Post

인공지능 - AI 에이전트

Posted Updated
By Blake Woo 9 min read

AI 에이전트

1. 개요

최근 AI가 발달하면서 AI를 활용한 많은 서비스들이 AI 에이전트라는 이름을 많이 달고 나온다. 그런데 여기서 말하는 AI 에이전트란 무엇일까?

AWS 공식 홈페이지에서 말하는 AI 에이전트는 환경과 상호 작용하고, 데이터를 수집하고, 데이터를 사용하여 사전 결정된 목표를 달성하기 위해 필요한 작업을 스스로 결정해서 수행할 수 있는 소프트웨어 프로그램을 말한다. 사람이 목표를 설정하면 AI 에이전트는 목표를 달성하기 위해 필요한 최적의 조치를 독립적으로 선택하여 수행하는 것이다.

이러한 AI 에이전트의 시작은 95년에 Manchester Metropolitan University의 Michael Wooldridge과 Nicholas R, Jennings가 쓴 Intelligent agents: theory and practice 라는 논문에서 시작된 것으로 보인다.

2. AI 에이전트의 특성

해당 논문에서 말하는 AI 에이전트는 아래의 특성을 지닌다.

  • 자율성(autonomy)
    에이전트가 직접적 인간 개입 없이 스스로 행동을 선택하고 내부 상태(신념·목표 등)를 관리할 수 있는 능력

  • 사회성(social ability)
    다른 에이전트(혹은 인간)과 통신·협력·조정할 수 있는 능력

  • 반응성(reactivity) 환경의 변화(센서 입력, 메시지 등)를 적시에 인식하고 적절히 대응하는 능력

  • 적극성/주도성(pro-activeness / proactivity) 단순히 반응만 하는 것이 아니라 자기 목표를 향해 능동적으로 계획을 세우고 행동을 시작하는 능력(initiative-taking)

논문에서는 위의 4개 요소가 있어야 AI 에이전트라고 말하긴 했지만, Standalone하게 사용하는 경우도 있는 것으로 보아 사회성의 경우에는 최근의 사례를 비추어보아 선택적인 것으로 볼 수 있을 것 같다.

3. AI 에이전트의 유형과 예시

AI 에이전트의 유형들은 아래와 같다.

유형특징대표 예시
단순 반사 에이전트사전 정의된 규칙에 따라 현재 상태에만 반응스마트 온도조절기, 공장 안전 센서
모델 기반 반사 에이전트내부 환경 모델을 유지하며 더 나은 의사결정스마트홈 보안 시스템, 네트워크 모니터링
목표 기반 에이전트특정 목표 달성을 위해 행동 순서 계획재고 관리 시스템, 창고 로봇
효용 기반 에이전트다양한 결과를 고려해 최적의 성과 추구주식 거래 봇, 에너지 관리 시스템
학습 에이전트경험으로부터 학습하여 성능 향상추천 시스템, 자율주행차
계층적 에이전트복잡한 작업을 하위 작업으로 분해하여 처리자율주행 차량, 기업 워크플로우 자동화
다중 에이전트 시스템여러 에이전트가 협력하여 복잡한 문제 해결드론 배송 시스템, 제조 공정 관리

사실 유형이라고 붙이니까 유형인거지 실제로는 구현방식이나 목적에 따라 구분 지어둔 것에 가깝다.

아래는 AI 에이전트들의 몇가지 예시이다.

  • Zendesk AI : Zendesk의 AI 기반 플랫폼은 기업이 고객 지원을 자동화하여 응답 시간을 단축하고 사용자 만족도를 향상하도록 지원한다. Zendesk는 AI 도구를 사용하는 기업이 티켓 응답 시간을 평균 30% 단축했다고 한다.
  • Amazon Alexa : Amazon의 음성 비서인 Alexa는 전 세계 1억 대 이상의 기기에 설치되어 있다 . 매주 10억 건 이상의 음성 상호작용을 통해 스마트 홈 기기 제어, 알림 설정, 음악 재생 등의 작업을 처리한다
  • Jasper AI : Jasper는 블로그 게시물이나 마케팅 카피와 같은 고품질 콘텐츠를 몇 초 만에 제작할 수 있도록 지원한다. 한 사례 연구에 따르면 Jasper 사용자들은 콘텐츠 제작에 소요되는 시간을 최대 80% 까지 절약했다고 한다.
  • PathAI – PathAI는 머신러닝을 활용하여 병리학자가 질병을 더욱 정확하게 진단할 수 있도록 지원한다. 연구에 따르면 AI 기반 병리학 도구는 진단 오류를 85% 까지 줄여 조기 발견 및 치료 효과를 높일 수 있다.

이 외에 많은 종류의 AI 에이전트가 있지만 몇가지만 갖고 왔으며, 더 많은 종류의 AI 에이전트가 있다.

4. AI 에이전트의 학습 방식

기본적으로 AI에서 흔히들 쓰는 방식과 다르지 않다.
다만 좀 조사해본 결과 각 목적에 맞는 방식을 사용하는 것으로 보인다.

학습 방법특징적합한 예시
지도학습(Supervised Learning)라벨이 붙은 예시(정답 데이터)로 학습, 정확한 입력-출력 쌍 최소화이미지/음성 인식, 이메일 스팸 필터
자기지도학습(Self-supervised Learning)라벨 없이, 데이터의 일부를 스스로 예측하는 과정을 통해 학습대형 언어 모델의 사전학습
강화학습(Reinforcement Learning)에이전트가 환경과 상호작용하며, 행위 결과(보상/페널티)를 바탕으로 최적 전략 발견로봇 제어, 게임 플레이, 자율주행
모방학습(Imitation Learning)인간/전문가의 행동을 따라하며 학습로봇 팔 조작, 드론 비행 시뮬레이션
회고/반영(Reflection)자신의 행동 결과를 스스로 평가하거나, 사용자의 피드백, 외부 평가를 통해 성능 향상대화형 챗봇, 추천 시스템

※ 추가 업데이트 예정

참고 자료

Machine Learning
AI Machine Learning AI Agent
This post is licensed under CC BY 4.0 by the author.