Innan du börjar artikeln är det viktigt att förstå vad en agent inom AI är. Agenten är i grunden en enhet som hjälper AI, maskininlärning eller djupförstärkningsinlärning att fatta ett beslut eller trigga AI:n att fatta ett beslut. När det gäller mjukvara definieras det som den enhet som kan fatta beslut och kan fatta olika beslut på grundval av förändringar i miljön, eller efter att ha fått input från den externa miljön. en agents roll är mycket viktig inom dessa områden eftersom alla parametrar för en AI-modell främst beror på agentens prestanda. Med enklare ord, den snabba agenten uppfattar extern förändring och agerar mot den ju bättre resultat som erhålls från modellen. Därför är agentens roll alltid mycket viktig artificiell intelligens, maskininlärning och djupinlärning. Det vanligaste exemplet på AI-agenter är Alexa och Siri. Eftersom båda agerar mot användarens begäran, samla in information från internet, tillhandahåller lösningar och agerar därefter. Dessa agenter är så intelligenta att de kan samla in fullständig information om användaren och även föreslå deras användarrelaterade annonser och rekommendationer. (Intelligenta agenter inom artificiell intelligens | Ingenjörsutbildning (EngEd) Program | Sektion, 2019)

Intelligent är ett mjukvarubaserat program som kan förstå situationer, uppfatta miljön och på basis av tidigare historia och regelbunden träning förfina sitt sökande. Den viktigaste delen för den intelligenta agenten är i grund och botten användarinmatningen, dvs vilken typ av saker som intresserar användaren. Det vanligaste exemplet på intelligenta agenter är de agenter som används på Facebook, YouTube och Google. De visar alltid de annonser som lockar användaren. Om du till exempel ville köpa parfym på nätet och du har sökt i två till tre olika butiker på internet efter parfym, har du senare i ditt nyhetsflöde på sociala medier sett olika annonser relaterade till parfymer. Dessa beror på de intelligenta Ai-baserade agenterna som arbetar bakom all sökhistorik och användarinmatning. De olika typerna av intelligens är mänskliga agenter, mjukvaruagenter och robotagenter. (Vad är en intelligent agent? – Definition från WhatIs.Com, nd) 

Det finns flera typer av agenter (elektroniska, nd) inom AI och maskininlärning. En kort diskussion om var och en av dem kommer att göras i detta avsnitt enligt följande.

• Enkla reflexmedel är den vanligaste typen av medel. De arbetar på den nuvarande uppfattningen och ignorerar all tidigare historia och tidigare vägar. Ett vanligt exempel är ett rumsrengöringsmedel som bara fungerar när det finns smuts i rummet oavsett tidigare historia. 
• Modellbaserade reflekterande medel är de som bara kan observera miljön delvis. De spårar också situationen. Ordet "modell" syftar här på vad som händer i världen, och det har ett internt tillstånd, som i grunden representerar det nuvarande tillståndet baserat på modellens historia.
• Målbaserade agenter är agenterna som inte bara kräver det nuvarande tillståndet, tidigare tillstånd och vad de ska göra. De behöver också någon form av information om målet eller målet. De är mer kapabla eftersom de drar vägar utifrån andra maskininlärningstekniker för att nå målen bättre och på ett effektivt sätt. De väljer åtgärder utifrån omgivningens situation.
• Verktygsbaserade agenter är agenter som liknar de målbaserade agenterna, men de har bara lagt till ansvar för att tillgodose verktyget också. De tillhandahåller effektiviteten och statusen för arbetet vid varje steg av arbetet till modellen. De ger effektivitet i reella tal med hjälp av ett återkopplingssystem för att kontrollera systemets giltighet och effektivitet. 
• Lärande agenter är den mest intelligenta typen av agenter i detta avseende. De lär sig av användarnas input, tidigare historia, miljö och omgivning. De har börjat som konventionella agenter med grundläggande kunskaper om miljön. den har olika komponenter som inlärningselementet, vilket förbättrar agentens förmåga med misslyckanden och prestationer. Den andra komponenten är kritik, med vars hjälp lärandemomentet får feedback om arbetet går åt rätt håll eller inte. Den tredje är prestationselementet; denna komponent är ansvarig för att mäta systemets prestanda och hålla systemet i fullt flöde. Den sista komponenten är problemgeneratorn med vars hjälp systemet ska få nya och senaste erfarenheter och förfina arbetet med allt mer belastningsarbete. (Typer av AI-agenter – Javatpoint, nd)

Frågan uppstår var alla dessa agenter sökte eller arbetar. Dessa agenter är mestadels mjukvarubaserade. De arbetade med spel, sökningar och automatisk ifyllning av formulär. Inom spel använder olika företag som försöker göra sina spel mer konkurrenskraftiga dessa AI-baserade agenter. Dessa agenter är mestadels lärande agenter som har lärt sig av användarens rörelser och kan gå från nybörjarnivå till proffsnivå genom att spela ett antal spel och tidigare erfarenheter. Det finns några andra spel som har använt agenter på mycket låg nivå som vanligtvis är enkla reflexmedel, eftersom de inte förbättrades med tiden och ett visst ögonblick kommer när användaren blir uttråkad med spelet och lämnar spelet. På samma sätt fungerar dessa agenter även i sökmotorer. Som observerat visar google oss bara relevanta sidor beroende på användarens sökhistorik, tidigare input och tidigare erfarenheter. Dessa agenter är mycket starka används i sådana sökningar och kan fånga data mycket snabbt. (Intelligenta agenter: egenskaper och tillämpningar | AI, nd) 

Referensprojekt

• Intelligenta agenter: egenskaper och tillämpningar | AI. (nd). Hämtad 26 februari 2022 från https://www.engineeringenotes.com/artificial-intelligence-2/intelligent-agents/intelligent-agents-characteristics-and-applications-ai/35618
• Intelligenta agenter inom artificiell intelligens | Ingenjörsutbildning (EngEd) Program | Sektion. (nd). Hämtad 26 februari 2022 från https://www.section.io/engineering-education/intelligent-agents-in-ai/
• Typer av AI-agenter – Javatpoint. (nd). Hämtad 26 februari 2022 från https://www.javatpoint.com/types-of-ai-agents
• Vad är en intelligent agent? – Definition från WhatIs.com. (nd). Hämtad 26 februari 2022 från https://www.techtarget.com/searchenterpriseai/definition/agent-intelligent-agent

 
 
Neeraj Agarwal är en grundare av Algoscale, ett datakonsultföretag som täcker datateknik, tillämpad AI, datavetenskap och produktteknik. Han har över 9 års erfarenhet inom området och har hjälpt ett brett spektrum av organisationer från nystartade företag till Fortune 100-företag att få i sig och lagra enorma mängder rådata för att översätta det till handlingsbara insikter för bättre beslutsfattande och snabbare affärer värde.