Skip to content

Latest commit

 

History

History
84 lines (55 loc) · 9.21 KB

File metadata and controls

84 lines (55 loc) · 9.21 KB

AI Agents In Production

(برای مشاهده ویدیو این درس، روی تصویر بالا کلیک کنید)

عامل‌های هوش مصنوعی در محیط تولید

مقدمه

در این درس موارد زیر را بررسی خواهیم کرد:

  • چگونگی برنامه‌ریزی مؤثر برای استقرار عامل هوش مصنوعی خود در محیط تولید.
  • اشتباهات و مشکلات رایجی که ممکن است هنگام استقرار عامل هوش مصنوعی خود در تولید با آن‌ها مواجه شوید.
  • نحوه مدیریت هزینه‌ها در حالی که عملکرد عامل هوش مصنوعی خود را حفظ می‌کنید.

اهداف یادگیری

پس از اتمام این درس، شما خواهید دانست/درک خواهید کرد:

  • تکنیک‌هایی برای بهبود عملکرد، هزینه‌ها و اثربخشی سیستم عامل هوش مصنوعی در محیط تولید.
  • چه چیزی و چگونه عامل‌های هوش مصنوعی خود را ارزیابی کنید.
  • چگونه هنگام استقرار عامل‌های هوش مصنوعی در تولید، هزینه‌ها را کنترل کنید.

مهم است که عامل‌های هوش مصنوعی قابل اعتماد را مستقر کنید. همچنین درس «ساخت عامل‌های هوش مصنوعی قابل اعتماد» را بررسی کنید.

ارزیابی عامل‌های هوش مصنوعی

قبل، حین و بعد از استقرار عامل‌های هوش مصنوعی، داشتن یک سیستم مناسب برای ارزیابی آن‌ها حیاتی است. این اطمینان را می‌دهد که سیستم شما با اهداف شما و کاربران‌تان همسو است.

برای ارزیابی یک عامل هوش مصنوعی، مهم است که توانایی ارزیابی نه تنها خروجی عامل بلکه کل سیستمی که عامل در آن فعالیت می‌کند را داشته باشید. این شامل موارد زیر است، اما محدود به آن‌ها نیست:

  • درخواست مدل اولیه.
  • توانایی عامل در شناسایی نیت کاربر.
  • توانایی عامل در شناسایی ابزار مناسب برای انجام وظیفه.
  • پاسخ ابزار به درخواست عامل.
  • توانایی عامل در تفسیر پاسخ ابزار.
  • بازخورد کاربر به پاسخ عامل.

این امکان را به شما می‌دهد که نقاط قابل بهبود را به شکلی ماژولار شناسایی کنید. سپس می‌توانید تأثیر تغییرات در مدل‌ها، دستورات، ابزارها و سایر اجزا را با کارایی بهتر نظارت کنید.

مشکلات رایج و راه‌حل‌های ممکن برای عامل‌های هوش مصنوعی

مشکل راه‌حل ممکن
عامل هوش مصنوعی به طور مداوم وظایف را انجام نمی‌دهد - دستورات داده شده به عامل را دقیق‌تر کنید؛ اهداف را واضح بیان کنید.
- مشخص کنید که تقسیم وظایف به زیروظایف و واگذاری آن‌ها به چند عامل چگونه می‌تواند کمک کند.
عامل هوش مصنوعی در حلقه‌های تکراری گیر می‌کند - شرایط و قوانین خاتمه را واضح تعیین کنید تا عامل بداند چه زمانی باید فرایند را متوقف کند.
- برای وظایف پیچیده که نیاز به استدلال و برنامه‌ریزی دارند، از مدل بزرگتری که تخصصی برای این نوع وظایف است استفاده کنید.
تماس‌های ابزار عامل به خوبی عمل نمی‌کنند - خروجی ابزار را خارج از سیستم عامل تست و اعتبارسنجی کنید.
- پارامترها، دستورات و نام‌گذاری ابزارها را بهبود دهید.
سیستم چندعاملی به طور مداوم عملکرد خوبی ندارد - دستورات داده شده به هر عامل را دقیق‌تر کنید تا مشخص و متمایز از یکدیگر باشند.
- سیستم سلسله‌مراتبی بسازید که از یک عامل «مسیریاب» یا کنترل‌کننده برای تعیین عامل مناسب استفاده کند.

مدیریت هزینه‌ها

در اینجا چند راهکار برای مدیریت هزینه‌های استقرار عامل‌های هوش مصنوعی در تولید آورده شده است:

  • کش کردن پاسخ‌ها - شناسایی درخواست‌ها و وظایف متداول و ارائه پاسخ‌ها پیش از ارسال به سیستم عاملی شما، راه خوبی برای کاهش حجم درخواست‌های مشابه است. حتی می‌توانید جریانی پیاده‌سازی کنید که میزان شباهت درخواست به پاسخ‌های کش شده را با استفاده از مدل‌های هوش مصنوعی ساده‌تر تشخیص دهد.

  • استفاده از مدل‌های کوچک‌تر - مدل‌های زبانی کوچک (SLM) می‌توانند در برخی موارد استفاده عاملی عملکرد خوبی داشته باشند و هزینه‌ها را به طور قابل توجهی کاهش دهند. همانطور که قبلاً گفته شد، ساخت یک سیستم ارزیابی برای تعیین و مقایسه عملکرد در مقابل مدل‌های بزرگ‌تر بهترین راه برای فهمیدن عملکرد SLM در مورد کاربرد شما است.

  • استفاده از مدل مسیریاب - استراتژی مشابه استفاده از تنوع مدل‌ها و اندازه‌هاست. می‌توانید از LLM/SLM یا تابع بدون سرور برای هدایت درخواست‌ها بر اساس پیچیدگی به مدل‌های مناسب‌تر استفاده کنید. این همچنین به کاهش هزینه‌ها کمک می‌کند و در عین حال عملکرد در وظایف درست را تضمین می‌کند.

تبریک می‌گوییم

این در حال حاضر آخرین درس از مجموعه «عامل‌های هوش مصنوعی برای مبتدیان» است.

ما قصد داریم بر اساس بازخورد و تغییرات در این صنعت رو به رشد، درس‌های بیشتری اضافه کنیم، پس در آینده نزدیک دوباره سر بزنید.

اگر می‌خواهید یادگیری و ساخت عامل‌های هوش مصنوعی را ادامه دهید، به دیسکورد جامعه Azure AI بپیوندید.

ما در آنجا کارگاه‌ها، میزگردهای جامعه و جلسات «هر چیزی را بپرسید» برگزار می‌کنیم.

همچنین مجموعه‌ای از مطالب یادگیری داریم که می‌تواند به شما در شروع ساخت عامل‌های هوش مصنوعی در محیط تولید کمک کند.

درس قبلی

Metacognition Design Pattern

سلب مسئولیت:
این سند با استفاده از سرویس ترجمه هوش مصنوعی Co-op Translator ترجمه شده است. در حالی که ما برای دقت تلاش می‌کنیم، لطفاً توجه داشته باشید که ترجمه‌های خودکار ممکن است حاوی خطاها یا نادرستی‌هایی باشند. سند اصلی به زبان بومی آن باید به عنوان منبع معتبر در نظر گرفته شود. برای اطلاعات حیاتی، ترجمه حرفه‌ای انسانی توصیه می‌شود. ما مسئول هیچ گونه سوءتفاهم یا برداشت نادرست ناشی از استفاده از این ترجمه نیستیم.