Agentic Workflows: Как повысить эффективность ИИ без новых моделей
Andrew Ng рассказал о концепции agentic workflows и их важности в проектах с ИИ. Пример из его выступления: написание эссе. Этот процесс делится на этапы — планирование, исследования, черновик, редактирование. LLM работают аналогично, что позволяет улучшить качество результатов.
Даже простые модели вроде GPT-3 в сочетании с agentic workflows могут давать лучшие результаты, чем GPT-4. Это экономит ресурсы без потери качества. Например, O1 Pro и O3, по слухам, — это не новые модели, а всё та же O1 с использованием workflows, таких как параллелизация (генерация нескольких вариантов и выбор лучшего).
Ng выделил 4 популярных паттерна AI workflows:
- Reflection: модель анализирует свои ответы, находит ошибки и исправляет их.
- Tool use: использование API для выполнения действий (поиск, уведомления и т.д.).
- Planning: разбиение задачи на шаги.
Пример — создание изображения в заданной позе:
Определение позы (OpenPose Model);
Преобразование позы в изображение (Google/VIT Model);
Генерация текста по изображению (VIT-GPT2 Model). - Multi-agent collaboration: разделение задач между разными моделями, каждая из которых выполняет свою часть.
Ng также подчеркнул, что AI-агенты — это не магия, а хорошо настроенные процессы. Такой подход делает модели более эффективными и адаптивными.