Membandingkan AI tradisional dengan agen perangkat lunak dan AI agen - AWS Bimbingan Preskriptif

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Membandingkan AI tradisional dengan agen perangkat lunak dan AI agen

Tabel berikut memberikan perbandingan rinci AI tradisional, agen perangkat lunak, dan AI agen.

Karakteristik AI tradisional Agen perangkat lunak AI Agen

Contoh

Filter spam, pengklasifikasi gambar, mesin rekomendasi

Chatbots, penjadwal tugas, agen pemantauan

Asisten AI, agen pengembang otonom, orkestrasi LLM multi-agen

Model eksekusi

Batch atau sinkron

Digerakkan oleh acara atau terjadwal

Asinkron, didorong oleh peristiwa, dan didorong oleh tujuan

Otonomi

Terbatas; sering membutuhkan orkestrasi manusia atau eksternal

Medium; beroperasi secara independen dalam batas yang telah ditentukan

Tinggi; bertindak secara independen dengan strategi adaptif

Reaktivitas

Reaktif terhadap input data

Reaktif terhadap lingkungan dan peristiwa

Reaktif dan proaktif; mengantisipasi dan memulai tindakan

Proaktif

Langka

Hadir dalam beberapa sistem

Atribut inti; mendorong perilaku yang diarahkan pada tujuan

Komunikasi

Minimal; biasanya mandiri atau terikat API

Pesan antar-agen atau agen-manusia

Multi-agen dan human-in-the-loop interaksi yang kaya

Pengambilan keputusan

Inferensi model saja (klasifikasi, prediksi, dan sebagainya)

Penalaran simbolis, atau keputusan berbasis aturan atau naskah

Penalaran kontekstual, berbasis tujuan, dinamis (sering kali ditingkatkan LLM)

Niat yang didelegasikan

Tidak; melakukan tugas yang ditentukan langsung oleh pengguna

Sebagian; bertindak atas nama pengguna atau sistem yang memiliki ruang lingkup terbatas

Ya; bertindak dengan tujuan yang didelegasikan, seringkali di seluruh layanan, pengguna, atau sistem

Pembelajaran dan adaptasi

Seringkali model-sentris (misalnya., pelatihan ML)

Terkadang adaptif

Pembelajaran, memori, atau penalaran tertanam (misalnya, umpan balik, koreksi diri)

Agensi

Tidak ada; alat untuk manusia

Implisit atau dasar

Eksplisit; beroperasi dengan tujuan, sasaran, dan pengarahan diri

Kesadaran konteks

Rendah; tanpa kewarganegaraan atau berbasis snapshot

Sedang; beberapa pelacakan negara

Tinggi; menggunakan memori, konteks situasional, dan model lingkungan

Peran infrastruktur

Tertanam dalam aplikasi atau pipeline analitik

Middleware atau komponen lapisan layanan

Jaring agen yang dapat dikomposisikan terintegrasi dengan sistem cloud, tanpa server, atau edge

Ringkasnya:

  • AI tradisional berpusat pada alat dan sempit secara fungsional. Ini berfokus pada prediksi atau klasifikasi.

  • Agen perangkat lunak tradisional memperkenalkan otonomi dan komunikasi dasar, tetapi mereka sering terikat aturan atau statis.

  • Agentic AI menyatukan otonomi, asinkron, dan agensi. Ini memungkinkan entitas cerdas yang didorong oleh tujuan yang dapat bernalar, bertindak, dan beradaptasi dalam sistem yang kompleks. Ini membuat AI agen ideal untuk masa depan cloud-native yang digerakkan oleh AI.