- Os agentes de IA são sistemas de software especializados que executam tarefas de forma autónoma, desde reacções simples, como abrir portas, até à tomada de decisões complexas, como gerir o tráfego ou as transacções financeiras.
- Os agentes reflexivos baseados em modelos mantêm um modelo interno do mundo para lidar com ambientes imprevisíveis, e os agentes de aprendizagem adaptam-se ao longo do tempo com base em novos dados e experiências.
- Os sistemas hierárquicos e multiagentes dividem as tarefas entre vários agentes ou camadas de IA, permitindo uma coordenação sofisticada em domínios como o fabrico, a logística e as cidades inteligentes.
- Os agentes robóticos e assistentes virtuais combinam acções físicas ou digitais com raciocínio de IA, permitindo aplicações que vão desde robôs cirúrgicos a assistentes de voz como a Alexa e a Siri.
Embora os agentes de IA tenham feito manchetes tecnológicas em todo o mundo, os exemplos reais de agentes de IA nem sempre são óbvios.
Neste artigo, apresento-lhe os tipos de agentes de IA com exemplos de cada um. Mas não se esqueça: apesar de estarem divididos por tipo, os sistemas de IA mais avançados são combinações de vários tipos de agentes de IA.
Por exemplo, os carros autónomos - ou veículos autónomos - envolvem agentes baseados em utilidade, agentes baseados em objectivos, agentes reflexivos baseados em modelos e agentes de aprendizagem. Trata-se de um processo complexo, pelo que requer muitas peças móveis.
E é a mesma premissa para os agentes de IA na gestão da cadeia de abastecimento. Utilizarão vários tipos de agentes para otimizar a logística, a gestão do inventário, o armazenamento e as entregas.
Mas para facilitar, vamos analisar o que cada tipo de IA agêntica foi concebido para realizar, com alguns exemplos de como já se manifesta no mundo real.
Por exemplo, os agentes de IA estão cada vez mais a funcionar como bots empresariais para tarefas que anteriormente eram impossíveis de automatizar. As plataformas flexíveis de construção de IA significam que os casos de utilização são infinitos.
- Os agentes de IA do comércio eletrónico são utilizados para fazer encomendas, acompanhar e fornecer actualizações sobre o envio, facilitar a pesquisa baseada em imagens, enviar acompanhamentos sobre o abandono do carrinho, fornecer análises de produtos de clientes anteriores e dar sugestões personalizadas de produtos aos utilizadores.
- A maioria dos agentes de IA criados em Botpress são utilizados para funções de vendas e marketing, como Geração de contactos com IA ou outro formas de utilizar a IA nas vendas.
- Estesagentes podem criar listas de contactos, enviar comunicações personalizadas e qualificar contactos (ainda melhor do que um humano). Eles podem criar estratégias e facilitar campanhas de marketing e executar análises sobre os concorrentes.
- Em Apoio ao cliente com IAOs agentes de IA são capazes de realizar acções em nome dos utilizadores, como alterar a sua palavra-passe ou gerir um reembolso.
- Podem fornecer sugestões de produtos e até apoio técnico avançado. (Os nossos clientes reduziram os seus pedidos de apoio em 65% com agentes de IA).
- Os hotéis e outras empresas de hotelaria adaptam-se perfeitamente aos assistentes de IA: são multilingues, funcionam 24 horas por dia, 7 dias por semana e são facilmente acessíveis aos hóspedes. Os agentes de IA para hotéis podem otimizar os serviços de quarto, sugerir comodidades próximas, vender serviços do hotel e ajudar o pessoal a coordenar as necessidades.
1. Agentes baseados na utilidade
Ao contrário dos agentes mais simples que podem meramente reagir a estímulos ambientais, os agentes baseados na utilidade avaliam as suas acções potenciais com base na utilidade esperada. Prevêem a utilidade ou o benefício de cada opção em relação ao objetivo definido.
Os agentes baseados na utilidade são excelentes em ambientes complexos de tomada de decisões com múltiplos resultados potenciais - como equilibrar diferentes riscos para tomar decisões de investimento ou ponderar os efeitos secundários das opções de tratamento.
A função de utilidade destes agentes inteligentes é uma representação matemática das suas preferências. A função de utilidade é mapeada para o mundo à sua volta, decidindo e classificando qual a opção mais preferível. Assim, um agente utilitário pode escolher a ação óptima.
Uma vez que podem processar grandes quantidades de dados, são úteis em qualquer área que envolva a tomada de decisões de alto risco.
Negociação financeira
Os agentes baseados em utilidade são adequados para os mercados de acções e de criptomoedas - são capazes de comprar ou vender com base em algoritmos que visam maximizar os retornos financeiros ou minimizar as perdas. Este tipo de função de utilidade pode ter em conta tanto os dados históricos como os dados de mercado em tempo real.
Sistemas dinâmicos de preços
Já pagou mais por um Uber ou Lyft à chuva? É um agente de serviços públicos em ação - podem ajustar os preços em tempo real para voos, hotéis ou viagens partilhadas, com base na procura, na concorrência ou na hora da reserva.
Controladores de redes inteligentes
Estes tipos de agentes inteligentes são o "smart" das redes inteligentes: são agentes baseados em serviços públicos que controlam a distribuição e o armazenamento de eletricidade.
Optimizam a utilização dos recursos com base nas previsões da procura e nos preços da energia para melhorar a eficiência e reduzir os custos.
Recomendações de conteúdo personalizado
Acaba de ver um filme e a Netflix recomenda-lhe mais 3 filmes iguais.
Serviços de streaming como o Netflix e o Spotify utilizam agentes baseados na utilidade para sugerir conteúdos semelhantes aos utilizadores. A utilidade optimizada aqui é a probabilidade de clicar no conteúdo.
2. Agentes baseados em objectivos
Os agentes de IA baseados em objectivos são - adivinhou - concebidos para atingir objectivos específicos com inteligência artificial.
Em vez de se limitarem a responder a estímulos, estes agentes racionais são capazes de considerar as consequências futuras das suas acções, pelo que podem tomar decisões estratégicas para atingir os seus objectivos.
Ao contrário dos agentes reflexos simples, que respondem diretamente a estímulos com base em regras de condição-ação, os agentes baseados em objectivos avaliam e planeiam acções para atingir os seus objectivos.
O que os distingue de outros tipos de agentes inteligentes é a sua capacidade de combinar previsão e planeamento estratégico para navegar em direção a resultados específicos.
Roomba
Os aspiradores robóticos - como o adorado Roomba - são concebidos com um objetivo específico: limpar todo o espaço acessível no chão. Este agente baseado em objectivos tem um objetivo simples, e cumpre-o bem.
Todas as suas decisões tomadas por este agente baseado em objectivos (como quando rodar) são tomadas para atingir este objetivo elevado. Os gatos que se sentam em cima deles são apenas um bónus.
Software de gestão de projectos
Embora também possa utilizar um agente baseado em serviços públicos, o software de gestão de projectos centra-se normalmente na realização de um objetivo específico do projeto.
Estes agentes de IA programam frequentemente tarefas e atribuem recursos de modo a que uma equipa seja optimizada para concluir um projeto a tempo. O agente avalia o caminho mais provável para o sucesso e actua em nome de uma equipa.
IA de videojogos
Nos jogos de estratégia e de representação de papéis, as personagens de IA actuam como agentes baseados em objectivos - os seus objectivos podem ir da defesa de um local à derrota de um adversário.
Estes agentes de inteligência artificial, bem equipados, consideram uma variedade de estratégias e recursos - que ataque utilizar, que energia queimar - para poderem atingir o seu objetivo.
3. Agentes reflexivos baseados em modelos
Quando é necessário adaptar-se a informações que nem sempre são visíveis ou previsíveis, os agentes reflexivos baseados em modelos são a ferramenta a utilizar.
Ao contrário dos agentes reflexos simples que reagem apenas com base nas percepções actuais, os agentes reflexos baseados em modelos mantêm um estado interno que lhes permite prever ambientes parcialmente observáveis. Este é um modelo interno da secção do mundo relevante para as suas funções.
Este modelo é constantemente atualizado com dados recebidos do seu ambiente, para que o agente de IA possa fazer inferências sobre partes invisíveis do ambiente e antecipar condições futuras.
Avaliam os potenciais resultados das suas acções antes de tomarem decisões, o que lhes permite lidar com complicações. Isto é especialmente útil quando realizam tarefas complexas, como conduzir um carro numa cidade ou gerir um sistema doméstico inteligente automatizado.
Devido à sua capacidade de combinar conhecimentos anteriores e dados em tempo real, os agentes reflexivos baseados em modelos podem otimizar o seu desempenho, independentemente da tarefa. Tal como um ser humano, podem tomar decisões conscientes do contexto, mesmo quando as condições são imprevisíveis.
Veículos autónomos
Embora estes carros abranjam vários tipos de agentes inteligentes, são um bom exemplo de agentes reflexivos baseados em modelos.
Sistemas complexos como o tráfego e os movimentos dos peões são exatamente o tipo de desafio para o qual os agentes reflexivos baseados em modelos foram concebidos.
O seu modelo interno é utilizado para tomar decisões em tempo real na estrada, como travar quando outro carro passa um sinal vermelho, ou abrandar rapidamente quando o carro da frente faz o mesmo. O seu sistema interno é constantemente atualizado com base nos dados ambientais: outros carros, atividade nas passadeiras, o tempo.
Sistemas de irrigação modernos
Os agentes reflexivos baseados em modelos são a força motriz por detrás dos sistemas de rega modernos. A sua capacidade de responder a feedback ambiental inesperado é perfeitamente adequada para o clima e níveis de humidade do solo.
O modelo interno do agente de IA representa e prevê vários factores ambientais, como os níveis de humidade do solo, as condições meteorológicas e as necessidades de água das plantas.
Estes agentes recolhem continuamente dados de sensores nos seus campos, incluindo informações em tempo real sobre humidade, temperatura e precipitação.
Ao analisar estes dados, o agente reflexivo baseado em modelos pode tomar decisões informadas sobre quando regar, quanta água dispensar e que zonas de um campo requerem mais atenção. Esta capacidade preditiva permite ao sistema de rega otimizar a utilização da água, assegurando que as plantas recebem exatamente o que precisam para prosperar (sem desperdiçar água).
Sistemas de domótica
O modelo interno aqui é o do ambiente de uma casa - estes sistemas são continuamente actualizados com dados de sensores e utilizam esta informação para informar as suas decisões.
Um termóstato detecta as mudanças de temperatura e configura-as conforme necessário. Ou um sistema de iluminação pode detetar a escuridão no exterior e ajustar-se em conformidade - uma vez que esta escuridão pode vir da noite ou de uma trovoada inesperada, é necessário um agente inteligente para antecipar e reagir às diferenças.
4. Agentes de aprendizagem
Os agentes de aprendizagem destacam-se pela sua capacidade de se adaptarem e melhorarem ao longo do tempo com base nas suas experiências.
Ao contrário dos agentes de IA mais estáticos que funcionam apenas com base em regras ou modelos pré-programados, um agente de aprendizagem pode evoluir o seu comportamento e estratégias. Devido a este elemento de aprendizagem, são mais frequentemente utilizados em ambientes em mudança.
Deteção de fraudes
Os sistemas de deteção de fraudes funcionam através da recolha contínua de dados e, em seguida, ajustam-se para reconhecer padrões fraudulentos de forma mais eficaz. Uma vez que os burlões estão sempre a mudar as suas tácticas, os agentes de deteção de fraudes também têm de se adaptar.
Recomendação de conteúdo
Plataformas como a Netflix e a Amazon utilizam um sistema equipado com um agente de aprendizagem para melhorar as suas recomendações de filmes, programas e produtos.
Mesmo que o seu perfil diga que deve gostar de filmes de terror e suspense, se de repente passar a gostar de romances, as suas recomendações adaptar-se-ão. Tal como nós, está sempre a aprender.
Software de reconhecimento de voz
Aplicações como o Assistente do Google e a Siri utilizam um agente de aprendizagem para compreender melhor as tentativas distorcidas de falar com eles.
É graças aos agentes de aprendizagem que estes sistemas conseguem compreender melhor os sotaques e a gíria - por isso podemos perguntar à Siri coisas como: "Och, Siri, consegues encontrar-me a loja de batatas fritas mais próxima para jantar? Estou cheio de fome!"
Termostatos adaptativos
Até os termóstatos inteligentes - como o Nest - aprendem com o comportamento dos utilizadores, por exemplo, quando estes tendem a estar em casa ou fora, e as suas temperaturas preferidas.
Esta informação pode estar sempre a mudar, pelo que os termóstatos devem ser capazes de se adaptar ao longo do tempo - o que faz deles outro exemplo de um agente de aprendizagem.
.webp)
5. Agentes hierárquicos
Os agentes hierárquicos são diferentes de outros tipos de agentes de IA, em grande parte devido à sua abordagem estruturada e multicamada dos problemas.
Os agentes hierárquicos são semelhantes a uma estrutura organizacional complexa, com diferentes níveis de tomada de decisão. Diferentes agentes dentro do sistema terão diferentes áreas de especialização, o que os torna mais eficientes no tratamento de tarefas complexas e com várias etapas.
Os agentes hierárquicos são uma das formas mais complexas de implementar agentes de IA, uma vez que são compostos por vários agentes de IA mais pequenos.
Numa frase: Uma estrutura hierárquica de agentes tem a ver com o processo estruturado de tomada de decisões em diferentes níveis de um sistema.
Robôs de fabrico
Nos sistemas de fabrico avançados, os agentes hierárquicos orquestram a linha de produção.
Os agentes de alto nível planeiam e atribuem tarefas ao longo do sistema, enquanto os agentes de nível inferior controlam máquinas específicas, como braços robóticos para tarefas de montagem.
Cada um pode comunicar com o outro para assegurar um fluxo de produção sem problemas - é a tomada de decisões a vários níveis em ação.
Sistemas de controlo do tráfego aéreo
Estes sistemas utilizam agentes hierárquicos para gerir o fluxo seguro e eficiente do tráfego aéreo. Uma vez que se trata de uma tarefa complexa que abrange múltiplas funções, é necessário um sistema de agentes hierárquicos para a sua correcta execução.
Os agentes de nível superior tratam da gestão do tráfego regional em geral, enquanto os agentes de nível inferior se concentram em tarefas específicas, como descolagens, aterragens e rolagem em aeroportos individuais.
Robôs autónomos de armazém
Os agentes hierárquicos são o que gere o inventário e o manuseamento de pacotes em armazéns melhorados com aprendizagem automática.
Os agentes de alto nível optimizam a disposição do armazém e a distribuição do inventário, enquanto os agentes de nível inferior operam empilhadores e classificadores robóticos individuais para executar as tarefas físicas de movimentação e organização de mercadorias.
6. Agentes robóticos
É exatamente aquilo em que gostamos de pensar quando imaginamos um agente inteligente: o agente robótico.
Com um elemento de desempenho acrescido, os agentes robóticos são os modelos de agentes de inteligência artificial. Estes agentes inteligentes funcionam num ambiente físico, em vez de existirem apenas como agentes de software.
Estas formas de realização física dos agentes de IA estão normalmente equipadas com sensores como câmaras ou sensores tácteis. Este tipo de agente de IA é especialmente útil em tarefas perigosas ou muito repetitivas - pode ser mais eficiente e económico ter um agente de inteligência artificial a realizar essas tarefas.
Este tipo de agente de IA é combinado com outros tipos de inteligência artificial, de modo a poder realizar fisicamente tarefas de utilidade ou tarefas de objectivos, por vezes no âmbito de sistemas multiagentes ou sistemas hierárquicos.
Robôs de linha de montagem
Há muitos robots nas linhas de montagem. Estes agentes de IA executam tarefas como soldar, pintar e montar peças, tudo com elevada precisão e velocidade.
Como são agentes inteligentes, podem otimizar o tempo de produção, mantendo um padrão de desempenho fixo.
Robôs cirúrgicos
A cirurgia é uma atividade de alto risco e precisa, o que a torna ideal para agentes de IA.
Os agentes robóticos, como o Sistema Cirúrgico da Vinci, ajudam os cirurgiões a efetuar procedimentos precisos e minimamente invasivos. Estes agentes de IA não realizam cirurgias de forma autónoma, mas alargam as capacidades do cirurgião.
Robôs agrícolas
Os robôs são vulgarmente utilizados no ciclo agrícola, desde a plantação de sementes, à colheita de culturas e à monitorização das condições do campo.
Estes agentes de IA ajudam a aumentar a produtividade, uma vez que pode ser mais fácil para uma máquina plantar 10 000 sementes de cenoura do que pedir a um humano que o faça.
Robôs de serviço
O robô de serviço mais famoso de todos - é isso mesmo, é o WALL-E. Um distante segundo lugar é ocupado pelos robôs dos restaurantes que trazem os seus pedidos intermináveis de sushi à vontade diretamente para a sua mesa.
Utilizamos robôs de serviço em todo o lado: aspiradores robóticos, fornecimento de informações aos hóspedes em hotéis e entrega de mercadorias aos clientes em todo o tipo de estabelecimentos.
7. Assistentes virtuais
Os assistentes virtuais são alimentados por processamento de linguagem natural e inteligência artificial - e são talvez os exemplos mais familiares de agentes de IA para o público em geral.
Estes assistentes pessoais inteligentes compreendem e processam a linguagem humana (com processamento de linguagem natural) para realizar tarefas, como definir lembretes e gerir e-mails.
Este tipo de agente de IA também inclui um elemento de aprendizagem: pode aprender com as interacções do utilizador, tornando-se mais personalizado e eficaz ao longo do tempo.
Siri
Um dos primeiros assistentes virtuais mais populares, a Siri está integrada na maioria dos dispositivos Apple, incluindo iPhones, iPads, Macs e o Apple Watch.
A Siri ajuda-o com uma variedade de tarefas, como fazer chamadas, enviar mensagens de texto, definir lembretes, fornecer direcções e responder a perguntas de conhecimento geral.
Alexa
Disponível nos dispositivos Amazon Echo e noutros produtos compatíveis com Alexa, este assistente virtual reproduz música, controla dispositivos domésticos inteligentes, faz listas de compras e fornece actualizações de notícias. E arruinou o nome "Alexa" para os humanos.
Assistente Google
Este programa de agentes é conhecido dos telemóveis Android e dos dispositivos Google Home. O Assistente do Google é excelente para obter informações da Web, agendar eventos, gerir produtos domésticos inteligentes e facilitar a tradução em tempo real.
A sua profunda integração com os serviços da Google torna-o particularmente poderoso para tarefas que envolvam mapas, YouTube e funcionalidades de pesquisa.
8. Sistemas Multi-Agentes
A beleza dos sistemas multiagentes reside na sua diversidade e na riqueza das suas interações.
Os agentes destes sistemas são muitas vezes incrivelmente variados, desde um simples agente de software que filtra dados até entidades complexas que gerem funções críticas em redes inteligentes ou redes de transporte.
Cada agente funciona de forma semi-autónoma, mas foi concebido para interagir com outros agentes, formando um ecossistema dinâmico onde o comportamento coletivo emerge das acções individuais. Para este tipo de programa de agentes, a colaboração é fundamental.
Sistemas de gestão de tráfego
Estes agentes inteligentes podem ser encontrados na gestão do tráfego, onde vários agentes representam diferentes sinais de trânsito, câmaras de vigilância e sistemas de informação.
Estes agentes de IA colaboram para otimizar o fluxo de tráfego, reduzir o congestionamento e responder a condições em tempo real, como acidentes ou obras na estrada. Cada agente trata os dados da sua localidade e comunica com os outros para ajustar os sinais de trânsito em conformidade, pelo que o trabalho em equipa é uma necessidade.
Redes inteligentes para a gestão da energia
As redes inteligentes envolvem também numerosos agentes de IA, cada um controlando diferentes aspectos da distribuição de eletricidade, desde as estações de produção até aos contadores inteligentes individuais nas casas.
Estes agentes de IA trabalham em conjunto para equilibrar eficazmente a oferta e a procura de energia, integrar fontes de energia renováveis e manter a estabilidade da rede.
A coordenação de um sistema multi-agente assegura uma distribuição óptima da energia e uma eficiência de custos em toda a rede.
Cadeia de abastecimento e logística
Na gestão da cadeia de abastecimento, os agentes representam várias partes interessadas, como fornecedores, fabricantes, distribuidores e retalhistas. Estes agentes coordenam-se para otimizar o processo da cadeia de abastecimento, desde o aprovisionamento até à entrega, garantindo a eficiência e reduzindo os custos.
Robótica autónoma de enxame
Por vezes, durante missões de exploração ou de salvamento, são utilizados enxames de robots.
Cada agente robótico funciona de forma semi-independente, mas coordena-se com os outros agentes de IA para cobrir áreas maiores, partilhar dados sensoriais ou mover objectos de forma colaborativa.
Isto é particularmente útil em ambientes difíceis - como edifícios desmoronados ou superfícies planetárias - onde o trabalho de equipa entre um grande sistema de IA pode conseguir muito mais do que agentes de IA individuais.
9. Agentes Reflexos Simples
Um agente reflexo simples é o mais pequeno da ninhada. Tem uma inteligência muito limitada e funciona segundo uma regra direta de condição-ação.
Estes agentes baseados em regras não são adequados para tarefas complexas. No entanto, são perfeitamente competentes nas tarefas específicas para as quais foram concebidos.
Os agentes reflexivos simples são adequados para tarefas simples num ambiente previsível. As acções deste tipo de agente afectam o mundo que o rodeia, mas apenas em tarefas específicas.
Termóstatos
São 6 da tarde no inverno? Aumenta o aquecimento. É meio-dia no verão? Este simples agente reflexo, com a sua inteligência limitada, ligará o ar condicionado.
Portas automáticas
Embora a sua inteligência percebida seja baixa, as portas automáticas são frequentemente exemplos de agentes reflexos simples. Este agente de IA detecta um humano em frente a uma porta e abre-se. Muito simples.
Detectores de fumo
Este agente de IA funciona a partir do teto da sua cozinha. Sim, também é um simples agente de reflexos. Detecta fumo e faz soar um alarme.
Filtros de spam básicos
Alguns agentes da inteligência artificial têm-nos ajudado diariamente durante anos. O filtro de spam para correio eletrónico é um deles. As versões básicas não utilizam o processamento de linguagem natural, mas sim palavras-chave ou a reputação do remetente.
Crie o seu próprio agente de IA
Existem muitos tipos de agentes de IA, alguns muito mais difíceis de construir do que outros.
Mas se pretende criar um chatbot agêntico - que possa atuar nos seus sistemas diários, como enviar e-mails e marcar reuniões - nós podemos ajudá-lo.
A nossa plataforma tem uma interface fácil de arrastar e largar para principiantes e uma extensibilidade infinita para programadores profissionais.
Até temos uma comunidade ativa de mais de 20.000 construtores de bots, se quiser apoio durante todo o processo.
Comece a construir hoje. É grátis.
FAQ
Os agentes de IA são sensíveis?
Não, os agentes de IA não são sencientes. Seguem programas de software que indicam os seus objectivos, embora possam agir de forma autónoma para atingir os resultados.
Qual é o processo de decisão e ação dos agentes de IA?
Diferentes tipos de agentes de IA observam os seus ambientes e tomam medidas de forma diferente. Alguns utilizam dados de modelação e outros utilizam sensores. Têm objectivos diferentes com base no seu raciocínio programado.
O que é um agente baseado em modelos?
Um agente baseado em modelos é outra forma de referir um agente reflexivo baseado em modelos, um tipo de agente de IA que combina dados passados e entradas actuais para determinar o melhor curso de ação.
.png)
