AI 에이전트가 전 세계의 기술 헤드라인을 장식하고 있지만, AI 에이전트의 실제 활용 사례는 항상 명확하지 않습니다.
이 글에서는 AI 에이전트의 유형과 각각의 예시를 살펴보겠습니다. 하지만 유형별로 구분되어 있지만 대부분의 고급 AI 시스템은 여러 유형의 AI 에이전트가 조합되어 있다는 점을 명심하세요.
예를 들어 자율 주행 자동차 또는 자율 주행 차량에는 유틸리티 기반 에이전트, 목표 기반 에이전트, 모델 기반 반사 에이전트 및 학습 에이전트가 포함됩니다. 복잡한 프로세스이기 때문에 많은 움직이는 부품이 필요합니다.
공급망 관리의 AI 에이전트도 마찬가지입니다. 물류, 재고 관리, 재고 입고, 배송을 최적화하기 위해 여러 유형의 에이전트를 사용할 것입니다.
하지만 이해를 돕기 위해 각 유형의 에이전트 AI가 어떤 목적을 달성하도록 설계되었는지, 그리고 실제 세계에서 이미 어떻게 나타나는지 몇 가지 예를 들어 자세히 살펴보겠습니다.
예를 들어, AI 에이전트는 이전에는 자동화가 불가능했던 작업을 위한 엔터프라이즈 봇으로 점점 더 많이 사용되고 있습니다. 유연한 AI 구축 플랫폼은 사용 사례가 무궁무진하다는 것을 의미합니다.
- 전자상거래 AI 에이전트는 주문, 배송 추적 및 업데이트 제공, 이미지 기반 검색, 장바구니 이탈에 대한 후속 조치 전송, 이전 고객의 제품 리뷰 제공, 사용자에게 맞춤화된 제품 제안 등에 사용됩니다.
- Botpress 에서 만든 대부분의 AI 에이전트는 다음과 같은 영업 및 마케팅 기능에 사용됩니다. AI 리드 생성 또는 기타 영업에서 AI를 활용하는 방법.
- 이러한에이전트는 리드 목록을 작성하고, 개인화된 커뮤니케이션을 전송하며, 사람보다 훨씬 더 효과적으로 리드를 검증할 수 있습니다. 마케팅 캠페인을 전략화하고 촉진하며 경쟁사에 대한 분석을 실행할 수 있습니다.
- In AI 고객 지원를 사용하면 AI 상담원이 사용자를 대신하여 비밀번호 변경이나 환불 관리와 같은 작업을 수행할 수 있습니다.
- 제품 제안은 물론 고급 기술 지원까지 제공할 수 있습니다. (저희 고객들은 AI 에이전트를 통해 지원 티켓을 65% 줄 였습니다.)
- 호텔 및 기타 서비스업은 다국어 지원, 연중무휴 24시간 지원, 고객 접근성이 뛰어나다는 점에서 AI 비서에 매우 적합합니다. 호텔용 AI 에이전트는 룸 서비스를 간소화하고, 주변 편의시설을 추천하고, 호텔 서비스를 상향 판매하고, 직원의 요구 사항을 조정하는 데 도움을 줄 수 있습니다.
1. 유틸리티 기반 에이전트
단순히 환경 자극에 반응하는 단순한 에이전트와 달리 효용 기반 에이전트는 예상되는 효용에 따라 잠재적인 행동을 평가합니다. 각 옵션이 설정된 목표와 관련하여 얼마나 유용하거나 유익한지 예측합니다.
유틸리티 기반 에이전트는 투자 결정을 내리기 위해 다양한 위험의 균형을 맞추거나 치료 옵션의 부작용을 평가하는 등 여러 가지 잠재적 결과가 발생할 수 있는 복잡한 의사 결정 환경에서 탁월한 능력을 발휘합니다.
이러한 지능형 에이전트의 효용 함수는 선호도를 수학적으로 표현한 것입니다. 유틸리티 함수는 주변 세계에 매핑되어 어떤 옵션이 가장 바람직한지 결정하고 순위를 매깁니다. 그러면 유틸리티 에이전트는 최적의 작업을 선택할 수 있습니다.
대량의 데이터를 처리할 수 있기 때문에 중요한 의사 결정이 필요한 모든 분야에서 유용하게 사용할 수 있습니다.
금융 거래
유틸리티 기반 에이전트는 금융 수익을 극대화하거나 손실을 최소화하는 알고리즘에 따라 매수 또는 매도할 수 있어 주식 및 암호화폐 시장에 적합합니다. 이러한 유형의 유틸리티 함수는 과거 데이터와 실시간 시장 데이터를 모두 고려할 수 있습니다.
동적 가격 시스템
빗속에서 우버나 리프트에 추가 요금을 지불한 적이 있나요? 항공, 호텔 또는 차량 공유의 경우 수요, 경쟁 또는 예약 시간에 따라 실시간으로 가격을 조정할 수 있는 유틸리티 기반 에이전트가 바로 이런 일을 합니다.
스마트 그리드 컨트롤러
이러한 유형의 지능형 에이전트는 스마트 그리드에서 '스마트'한 에이전트로, 전기의 분배와 저장을 제어하는 유틸리티 기반 에이전트입니다.
수요 예측과 에너지 가격을 기반으로 자원 사용을 최적화하여 효율성을 개선하고 비용을 절감합니다.
개인화된 콘텐츠 추천
영화 한 편을 시청하면 넷플릭스가 같은 영화를 3편 더 추천해 줍니다.
넷플릭스나 스포티파이 같은 스트리밍 서비스는 유틸리티 기반 에이전트를 사용하여 사용자에게 유사한 콘텐츠를 추천합니다. 여기서 최적화된 유틸리티란 사용자가 클릭할 가능성이 얼마나 높은지를 의미합니다.
2. 목표 기반 에이전트
목표 기반 AI 에이전트는 인공지능을 통해 특정 목표를 달성하도록 설계되었습니다.
이러한 이성적인 에이전트는 단순히 자극에 반응하는 대신 행동의 미래 결과를 고려할 수 있으므로 목표 달성을 위한 전략적 결정을 내릴 수 있습니다.
조건-행동 규칙에 따라 자극에 직접 반응하는 단순 반사 에이전트와 달리 목표 기반 에이전트는 목표를 달성하기 위해 행동을 평가하고 계획합니다.
다른 유형의 지능형 에이전트와 차별화되는 점은 선견지명과 전략적 계획을 결합하여 특정 결과를 향해 나아갈 수 있는 능력입니다.
룸바
많은 사랑을 받고 있는 룸바처럼 로봇 청소기는 접근 가능한 모든 바닥 공간을 청소한다는 특정 목표를 가지고 설계되었습니다. 이 목표 기반 에이전트는 단순한 목표를 가지고 있으며 이를 잘 수행합니다.
이 목표 기반 에이전트가 내리는 모든 결정(예: 로테이션 시기)은 이 고상한 목표를 추구하기 위해 이루어집니다. 그 위에 앉아있는 고양이는 그저 덤일 뿐입니다.
프로젝트 관리 소프트웨어
유틸리티 기반 에이전트를 사용할 수도 있지만, 프로젝트 관리 소프트웨어는 일반적으로 특정 프로젝트 목표를 달성하는 데 중점을 둡니다.
이러한 AI 에이전트는 종종 작업을 예약하고 리소스를 할당하여 팀이 제시간에 프로젝트를 완료할 수 있도록 최적화합니다. 에이전트는 성공 가능성이 가장 높은 과정을 평가하고 팀을 대신하여 이를 실행합니다.
비디오 게임 AI
전략 및 롤플레잉 게임에서 AI 캐릭터는 목표 기반 에이전트 역할을 하며, 그 목표는 위치 방어부터 상대방 처치까지 다양합니다.
이 인형 같은 AI 에이전트는 목표를 달성하기 위해 어떤 공격을 사용할지, 어떤 파워업을 소모할지 등 다양한 전략과 리소스를 고려합니다.
3. 모델 기반 반사 에이전트
항상 눈에 보이거나 예측할 수 없는 정보에 적응해야 할 때는 모델 기반 반사 에이전트를 사용하는 것이 좋습니다.
현재 인식에만 반응하는 단순 반사 에이전트와 달리 모델 기반 반사 에이전트는 부분적으로 관찰 가능한 환경을 예측할 수 있는 내부 상태를 유지합니다. 이것은 자신의 임무와 관련된 세계 구간에 대한 내부 모델입니다.
이 모델은 환경으로부터 들어오는 데이터로 지속적으로 업데이트되므로 AI 에이전트가 환경의 보이지 않는 부분에 대해 추론하고 향후 상황을 예측할 수 있습니다.
결정을 내리기 전에 행동의 잠재적 결과를 평가하여 복잡한 문제를 처리할 수 있습니다. 이는 도시에서 자동차를 운전하거나 자동화된 스마트 홈 시스템을 관리하는 등 복잡한 작업을 수행할 때 특히 유용합니다.
모델 기반 리플렉스 에이전트는 과거 지식과 실시간 데이터를 결합할 수 있기 때문에 작업에 관계없이 성능을 최적화할 수 있습니다. 인간과 마찬가지로 예측할 수 없는 상황에서도 상황에 맞는 의사 결정을 내릴 수 있습니다.
자율 주행 차량
이러한 자동차는 여러 유형의 지능형 에이전트에 걸쳐 있지만, 모델 기반 반사 에이전트의 좋은 예입니다.
교통 및 보행자 움직임과 같은 복잡한 시스템은 모델 기반 반사 에이전트가 설계된 바로 그런 종류의 문제입니다.
내부 모델은 다른 차량이 빨간불에 진입하면 브레이크를 밟거나 앞차가 같은 속도로 달리면 속도를 줄이는 등 도로에서 실시간으로 의사 결정을 내리는 데 사용됩니다. 내부 시스템은 다른 차량, 횡단보도에서의 활동, 날씨 등 환경 입력에 따라 지속적으로 업데이트됩니다.
최신 관개 시스템
모델 기반 반사 에이전트는 현대 관개 시스템의 핵심입니다. 예기치 않은 환경 피드백에 대응할 수 있어 날씨와 토양 수분 수준에 완벽하게 적합합니다.
AI 에이전트의 내부 모델은 토양 수분 수준, 기상 조건, 식물의 물 요구량과 같은 다양한 환경 요인을 표현하고 예측합니다.
이러한 에이전트는 습도, 온도, 강수량에 대한 실시간 정보를 포함하여 해당 분야의 센서에서 지속적으로 데이터를 수집합니다.
모델 기반 반사 에이전트는 이 데이터를 분석하여 언제 물을 줄지, 얼마나 많은 물을 분배할지, 어느 구역에 더 많은 주의가 필요한지에 대해 정보에 입각한 결정을 내릴 수 있습니다. 이러한 예측 기능을 통해 관개 시스템은 물 사용량을 최적화하여 식물이 성장하는 데 필요한 물을 낭비 없이 정확하게 공급받을 수 있습니다.
홈 자동화 시스템
이러한 시스템은 센서의 데이터로 지속적으로 업데이트되고 이 정보를 사용하여 의사 결정을 내리는 데 사용합니다.
온도 조절기는 온도 변화를 감지하여 필요에 따라 설정합니다. 또는 조명 시스템은 실외의 어둠을 감지하고 그에 따라 조정할 수 있습니다. 이러한 어둠은 야간 또는 예상치 못한 뇌우로 인해 발생할 수 있으므로 지능형 에이전트가 차이를 예측하고 이에 대응해야 합니다.
4. 학습 에이전트
학습 에이전트는 경험을 바탕으로 시간이 지남에 따라 적응하고 개선할 수 있는 능력이 뛰어납니다.
사전 프로그래밍된 규칙이나 모델에 의해서만 작동하는 정적인 AI 에이전트와 달리 학습 에이전트는 행동과 전략을 진화시킬 수 있습니다. 이러한 학습 요소로 인해 변화하는 환경에서 가장 자주 사용됩니다.
사기 탐지
사기 탐지 시스템은 지속적으로 데이터를 수집한 다음 사기 패턴을 보다 효과적으로 인식하도록 조정하는 방식으로 작동합니다. 사기꾼은 항상 전술을 바꾸기 때문에 사기 탐지 에이전트도 계속 적응해야 합니다.
콘텐츠 추천
넷플릭스나 아마존과 같은 플랫폼은 학습 에이전트가 탑재된 시스템을 사용하여 영화, 프로그램, 제품에 대한 추천을 개선합니다.
프로필에 공포 및 스릴러 영화를 좋아한다고 표시되어 있어도 갑자기 롬컴으로 변경하면 추천 항목이 변경됩니다. 사람과 마찬가지로 항상 학습하는 중입니다.
음성 인식 소프트웨어
Google 어시스턴트 및 Siri와 같은 애플리케이션은 학습 에이전트를 사용하여 불분명한 대화 시도를 더 잘 이해합니다.
학습 에이전트 덕분에 이러한 시스템이 억양과 속어를 더 잘 이해할 수 있게 되어 "오, 시리, 저녁 먹을 수 있는 가장 가까운 치킨집 좀 찾아줄래?"와 같은 질문을 Siri에게 할 수 있게 되었습니다. 나 배고파 죽겠어!"
적응형 온도 조절기
Nest와 같은 스마트 온도조절장치도 사용자가 집에 있을 때와 집을 비울 때, 선호하는 온도 등 사용자 행동을 통해 학습합니다.
이 정보는 항상 변경될 수 있으므로 온도 조절기는 시간이 지남에 따라 적응할 수 있어야 하며, 이는 학습 에이전트의 또 다른 예가 됩니다.
.webp)
5. 계층적 에이전트
계층형 에이전트는 문제에 대한 구조화된 다층적 접근 방식으로 인해 다른 유형의 AI 에이전트와 크게 다릅니다.
계층적 상담원은 의사 결정 수준이 서로 다른 복잡한 조직 구조와 유사합니다. 시스템 내의 상담원마다 전문 분야가 다르기 때문에 복잡한 다단계 작업을 보다 효율적으로 처리할 수 있습니다.
계층형 에이전트는 여러 개의 작은 AI 에이전트로 구성되기 때문에 AI 에이전트를 배포하는 더 복잡한 방법 중 하나입니다.
한 문장으로 요약하면 계층적 에이전트 구조는 시스템의 여러 수준에서 의사 결정을 내리는 구조화된 프로세스에 관한 것입니다.
제조 로봇
첨단 제조 시스템에서는 계층적 에이전트가 생산 라인을 조율합니다.
상위 레벨 에이전트는 시스템 전반에서 작업을 계획하고 할당하며, 하위 레벨 에이전트는 조립 작업을 위해 로봇 팔과 같은 특정 기계를 제어합니다.
각자가 서로 소통하여 원활한 생산 흐름을 보장하는 다단계 의사 결정을 내릴 수 있습니다.
항공 교통 관제 시스템
이러한 시스템은 계층적 에이전트를 사용하여 항공 교통의 안전하고 효율적인 흐름을 관리합니다. 이 작업은 여러 기능에 걸친 복잡한 작업이므로 적절한 실행을 위해서는 계층적 에이전트 시스템이 필요합니다.
상위 레벨 에이전트는 광범위한 지역 교통 관리를 담당하고 하위 레벨 에이전트는 개별 공항의 이착륙 및 택시와 같은 특정 업무에 집중합니다.
자율 창고 로봇
계층적 에이전트는 머신러닝으로 강화된 창고에서 재고 및 패키지 처리를 관리하는 역할을 합니다.
상위 레벨 에이전트는 창고 레이아웃과 재고 분배를 최적화하고 하위 레벨 에이전트는 개별 로봇 지게차와 분류기를 조작하여 상품을 이동하고 정리하는 물리적 작업을 수행합니다.
6. 로봇 에이전트
지능형 에이전트라고 하면 바로 로봇 에이전트를 떠올리게 됩니다.
성능 요소가 추가된 로봇 에이전트는 인공지능 에이전트의 포스터 어린이라고 할 수 있습니다. 이러한 지능형 에이전트는 소프트웨어 에이전트로만 존재하는 것이 아니라 실제 환경에서 작동합니다.
이러한 인공지능 에이전트의 물리적 구현에는 일반적으로 카메라나 터치 센서와 같은 센서가 장착되어 있습니다. 이러한 종류의 AI 에이전트는 위험하거나 매우 반복적인 작업에 특히 유용하며, 이러한 작업을 인공지능 에이전트가 대신 수행하도록 하는 것이 더 효율적이고 비용 효율적일 수 있습니다.
이러한 유형의 인공지능 에이전트는 다른 유형의 인공지능과 결합되어 다중 에이전트 시스템이나 계층적 시스템 내에서 유틸리티 작업이나 목표 작업을 물리적으로 수행할 수 있습니다.
조립 라인 로봇
조립 라인에는 수많은 로봇이 있습니다. 이러한 AI 에이전트는 용접, 도장, 부품 조립과 같은 작업을 매우 정밀하고 빠르게 수행합니다.
지능형 에이전트이기 때문에 고정된 성능 표준을 유지하면서 생산 시간을 최적화할 수 있습니다.
수술용 로봇
수술은 위험도가 높으면서도 정밀하기 때문에 AI 에이전트에게 이상적입니다.
다빈치 수술 시스템과 같은 로봇 에이전트는 외과의가 정밀하고 최소 침습적인 수술을 수행할 때 보조합니다. 이러한 AI 에이전트는 자율적으로 수술을 수행하지는 않지만 외과의의 역량을 확장합니다.
농업용 로봇
로봇은 씨앗 심기부터 농작물 수확, 현장 상태 모니터링에 이르기까지 농업 주기에서 일반적으로 사용됩니다.
이러한 AI 에이전트는 사람이 하는 것보다 기계가 10,000개의 당근 씨앗을 심는 것이 더 쉬울 수 있기 때문에 생산성을 높이는 데 도움이 됩니다.
서비스 로봇
가장 유명한 서비스 로봇은 바로 월-E입니다. 2위는 무한리필 초밥을 주문하면 테이블로 직접 가져다주는 레스토랑 로봇이 차지했습니다.
로봇 청소기, 호텔에서 투숙객에게 정보 제공, 모든 종류의 시설에서 고객에게 물품 배달 등 모든 곳에서 서비스 로봇을 사용하고 있습니다.
7. 가상 비서
가상 비서는 자연어 처리와 인공 지능으로 구동되며, 일반 대중에게 가장 친숙한 AI 에이전트의 예일 것입니다.
이러한 지능형 개인 비서는 자연어 처리를 통해 사람의 언어를 이해하고 처리하여 미리 알림 설정 및 이메일 관리와 같은 작업을 수행합니다.
이러한 유형의 AI 에이전트에는 학습 요소도 포함되어 있어 사용자 상호작용을 통해 학습할 수 있으며, 시간이 지남에 따라 더욱 개인화되고 효과적입니다.
Siri
최초의 주류 가상 비서 중 하나인 Siri는 iPhone, iPad, Mac, Apple Watch를 비롯한 대부분의 Apple 기기에 통합되어 있습니다.
Siri는 전화 걸기, 문자 보내기, 미리 알림 설정, 길 안내, 일반적인 지식 질문에 대한 답변 등 다양한 작업을 도와줍니다.
Alexa
Amazon Echo 장치 및 기타 Alexa 지원 제품에서 사용할 수 있는 이 가상 비서는 음악을 재생하고, 스마트 홈 장치를 제어하고, 쇼핑 목록을 만들고, 뉴스 업데이트를 제공합니다. 그리고 인간을 위한 '알렉사'라는 이름을 망쳤습니다.
Google 어시스턴트
Android 휴대폰과 Google 홈 기기에서 이 에이전트 프로그램을 알고 계실 겁니다. Google 어시스턴트는 웹에서 정보를 가져오고, 이벤트를 예약하고, 스마트홈 제품을 관리하고, 실시간 번역을 수행하는 데 탁월합니다.
Google 서비스와의 긴밀한 통합으로 지도, YouTube 및 검색 기능과 관련된 작업에 특히 강력합니다.
8. 멀티 에이전트 시스템
멀티 에이전트 시스템의 장점은 다양성과 풍부한 상호 작용에 있습니다.
이러한 시스템 내의 에이전트는 데이터를 필터링하는 단순한 소프트웨어 에이전트부터 스마트 그리드나 교통 네트워크의 중요한 기능을 관리하는 복잡한 엔티티에 이르기까지 매우 다양합니다.
각 에이전트는 반자율적으로 작동하지만 다른 에이전트와 상호 작용하도록 설계되어 개별 행동에서 집단 행동이 나오는 역동적인 생태계를 형성합니다. 이러한 종류의 에이전트 프로그램에서는 협업이 핵심입니다.
트래픽 관리 시스템
이러한 지능형 에이전트는 교통 관리에서 찾을 수 있으며, 여러 에이전트가 서로 다른 교통 신호, 감시 카메라 및 정보 시스템을 나타냅니다.
이러한 AI 에이전트는 협업을 통해 교통 흐름을 최적화하고 정체를 줄이며 사고나 도로 작업과 같은 실시간 상황에 대응합니다. 각 에이전트는 해당 지역의 데이터를 처리하고 다른 에이전트와 통신하여 그에 따라 교통 신호를 조정하므로 팀워크가 필수적입니다.
에너지 관리를 위한 스마트 그리드
스마트 그리드에는 발전소부터 가정의 개별 스마트 계량기에 이르기까지 전력 분배의 다양한 측면을 제어하는 수많은 AI 에이전트도 포함됩니다.
이러한 AI 에이전트는 에너지 공급과 수요의 균형을 효율적으로 맞추고, 재생 에너지원을 통합하며, 전력망의 안정성을 유지하기 위해 함께 작동합니다.
멀티 에이전트 시스템의 조정을 통해 네트워크 전반에 걸쳐 최적의 에너지 분배와 비용 효율성을 보장합니다.
공급망 및 물류
공급망 관리에서 에이전트는 공급업체, 제조업체, 유통업체, 소매업체 등 다양한 이해관계자를 대표합니다. 이러한 에이전트는 조달에서 배송에 이르는 공급망 프로세스를 최적화하여 효율성을 보장하고 비용을 절감하기 위해 협력합니다.
자율 군집 로봇 공학
탐사 또는 구조 임무 중에는 로봇 무리가 배치되는 경우가 있습니다.
각 로봇 에이전트는 반독립적으로 작동하지만 다른 AI 에이전트와 협력하여 더 넓은 영역을 커버하거나, 감각 데이터를 공유하거나, 공동으로 물체를 움직일 수 있습니다.
이는 붕괴된 건물이나 행성 표면과 같이 대규모 AI 시스템 간의 팀워크가 개별 AI 에이전트보다 훨씬 더 많은 성과를 낼 수 있는 까다로운 환경에서 특히 유용합니다.
9. 단순 반사 에이전트
단순 반사 에이전트는 쓰레기 같은 존재입니다. 지능이 매우 제한적이며 직접적인 조건-행동 규칙에 따라 작동합니다.
이러한 규칙 기반 에이전트는 복잡한 작업에는 적합하지 않습니다. 하지만 특정 작업에는 완벽하게 능숙합니다.
단순 반사 에이전트는 예측 가능한 환경의 간단한 작업에 적합합니다. 이러한 종류의 에이전트는 주변 세계에 영향을 주지만 특정 작업에만 영향을 줍니다.
온도 조절기
겨울에 오후 6시라고요? 난방을 켜세요. 여름에는 정오인가요? 제한된 지능을 가진 이 간단한 반사 에이전트가 에어컨을 켤 것입니다.
자동 도어
인지 지능은 낮지만 자동문은 종종 단순 반사 에이전트의 예입니다. 이 AI 에이전트는 문 앞에 있는 사람을 감지하면 문이 열립니다. 아주 간단합니다.
연기 감지기
이 AI 에이전트는 주방 천장에서 작동합니다. 네, 단순한 반사 에이전트이기도 합니다. 연기를 감지하고 알람을 울립니다.
기본 스팸 필터
인공지능의 일부 에이전트는 수년 동안 매일 우리를 도와주고 있습니다. 이메일 스팸 필터도 그중 하나입니다. 기본 버전은 자연어 처리를 사용하지 않고 키워드나 발신자의 평판을 사용합니다.
나만의 AI 에이전트 구축
AI 에이전트에는 다양한 유형이 있으며, 일부는 다른 에이전트보다 훨씬 더 구축하기 어렵습니다.
하지만 이메일 전송 및 회의 예약과 같은 일상적인 시스템에서 작업을 수행할 수 있는 상담 챗봇을 구축하고자 하는 경우 저희가 도와드릴 수 있습니다.
저희 플랫폼은 초보자를 위한 간편한 드래그 앤 드롭 인터페이스와 전문 개발자를 위한 무한한 확장성을 갖추고 있습니다.
프로세스 전반에 걸쳐 지원이 필요한 경우 20,000명 이상의 봇 빌더로 구성된 활발한 커뮤니티도 운영하고 있습니다.
지금 바로 구축을 시작하세요. 무료입니다.
자주 묻는 질문들
AI 에이전트는 지각이 있나요?
아니요, AI 에이전트는 지각이 없습니다. 목표를 나타내는 소프트웨어 프로그램을 따르지만 결과를 달성하기 위해 자율적으로 행동할 수 있습니다.
AI 상담원의 의사 결정 및 조치 프로세스는 무엇인가요?
AI 에이전트 유형에 따라 환경을 관찰하고 조치를 취하는 방식이 다릅니다. 어떤 에이전트는 모델링 데이터를 사용하고 어떤 에이전트는 센서를 사용합니다. 이들은 프로그래밍된 추론에 따라 서로 다른 목표를 가지고 있습니다.
모델 기반 에이전트란 무엇인가요?
모델 기반 에이전트는 과거 데이터와 현재 입력을 결합하여 최상의 행동 방침을 결정하는 AI 에이전트의 일종인 모델 기반 반사 에이전트를 지칭하는 또 다른 방법입니다.
