What is a Generative AI Agent?

Summary

このビデオスクリプトは、GoogleのVertex AIにおけるジェネラティブエージェントの基礎コンポーネントとアーキテクチャについて詳述しています。スピーカーであるPatrick Marloは、自己紹介に12年以上のNLP経験とオープンソースへの貢献を語り、ジェネラティブAIエージェントの定義とカテゴリーを説明します。デモでは、エージェントビルダーを使用して、リアルタイムの問い合わせに応じるカスタムエージェントを作成し、ツールとプロンプトを通じて応答をカスタマイズする方法を紹介しています。

Takeaways

• 😀 ゲネラティブAIエージェントとは、目的を達成するために観察と行動を行うアプリケーションを指す。
• 🔍 ゲネラティブAIエージェントは、大規模言語モデルエージェントやビジョン言語モデルエージェントなど、様々なモダリティを持つことができます。
• 🛠️ エージェントの基礎コンポーネントは、モデル、ツール、そしてリズニングループ（推論エンジン）の3つである。
• 📚 モデルのトレーニングデータは、エージェントの長期的な効果性に大きな役割を果たす。
• 🔗 ツールはエージェントが外部世界と相互作用する手段を提供し、拡張機能、関数呼び出し、データストアがその例である。
• 🔄 リズニングループは繰り返し自己観察するプロセスで、エージェントの思考過程を形成する。
• 📈 モデルとエージェントの主な違いは、モデルは訓練された知識に限定されるのに対し、エージェントはリアルタイム情報を取得し、その情報に基づいて行動できる。
• 🛑 モデルからのハローケネーション（架空の応答）を管理するためには、エージェントに現実世界の情報を提供する必要がある。
• 🔧 エージェントビルダーを使用することで、プロンプトやツールを簡単に追加し、エージェントを構築・調整できる。
• 🔗 マルチエージェントアーキテクチャでは、共同作業型や監督型のアーキテクチャが用いられ、複数のエージェントが協調して問い合わせに応答する。
• 📝 データの品質と量に対するガイドラインとしては、99％のユースケースでは多くのトレーニングデータがモデル内にあり、ファインチューニングやfew-shot例の追加が重要である。

Q & A

ジェネラティブAIエージェントとはどのような概念ですか？

ジェネラティブAIエージェントは、目的を達成するために世界を観察し、その持ち得るツールを用いて行動するアプリケーションです。これはソフトウェアアプリケーションの一形態で、複数の異なるコンポーネントから成り立ちます。

GoogleのVertex AI空間におけるエージェントの提供内容とは何ですか？

GoogleのVertex AIでは、エージェントに関する複数の機能を提供しており、特に大規模な言語モデルや会話型プロダクト、検索プロダクトの開発に注力しています。また、モデルに対する対抗的テストやクライアントとの共同孵化も行っています。

ジェネラティブAIエージェントを構築する際の基礎コンポーネントには何がありますか？

ジェネラティブAIエージェントを構築する際の基礎コンポーネントは、使用する基礎モデル、モデルが外部世界と相互作用するためのツール、そしてエージェントの核心である推論ループ（Reasoning Loop）です。

ツール（Tools）とはエージェントにとってどのような機能を持ちますか？

ツールはエージェントが外部世界とやり取りする手段を提供し、読み書きの両方の相互作用が可能にします。例えば、Googleの飛行機の予約APIやウェブ検索、メールの読み書きなどが挙げられます。

ジェネラティブAIエージェントにおける推論ループとはどのようなプロセスですか？

推論ループはエージェントの内部で繰り返される反復的な自己観察のプロセスであり、エージェントは必要なすべてのステップを考慮し、決定を下します。これは日常の判断プロセスと似ており、ユーザーのクエリやイベントに基づいて問題を解決します。

モデルとエージェントの主な違いは何ですか？

モデルはトレーニングデータに限定されており、それ以外の知識は持たないのに対し、エージェントはリアルタイムの情報を外部世界から取得し、その情報を基に推論し行動することができます。

マルチエージェントアーキテクチャの2つの主要なスタイルは何ですか？

マルチエージェントアーキテクチャの2つの主要なスタイルは、協調型アーキテクチャと監督型アーキテクチャです。前者では複数のエージェントがメッセージキューを通じて情報を共有し、後者ではオーケストレーションエージェントがサブエージェントに問い合わせを振り分けます。

デモで使用されたAgent Builderツールの機能は何ですか？

Agent Builderツールは、ユーザーがプロンプトを管理し、ツールを接続し、エージェントを連結するためのビジュアルUIビルダーです。これにより、コードを書かずともエージェントを構築することが可能になります。

エージェントのトレーニングデータの質と量に関連するガイドラインはありますか？

99％のユースケースでは、モデルには十分なトレーニングデータがあり、主要な懸念はファインチューニングのエッジ、つまりファインショットの例です。3〜5の例を追加するのがベストプラクティスです。

オーケストレーション時に使用するツールはGoogle内だけではなく、外部のツールも使えますか？

オーケストレーション時には、Google内だけでなく外部のツールも使用でき、さまざまなタイプのアーキテクチャやフレームワークを組み合わせて使用することができます。