7 ประเภทหลักของเอเจนต์ AI [พร้อมตัวอย่าง]

เอเจนต์ AI ได้รับความนิยมอย่างมากในช่วงไม่กี่ปีที่ผ่านมา และด้วยเทคโนโลยีที่ซับซ้อนและความสามารถที่หลากหลาย ปัจจุบันจึงมีเอเจนต์ AI หลายประเภท

เอเจนต์ AI คือซอฟต์แวร์ที่ทำงานหรือภารกิจต่าง ๆ โดยแตกต่างจากแชทบอททั่วไปตรงที่สามารถดำเนินการแทนผู้ใช้ได้

เอเจนต์ AI มีหลากหลาย ตั้งแต่เทอร์โมมิเตอร์อัจฉริยะ รถยนต์ไร้คนขับ ไปจนถึงเอเจนต์ที่มีอินเทอร์เฟซแชท กรณีใช้งานเหล่านี้ทั้งหมดจัดอยู่ใน 7 หมวดหมู่หลักของเอเจนต์ AI ในบทความนี้ เราจะพาคุณไปรู้จัก 7 ประเภทหลักของเอเจนต์ AI พร้อม ตัวอย่างการใช้งานจริง

1. เอเจนต์รีเฟล็กซ์แบบง่าย

เอเจนต์รีเฟล็กซ์แบบง่าย คือระบบ AI ที่ตัดสินใจโดยอาศัยเฉพาะอินพุตปัจจุบันจากสิ่งแวดล้อมเท่านั้น

ระบบนี้ใช้ กฎเงื่อนไข-การกระทำ เพื่อจับคู่อินพุตที่ตรวจพบกับการตอบสนองที่กำหนดไว้ เมื่อ ตรวจพบสถานะเฉพาะ ในสิ่งแวดล้อม ก็จะดำเนินการตามกฎที่ตรงกัน

ระบบนี้ไม่มีหน่วยความจำหรือแบบจำลองภายในของโลก จึงทำงานได้ดีเฉพาะในสภาพแวดล้อมที่สามารถสังเกตได้ทั้งหมดและตัดสินใจได้จากอินพุตปัจจุบันเพียงอย่างเดียว

ตัวอย่างของเอเจนต์รีเฟล็กซ์แบบง่าย

• เทอร์โมสตัทที่เปิดเครื่องทำความร้อนเมื่ออากาศเย็นเกินไป
• หุ่นยนต์ที่หมุนตัวเมื่อชนกำแพง (เช่น Roomba ที่มีแมวนั่งอยู่ข้างบน)
• แชทบอทพื้นฐานที่ตอบกลับว่า “สวัสดี!” เมื่อผู้ใช้พูดว่า “สวัสดี” (Hi)

‍

2. เอเจนต์รีเฟล็กซ์แบบมีโมเดล

เอเจนต์รีเฟล็กซ์แบบมีโมเดล คือเอเจนต์ AI ที่ตัดสินใจโดยอาศัยทั้งอินพุตปัจจุบันและแบบจำลองภายในของโลก

ต่างจากเอเจนต์รีเฟล็กซ์แบบง่าย เอเจนต์ประเภทนี้ ติดตามสถานะของสิ่งแวดล้อมตลอดเวลา โดยใช้แบบจำลองหรือข้อมูลที่เก็บไว้เกี่ยวกับการทำงานของโลก เพื่อเติมเต็มข้อมูลเมื่อไม่สามารถสังเกตสิ่งแวดล้อมได้ทั้งหมด

เมื่อได้รับอินพุตใหม่ ระบบจะอัปเดตสถานะภายใน ตรวจสอบกฎเงื่อนไข-การกระทำ และเลือกการตอบสนองที่เหมาะสมโดยอิงจากทั้งข้อมูลปัจจุบันและประสบการณ์ที่ผ่านมา

ตัวอย่างของเอเจนต์รีเฟล็กซ์แบบมีโมเดล

• หุ่นยนต์ดูดฝุ่นที่จดจำแผนผังห้องและหลีกเลี่ยงพื้นที่ที่ทำความสะอาดไปแล้ว
• เอเจนต์ LLM ที่สนทนาต่อเนื่องโดยจดจำข้อความก่อนหน้า
• AI ในเกมที่ตอบสนองต่อสิ่งที่เห็นและสิ่งที่รู้จากช่วงก่อนหน้าในเกม

‍

3. เอเจนต์ที่เรียนรู้ได้

เอเจนต์ที่เรียนรู้ได้ คือเอเจนต์ AI ที่ปรับปรุงประสิทธิภาพของตนเองได้จากประสบการณ์ที่ผ่านมา

ระบบนี้ประกอบด้วย องค์ประกอบหลัก 4 ส่วน ได้แก่ ส่วนการเรียนรู้ ส่วนการปฏิบัติ ผู้ประเมินผล และตัวสร้างปัญหา

ส่วนการปฏิบัติจะเลือกการกระทำ ขณะที่ส่วนการเรียนรู้จะปรับเปลี่ยนพฤติกรรมตามผลลัพธ์ ผู้ประเมินผลจะประเมินผลลัพธ์ตามเกณฑ์ที่กำหนดไว้ และตัวสร้างปัญหาจะเสนอแนวทางใหม่ ๆ เพื่อให้เรียนรู้ได้ดีขึ้น

โครงสร้างนี้ช่วยให้เอเจนต์ ปรับตัวกับการเปลี่ยนแปลง พัฒนากลยุทธ์ และทำงานได้ดีแม้ในสภาพแวดล้อมที่ไม่คุ้นเคย

ตัวอย่างของเอเจนต์ที่เรียนรู้ได้

• เอเจนต์ AI ด้านคริปโต ที่ปรับกลยุทธ์การซื้อขายตามสภาพตลาด
• ระบบแนะนำสินค้าที่ปรับปรุงความแม่นยำจากพฤติกรรมผู้ใช้
• แชทบอทด้านสุขภาพ ที่เรียนรู้จากการพูดคุยกับผู้ป่วยเพื่อเพิ่มความแม่นยำในการคัดกรอง

‍

4. เอเจนต์ที่ใช้ยูทิลิตี้

เอเจนต์ที่ใช้ยูทิลิตี้ คือเอเจนต์ AI ที่เลือกการกระทำโดยพิจารณาว่าผลลัพธ์ใดจะให้คุณค่ารวมสูงสุดหรือ “ยูทิลิตี้” มากที่สุด

แทนที่จะมุ่งบรรลุเป้าหมายเพียงอย่างเดียว เอเจนต์นี้จะ ประเมินผลลัพธ์ที่เป็นไปได้หลายทาง แล้วเลือกทางเลือกที่ให้ค่าประโยชน์สูงสุดตามฟังก์ชันยูทิลิตี้ที่กำหนดไว้

ระบบนี้ช่วยให้จัดการสถานการณ์ที่ มีหลายวิธีในการบรรลุเป้าหมาย หรือ ต้องแลกเปลี่ยนผลประโยชน์ โดยต้องเปรียบเทียบทางเลือก ทำนายผลลัพธ์ และจัดลำดับความสำคัญตามความต้องการหรือเป้าหมาย

ตัวอย่างของเอเจนต์ที่ใช้ยูทิลิตี้

• แชทบอทสำหรับงานขาย ที่จัดลำดับความสำคัญของลูกค้าเป้าหมายตามโอกาสปิดการขาย
• บอทซื้อขายหุ้นที่สมดุลความเสี่ยงและผลตอบแทนเพื่อเพิ่มกำไรระยะยาว
• แชทบอทธุรกิจที่จัดตารางประชุมเพื่อลดความขัดแย้งและเพิ่มความสะดวกสูงสุด

5. เอเจนต์แบบลำดับชั้น

เอเจนต์แบบลำดับชั้น คือเอเจนต์ AI ที่จัดกระบวนการตัดสินใจเป็น หลายชั้นหรือหลายระดับ โดยระดับบนจัดการเป้าหมายเชิงนามธรรม ส่วนระดับล่างดูแลการกระทำเฉพาะ

เอเจนต์นี้จะ แบ่งงานซับซ้อนออกเป็นงานย่อย โดยแต่ละระดับในลำดับชั้นจะรับผิดชอบขอบเขตการตัดสินใจที่แตกต่างกัน

ระดับบนอาจวางแผนกลยุทธ์ระยะยาว ขณะที่ระดับล่างจัดการข้อมูลจากเซ็นเซอร์และตอบสนองแบบเรียลไทม์ การสื่อสารระหว่างชั้นช่วยให้เอเจนต์ประสานเป้าหมายใหญ่กับการปฏิบัติที่ละเอียด

โครงสร้างนี้ช่วยให้จัดการความซับซ้อนได้ง่ายขึ้นและขยายพฤติกรรมการทำงานให้ครอบคลุมช่วงเวลาหรือเป้าหมายที่แตกต่างกันได้ดี

ตัวอย่างของเอเจนต์แบบลำดับชั้น

• ในโรงงานผลิต ระดับบนวางแผนกระบวนการประกอบ ส่วนระดับล่างควบคุมแขนกลและจังหวะเวลา
• ในโรงงานอัจฉริยะ แต่ละชั้นดูแลตารางการผลิต การประสานงานเครื่องจักร และการปฏิบัติงานจริง

‍

6. เอเจนต์ที่ขับเคลื่อนด้วยเป้าหมาย

เอเจนต์ที่ขับเคลื่อนด้วยเป้าหมาย คือเอเจนต์ AI ที่ตัดสินใจโดยประเมินว่าการกระทำใดจะช่วยให้บรรลุเป้าหมายที่กำหนดไว้

เอเจนต์จะได้รับเป้าหมายหนึ่งหรือมากกว่า ซึ่งเป็นผลลัพธ์ที่ต้องการ จากนั้นใช้ อัลกอริทึมค้นหาหรือวางแผน เพื่อสำรวจลำดับการกระทำที่เป็นไปได้ และเลือกทางเลือกที่มีโอกาสบรรลุเป้าหมายมากที่สุด

ต่างจากเอเจนต์รีเฟล็กซ์ เอเจนต์นี้ไม่ได้แค่ตอบสนอง แต่ ใช้เหตุผลเกี่ยวกับผลลัพธ์ในอนาคต ก่อนลงมือ ทำให้มีความยืดหยุ่นและรับมือกับสภาพแวดล้อมที่เปลี่ยนแปลงได้ดีขึ้น แต่ก็ต้องใช้ทรัพยากรคำนวณมากขึ้นเช่นกัน

ตัวอย่างของเอเจนต์ที่ขับเคลื่อนด้วยเป้าหมาย

• ระบบนำทางที่คำนวณเส้นทางที่ดีที่สุดไปยังจุดหมายปลายทาง
• AI แก้ปริศนาที่ค้นหาวิธีเดินหมากหรือการเคลื่อนไหวที่จะนำไปสู่การแก้ปริศนาได้สำเร็จ
• แขนกลที่วางแผนลำดับการเคลื่อนไหวเพื่อประกอบผลิตภัณฑ์ให้เสร็จสมบูรณ์

7. ระบบหลายเอเจนต์ (MAS)

สุดท้ายแต่สำคัญไม่แพ้กัน: ระบบหลายเอเจนต์

ระบบหลายเอเจนต์ (MAS) คือระบบที่ประกอบด้วยเอเจนต์ AI หลายตัวที่มีปฏิสัมพันธ์กันเพื่อบรรลุเป้าหมายส่วนตัวหรือเป้าหมายร่วมกัน (บางครั้งอาจแข่งขันกัน)

แต่ละเอเจนต์ในระบบ ทำงานอย่างอิสระ มีความสามารถ เป้าหมาย และมุมมองต่อสิ่งแวดล้อมของตนเอง

เอเจนต์เหล่านี้สื่อสารและประสานงานกัน ไม่ว่าจะโดยตรงผ่านข้อความหรือโดยอ้อมผ่านการสังเกตการเปลี่ยนแปลงในสิ่งแวดล้อม ระบบโดยรวมจึงสามารถแก้ปัญหาที่ ซับซ้อนหรือกระจายเกินกว่าที่เอเจนต์เดียวจะรับมือได้

ระบบหลายเอเจนต์อาจร่วมมือ แข่งขัน หรือผสมผสานกัน ขึ้นอยู่กับวัตถุประสงค์และการออกแบบ

ตัวอย่างของระบบหลายเอเจนต์

• ยานยนต์ไร้คนขับที่ประสานงานกันที่ทางแยกเพื่อหลีกเลี่ยงอุบัติเหตุ
• บอทการเงิน ที่จัดการงานออกใบแจ้งหนี้ ตรวจจับการฉ้อโกง และรายงานผลผ่าน ระบบอัตโนมัติด้วย AI
• ระบบซัพพลายเชนที่มีเอเจนต์ต่าง ๆ ดูแลการจัดการสินค้าคงคลัง การขนส่ง และการคาดการณ์ความต้องการ

สร้าง AI Agent แบบกำหนดเอง

การสร้าง AI agent ที่ปรับแต่งเองไม่ยาก — และคุณสามารถทำได้ฟรี

Botpress มีเครื่องมือสร้างโฟลว์แบบลากวาง, ระบบความปลอดภัยระดับองค์กร, คลังความรู้ขนาดใหญ่ และ ชุมชน Discord ที่มีผู้สร้างบอทกว่า 20,000 คน

แพลตฟอร์มของเราสามารถขยายความสามารถได้เต็มที่ คุณจึงสร้างแชทบอทและเชื่อมต่อกับระบบใดก็ได้ — และ Integration Hub ของเราก็มีคอนเนคเตอร์สำเร็จรูปสำหรับช่องทางหลัก ๆ มากมาย

เริ่มสร้างได้เลยวันนี้ ฟรี

คำถามที่พบบ่อย

AI agent มีทั้งหมด 7 ประเภทอะไรบ้าง?

ทั้ง 7 ประเภท ได้แก่: ตัวแทนสะท้อนแบบง่าย, ตัวแทนสะท้อนแบบมีโมเดล, ตัวแทนที่ขับเคลื่อนด้วยเป้าหมาย, ตัวแทนที่ขับเคลื่อนด้วยค่าสาธารณูปโภค, ตัวแทนที่เรียนรู้ได้, ตัวแทนแบบลำดับชั้น และระบบหลายตัวแทน

ChatGPT เป็น AI agent หรือไม่?

ใช่ ChatGPT ถือเป็น AI agent ได้ — มันรับข้อมูล ประมวลผล และสร้างคำตอบ โดยมักใช้แนวทางที่ขับเคลื่อนด้วยเป้าหมายหรือค่าสาธารณูปโภคขึ้นอยู่กับการนำไปใช้งาน

เอเจนต์อัจฉริยะคืออะไร และพวกเขาทำงานอย่างไรในสภาพแวดล้อมดิจิทัล?

ตัวแทนอัจฉริยะคือสิ่งที่ถูกออกแบบมาเพื่อปฏิบัติการในสภาพแวดล้อมดิจิทัลต่าง ๆ พวกเขารวบรวมข้อมูลจากสิ่งรอบตัว ประเมินสถานการณ์ปัจจุบัน และดำเนินการเพื่อบรรลุเป้าหมายที่กำหนดไว้ ประสิทธิภาพของพวกเขาขึ้นอยู่กับการกระทำที่ทำในสภาพแวดล้อมที่สังเกตได้

ปัญญาประดิษฐ์มีบทบาทอย่างไรต่อการทำงานของเอเจนต์?

ปัญญาประดิษฐ์ช่วยให้ตัวแทนอัจฉริยะสามารถเรียนรู้ เหตุผล และปรับตัวได้ ตัวแทนเหล่านี้ใช้ AI เพื่อเสริมสร้างฐานความรู้ ทำให้ตัดสินใจได้ซับซ้อนยิ่งขึ้นในแต่ละสภาพแวดล้อม

ฐานความรู้ของเอเจนต์อัจฉริยะประกอบด้วยอะไรบ้าง?

ความรู้ของตัวแทนอัจฉริยะประกอบด้วยข้อมูลเกี่ยวกับสภาพแวดล้อม กฎที่กำหนดไว้ล่วงหน้า และความเข้าใจพื้นฐานเกี่ยวกับสถานการณ์ปัจจุบัน ซึ่งเป็นรากฐานของกระบวนการตัดสินใจของพวกเขา

องค์ประกอบด้านประสิทธิภาพในบริบทของเอเจนต์อัจฉริยะคืออะไร?

องค์ประกอบด้านประสิทธิภาพของตัวแทนอัจฉริยะหมายถึงความสามารถในการบรรลุเป้าหมายและตัดสินใจเพื่อเพิ่มประสิทธิภาพการกระทำในสภาพแวดล้อมที่กำหนด ซึ่งเป็นส่วนสำคัญที่กำหนดประสิทธิผลและประสิทธิภาพของตัวแทน

เอเจนต์สามารถทำงานในโครงสร้างแบบลำดับชั้นได้หรือไม่?

ได้ ตัวแทนแบบลำดับชั้นเป็นตัวแทนอัจฉริยะประเภทหนึ่งที่ทำงานในระดับโครงสร้างที่เป็นชั้น ๆ ตัวแทนระดับสูงจะดูแลการตัดสินใจโดยรวม ขณะที่ตัวแทนระดับล่างจะรับผิดชอบงานเฉพาะภายในกรอบงานที่กว้างกว่า โครงสร้างแบบนี้ช่วยให้ทำงานได้อย่างมีประสิทธิภาพในสภาพแวดล้อมที่ซับซ้อน

เอเจนต์อัจฉริยะทำงานด้วยความฉลาดที่จำกัดหรือไม่?

ใช่ ตัวแทนอัจฉริยะจำนวนมากทำงานด้วยขอบเขตความรู้และความสามารถที่จำกัด ซึ่งช่วยให้พวกเขามุ่งเน้นกับงานและสภาพแวดล้อมเฉพาะที่เชี่ยวชาญมากที่สุด