エージェンティックAI（AIエージェントとも呼ばれる）は、環境を知覚し、意思決定を行い、長期間にわたって行動を起こすことで、自律的に目標を追求する人工知能システムを説明するものである。この概念は、知能エージェントというより広い概念を拡張したものであり、知能エージェントとは、周囲を知覚し、目的を達成するために行動し、機械学習や知識獲得を通じて性能を向上させることができるあらゆる実体を指す。AIの教科書では、人工知能の分野は、しばしば知能エージェントの研究と設計として定義され、目標指向の行動が知能の中心と見なされている。
知能エージェントは、サーモスタットのような単純な制御システムから、人間、企業、国家のような複雑な実体まで多岐にわたる。エージェンティックAIは、特に積極的かつ持続的な自律性を強調し、単に即時の入力に反応する反応型システムとは区別される。これらのエージェントは、その目標を包含する目的関数に基づいて動作し、その関数の完了時の期待値を最大化する計画を作成し実行するように設計されている。
人工知能のエージェントベースの定義
スチュアート・ラッセルとピーター・ノーヴィグは、その影響力のある教科書において、人工知能を、環境から知覚を受け取り行動を実行するエージェントの研究として説明している。この枠組みでは、エージェントはセンサーを通じて知覚し、アクチュエーターを通じて行動する。合理的エージェントは、その知覚系列、事前知識、および利用可能な行動を考慮して、性能指標を最大化すると期待される行動を選択する。合理性は全知や成功の保証を必要とせず、利用可能な情報に基づく期待される結果に関するものである。
エージェント指向コンピューティングでは、エージェントは、自律性、環境変化への応答性、目標指向または積極的な行動などの特性によって特徴付けられる。モデリングアプローチの1つは、信念-欲望-意図（BDI）アーキテクチャであり、これはエージェントを、世界に関する情報、その目的、およびコミットした行動方針の観点から表現する。このアーキテクチャは、理論的および応用的なAI研究の両方に影響を与えてきた。
目的関数と目標の指定
目的関数は、知能エージェントの目標を指定する。エージェントは、その目的関数によりよく適合する結果をもたらす行動を一貫して選択する場合、より知的であると見なされる。目的関数は成功の尺度として機能し、単純な場合も複雑な場合もある。例えば、囲碁のゲームでは、目的関数は勝利に1、敗北に0の値を割り当てるかもしれないが、自動運転車の目的関数は、安全性、速度、乗客の快適性のバランスを取るかもしれない。
この概念を説明する用語は、文脈によって異なる。効用関数は、経済学や意思決定理論でよく使用され、状態の望ましさを表す。目的関数は最適化における一般的な用語であり、損失関数は機械学習で使用され、そこでは誤差を最小化することが目標となる。報酬関数は強化学習に現れ、適応度関数は進化的システムで使用される。目標は明示的にプログラムされるか、学習や進化を通じて誘導されることがある。
エージェンティックシステムにおける学習と適応
強化学習では、報酬関数がフィードバックを提供し、望ましい行動を促進し、望ましくない行動を抑制し、エージェントは累積報酬を最大化することを学習する。プログラマーは、最終目標への進捗に対して段階的な報酬を与えるために報酬形成を使用することがある。進化的システムは、適応度関数を使用して、どのエージェントが繁殖する可能性が高いかを決定し、これは自然選択に類似している。ヤン・ルカンは2018年に、ほとんどの学習アルゴリズムは本質的に何らかの目的関数の最小化から成ると述べた。
最近傍法などの一部のAIシステムは、明示的に目標駆動型であるというよりも、類推によって推論する。しかし、これらのシステムでさえ、トレーニングデータ内に暗黙的に定義された目標を持つことができる。知識表現システムなど、伝統的にエージェントと見なされないシステムも、質問に正確に答えるという目標を持つエージェントとして枠組み化できる。生成AIでは、模倣駆動型システムは、生成敵対ネットワークで見られるように、生成器が識別器を欺こうとする場合に、望ましい行動をどれだけ密接に模倣するかに基づいて目標関数を最適化するものとして枠組み化できる。
応用とより広い文脈
エージェンティックAIは、経済学におけるエージェントと密接に関連しており、知能エージェントパラダイムのバージョンは、認知科学、倫理学、実践的理性の哲学で研究されている。この概念は、学際的な社会認知モデリングやコンピュータ社会シミュレーションにも現れる。知能エージェントは、しばしばコンピュータプログラムに類似した抽象的な機能システムとして概略的に説明され、その抽象的な説明は抽象知能エージェントと呼ばれる。また、ユーザーに代わってタスクを実行する自律的なコンピュータプログラムであるソフトウェアエージェントとも関連しており、経済学から借用した用語である合理的エージェントと呼ばれることもある。
現代のエージェンティックAIの実装は、しばしば大規模言語モデルとトランスフォーマーアーキテクチャに基づいており、システムが計画を立て、ツールを使用し、長い期間にわたって動作することを可能にしている。MIT CSAIL、スタンフォードAIラボ、バークレーAIリサーチなどの研究機関は、これらのシステムの進歩に貢献してきた。OpenAI、Anthropic、Google DeepMindなどの企業は、推論と行動を統合するエージェンティックフレームワークを開発してきたが、この分野は急速に進化し続けている。