkan produktiviti, kerana lebih mudah bagi mesin untuk menanam 10,000 biji lobak merah berbanding manusia.

Robot Perkhidmatan

Robot perkhidmatan paling terkenal – betul, WALL-E. Tempat kedua ialah robot restoran yang menghantar pesanan sushi tanpa henti terus ke meja anda.

Kami menggunakan robot perkhidmatan di mana-mana: robot vakum, memberikan maklumat kepada tetamu di hotel, dan menghantar barangan kepada pelanggan di pelbagai jenis premis.

7. Pembantu Maya

Pembantu maya dikuasakan oleh pemprosesan bahasa semula jadi dan kecerdasan buatan – dan mungkin merupakan contoh ejen AI yang paling biasa kepada orang ramai.

Pembantu peribadi pintar ini memahami dan memproses bahasa manusia (dengan pemprosesan bahasa semula jadi) untuk melaksanakan tugasan seperti menetapkan peringatan dan mengurus emel.

Jenis ejen AI ini juga mempunyai elemen pembelajaran: mereka boleh belajar daripada interaksi pengguna, dan menjadi lebih diperibadikan serta berkesan dari masa ke masa.

Siri

Salah satu pembantu maya arus perdana yang terawal, Siri disepadukan ke dalam kebanyakan peranti Apple, termasuk iPhone, iPad, Mac, dan Apple Watch.

Siri membantu dengan pelbagai tugasan seperti membuat panggilan, menghantar mesej, menetapkan peringatan, memberikan arah, dan menjawab soalan pengetahuan am.

Alexa

Tersedia pada peranti Amazon Echo dan produk lain yang menyokong Alexa, pembantu maya ini memainkan muzik, mengawal peranti rumah pintar, membuat senarai belian, dan memberikan kemas kini berita. Dan telah merosakkan nama ‘Alexa’ untuk manusia.

Google Assistant

Anda kenal program ejen ini dari telefon Android dan peranti Google Home. Google Assistant cemerlang dalam mendapatkan maklumat dari web, menjadualkan acara, mengurus produk rumah pintar, dan membantu terjemahan masa nyata.

Integrasi mendalam dengan perkhidmatan Google menjadikannya sangat berkuasa untuk tugasan yang melibatkan peta, YouTube, dan fungsi carian.

8. Sistem Berbilang Ejen

Keindahan sistem berbilang ejen terletak pada kepelbagaian dan kekayaan interaksi mereka.

Ejen dalam sistem ini sangat pelbagai, daripada ejen perisian ringkas yang menapis data hingga entiti kompleks yang mengurus fungsi kritikal dalam grid pintar atau rangkaian pengangkutan.

Setiap ejen beroperasi secara separa autonomi tetapi direka untuk berinteraksi dengan ejen lain, membentuk ekosistem dinamik di mana tingkah laku kolektif muncul daripada tindakan individu. Untuk jenis program ejen ini, kerjasama adalah kunci.

Sistem Pengurusan Trafik

Anda boleh menemui ejen pintar ini dalam pengurusan trafik, di mana pelbagai ejen mewakili lampu isyarat, kamera pengawasan, dan sistem maklumat yang berbeza.

Ejen AI ini bekerjasama untuk mengoptimumkan aliran trafik, mengurangkan kesesakan, dan bertindak balas terhadap keadaan semasa seperti kemalangan atau kerja jalan. Setiap ejen mengendalikan data dari kawasan masing-masing dan berkomunikasi dengan ejen lain untuk melaraskan lampu isyarat – jadi kerja berpasukan sangat penting.

Grid Pintar untuk Pengurusan Tenaga

Grid pintar juga melibatkan banyak ejen AI, setiap satu mengawal aspek berbeza pengagihan elektrik, dari stesen penjanaan hingga meter pintar di rumah.

Ejen AI ini bekerjasama untuk mengimbangi bekalan dan permintaan tenaga dengan cekap, mengintegrasikan sumber tenaga boleh diperbaharui, dan mengekalkan kestabilan grid.

Penyelarasan sistem berbilang ejen memastikan pengagihan tenaga yang optimum dan kecekapan kos di seluruh rangkaian.

Rantaian Bekalan dan Logistik

Dalam pengurusan rantaian bekalan, ejen mewakili pelbagai pihak berkepentingan seperti pembekal, pengilang, pengedar, dan peruncit. Ejen-ejen ini bekerjasama untuk mengoptimumkan proses rantaian bekalan, dari pemerolehan hingga penghantaran, memastikan kecekapan dan mengurangkan kos.

Robotik Swarm Autonomi

Kadang-kadang semasa misi penerokaan atau penyelamatan, kumpulan robot dihantar.

Setiap ejen robotik beroperasi secara separa bebas tetapi berkoordinasi dengan ejen AI lain untuk meliputi kawasan lebih luas, berkongsi data sensor, atau menggerakkan objek secara bersama.

Ini sangat berguna dalam persekitaran mencabar – seperti bangunan runtuh atau permukaan planet – di mana kerja berpasukan dalam sistem AI besar boleh mencapai lebih banyak daripada ejen AI individu.

9. Ejen Refleks Ringkas

Ejen refleks ringkas ialah yang paling asas. Ia mempunyai kecerdasan yang sangat terhad dan beroperasi berdasarkan peraturan keadaan-tindakan secara langsung.

Ejen berasaskan peraturan ini tidak sesuai untuk tugasan kompleks. Namun, mereka sangat cekap untuk tugasan khusus yang direka untuk mereka.

Ejen refleks ringkas sesuai untuk tugasan mudah dalam persekitaran yang boleh diramal. Tindakan ejen jenis ini mempengaruhi dunia sekelilingnya, tetapi hanya dalam tugasan tertentu.

Termostat

Jam 6 petang pada musim sejuk? Naikkan suhu. Jam 12 tengah hari pada musim panas? Ejen refleks ringkas ini, dengan kecerdasan terhad, akan menghidupkan penghawa dingin.

Pintu automatik

Walaupun tahap kecerdasannya rendah, pintu automatik sering menjadi contoh ejen refleks ringkas. Ejen AI ini mengesan manusia di hadapan pintu, dan pintu itu akan terbuka. Sangat mudah.

Pengesan asap

Ejen AI ini beroperasi dari siling dapur anda. Ya, ini juga ejen refleks ringkas. Ia mengesan asap, dan membunyikan penggera.

Penapis spam asas

Beberapa ejen dalam kecerdasan buatan telah membantu kita setiap hari selama bertahun-tahun. Penapis spam emel adalah salah satu daripadanya. Versi asas tidak menggunakan pemprosesan bahasa semula jadi, tetapi hanya kata kunci atau reputasi penghantar.

Bina ejen AI anda sendiri

Terdapat banyak jenis ejen AI, ada yang jauh lebih sukar untuk dibina berbanding yang lain.

Tetapi jika anda ingin membina chatbot berasaskan ejen – yang boleh mengambil tindakan dalam sistem harian anda, seperti menghantar emel dan menempah mesyuarat – kami boleh membantu anda.

Platform kami mempunyai antara muka seret dan lepas yang mudah untuk pemula, dan keupayaan lanjutan tanpa had untuk pembangun profesional.

Kami juga mempunyai komuniti aktif lebih 20,000 pembina bot, jika anda mahukan sokongan sepanjang proses.

Mula membina hari ini. Ia percuma.

Soalan Lazim

Adakah ejen AI mempunyai kesedaran?

Tidak, ejen AI tidak mempunyai kesedaran. Mereka mengikut program perisian yang menentukan matlamat mereka, walaupun mereka boleh bertindak secara autonomi untuk mencapai hasil.

Bagaimanakah proses membuat keputusan dan tindakan untuk ejen AI?

Jenis ejen AI yang berbeza akan memerhati persekitaran mereka dan bertindak dengan cara yang berbeza. Ada yang menggunakan data pemodelan, dan ada yang menggunakan sensor. Mereka mempunyai matlamat berbeza berdasarkan penaakulan yang diprogramkan.

Apakah itu ejen berasaskan model?

Ejen berasaskan model ialah satu lagi cara untuk merujuk kepada ejen refleks berasaskan model, iaitu jenis ejen AI yang menggabungkan data lepas dan input semasa untuk menentukan tindakan terbaik.