AIエージェントにおける広さと深さのトレードオフ
by
Kenjiro Nogawa
Link
Embed
Share
Beginning
This slide
Copy link URL
Copy link URL
Copy iframe embed code
Copy iframe embed code
Copy javascript embed code
Copy javascript embed code
Share
Tweet
Share
Tweet
Slide 1
Slide 1 text
Confidential AIエージェントにおける 広さと深さのトレードオフ ~ 実用的なエージェントを作るために~ 2023/07/21 nogaken AI Agent Meetup #0
Slide 2
Slide 2 text
目次 ● 自己紹介 ● High Linkの紹介 ● 汎用性 (広さ)と自律性 (深さ)のトレードオフ ● LLM Agentの今後についてのお気持ち 2
Slide 3
Slide 3 text
3 自己紹介 nogaken (@nogaken1107) ● 経歴 ○ 情報系修士 ■ マルチモーダル対話システムに関する研究 ○ LINE株式会社 ■ LINE LIVEやLINE MUSICのサーバーサイドエン ジニア ○ 株式会社High Link ■ 執行役員CTO ■ プロダクト開発組織全体のマネージャーと新規事 業の立ち上げに注力 ● 好きな映画 ○ Interstellar ■ この映画に出てくる「TARS」「CASE」と いう自律型ロボットが好きです
Slide 4
Slide 4 text
High Linkの紹介 4
Slide 5
Slide 5 text
5 LLM活用事例の紹介 香りおすすめエージェント 「Kaori」 ● 探したい香りのイメージを入力に おすすめの香水を根拠とともに提示する 香り商品探しのアドバイザー ● 1stバージョンは、1問1答 & 単一function ○ 得られたデータを元により自律的な バージョンにアップデート予定 他にもいろいろ作ってます ex. SQL文自動生成, 社内のLLMツール基盤bot, etc.
Slide 6
Slide 6 text
LLM Agentsって何を指す? - LLM Powered Autonomous Agents - LLMを搭載した自律型エージェント - Autonomous Agents - (定義はいろいろあるが) 目的を達成するために、環境を感知し自律的に行動するエージェント - Agents - ユーザーの代理として動作するソフトウェア つまり - LLM Agents: 目的を達成するために、ユーザーの代理として、環境を感知し自律的に行動する、LLMを 搭載したソフトウェア 6
Slide 7
Slide 7 text
広さ(汎用性)と深さ (自律性)によるエージェントの分類 7 ● 汎用性 ○ 高いほど、広範囲の目的をカバーする ● 自律性 ○ 高いほど、エージェントが自身でユーザーの助 けを借りず自走する
Slide 8
Slide 8 text
汎用性と自律性のトレードオフ 8 ● 汎用性と自律性の両方が高い、かつ役に立 つものを作るのは、現状かなり難しい ○ 汎用性を高くするには ■ 幅広い情報をうまく扱える必要がある ○ 自律性を高くするには ■ 適切に設計された「行動」と行動を決定 するためのよい「方策」が必要となる ○ どちらも合わさると、必要となる情報処理能力 がめちゃくちゃ高くなる
Slide 9
Slide 9 text
LLM Agentの今後についてのお気持ち 9 ● 汎用性と自律性にはトレードオフがあるので、それを意識してユーザーにとって有益なエージェント を設計するのが重要 ○ ex. 最初は汎用性を下げて(スコープを絞って)リリースしてデータを集め、徐々に汎化させて いく ● OpenAIによると、2023年中にGPT-4のFine-Tuningができるようになる ○ Function callingの呼び出しも含めてFine-Tuningできるのならば、エージェントの行動選択 (方策)の精度をタスクに合わせて改善できる => 自律性の高いエージェントを作りやすくなる ● LLM Agent領域、わくわくしますね!!