Autonomous Agents 자율 에이전트 가이드 3

 

 

자율 에이전트의 작동 방식

 

이미 자율 에이전트의 작동 방식에 대한 높은 수준의 내용을 읽으셨겠지만, 전체적인 프레임워크의 한 가지 버전을 제공하고 자율 에이전트의 몇 가지 예를 단계별로 세분화하는 것이 도움이 될 것이라고 생각했습니다.

 

 

 

Autonomous Agents 자율 에이전트 가이드 4 

Autonomous Agents 자율 에이전트 가이드 3 

Autonomous Agents 자율 에이전트 가이드 2 

Autonomous Agents 자율 에이전트 가이드 1 

 

 

"현재 AI는 전체적으로 볼 때 아이언맨의 자비스나 인터스텔라의 타스처럼 영화에서 보았던 것처럼 인공지능 비서로 진화할 수 있는 빌딩 블록 단계에 있습니다. 지금은 인공지능 자체가 계속 발전하고 있기 때문에 프레임워크를 구축해야 할 시기입니다. 답변이 정확하지 않을 수도 있습니다. 오류가 있을 수도 있습니다. 하지만 지난 6개월 동안 AI가 얼마나 발전했는지를 보면 앞으로 1~2년 후에는 어떤 상황이 될지 상상하기조차 어렵습니다. 따라서 일찍, 빠르게 실험하고 퍽이 어디로 향하는지 스케이트를 타는 것이 중요합니다." Jenny Reece, 소비자 인사이트 부문, Microsoft

 

먼저, 자율 에이전트를 위한 일반화된 프레임워크입니다:

 

1. 목표 초기화: AI의 목표를 정의합니다.
2. 작업 생성: AI는 메모리에 마지막으로 완료한 작업 X개가 있는지 확인한 다음, 목표와 최근에 완료한 작업의 컨텍스트를 사용하여 새 작업 목록을 생성합니다.
3. 작업 실행: AI가 자율적으로 작업을 실행합니다.
4. 메모리 저장: 작업과 실행 결과는 벡터 데이터베이스에 저장됩니다.
5. 피드백 수집: AI는 완료된 작업에 대한 피드백을 외부 데이터 또는 AI의 내부 대화 형식으로 수집합니다. 이 피드백은 적응형 프로세스 루프의 다음 반복을 알리는 데 사용됩니다.
6. 새 작업 생성: AI는 수집된 피드백과 내부 대화를 기반으로 새로운 작업을 생성합니다.
7. 작업 우선순위 지정: AI는 작업 목록의 목표를 검토하고 마지막으로 완료된 작업을 확인하여 작업 목록의 우선순위를 다시 지정합니다.
8. 작업 선택: AI가 우선순위가 지정된 목록에서 최상위 작업을 선택하고 3단계에 설명된 대로 작업을 실행합니다.
9. 반복: AI는 4단계부터 8단계까지를 연속적으로 반복하여 새로운 정보, 피드백 및 변화하는 요구 사항에 따라 시스템이 적응하고 진화할 수 있도록 합니다.

 

정말 놀랍습니다. 이제 제가 추정하기로 결정한 몇 가지 다른 사용 사례에 적용해 보겠습니다. 

 

"자율 에이전트는 궁극적인 생산성 향상을 구현한다는 점에서 저에게 정말 매력적입니다. 지루하거나 반복적인 작업에서 자동화를 매우 중요하게 생각하는 사람으로서 저는 이러한 에이전트가 업무 방식을 혁신하여 정신적 에너지를 더 의미 있는 일에 집중할 수 있게 해줄 잠재력을 가지고 있다고 생각합니다." Gabriel Menezes, 옥테인 AI 엔지니어링 디렉터

 

 

 

이미지 출처와 원문 https://www.mattprd.com/p/the-complete-beginners-guide-to-autonomous-agents

 

 

예 #1: 소셜 미디어 관리자 자율 에이전트

 

소셜 미디어 계정을 관리하기 위해 소셜 미디어 매니저를 고용하는 대신, 적은 비용으로 24시간 인텔리전스를 제공하는 자율 에이전트가 모든 작업을 대신 수행해 주기를 원한다고 가정해 보겠습니다. 

 

"이것은 단순한 가상 비서가 아닙니다. 모든 업무, 연구, 심지어 온라인 게임까지 가속화하는 혁명입니다. 몇 시간, 며칠, 몇 달이 걸리는 온라인 작업을 이제 백그라운드에서 몇 분 만에 완료할 수 있습니다." Sharon Zhou, 스탠포드 CS 교수, 전 Google 머신러닝 제품 관리자

 

자율 에이전트를 위한 프레임워크의 모습은 다음과 같습니다.

 

1. 목표 초기화: 타겟 오디언스, 소셜 미디어 플랫폼, 콘텐츠 카테고리 및 게시 빈도와 같은 초기 매개변수를 설정합니다.
2. 데이터 수집: 과거 소셜 미디어 게시물, 사용자 상호 작용 및 플랫폼별 트렌드에 대한 데이터를 수집합니다. 여기에는 좋아요, 공유, 댓글 및 기타 참여 지표가 포함될 수 있습니다.
3. 콘텐츠 분석: 수집한 데이터를 분석하여 타겟 오디언스와 관련된 패턴, 인기 주제, 해시태그, 인플루언서를 파악합니다. 이 단계에는 자연어 처리 및 머신 러닝 기술을 사용하여 콘텐츠와 그 맥락을 이해할 수 있습니다.
4. 콘텐츠 제작: 분석을 바탕으로 콘텐츠 아이디어를 생성하고 플랫폼과 오디언스의 선호도에 맞는 소셜 미디어 게시물을 만듭니다. 여기에는 AI가 생성한 텍스트, 이미지 또는 비디오를 사용할 수도 있고, 사용자가 생성한 콘텐츠나 다른 소스에서 선별한 콘텐츠를 통합할 수도 있습니다.
5. 스케줄링: 플랫폼별 트렌드, 오디언스 활동 및 원하는 빈도를 기반으로 각 콘텐츠를 게시할 최적의 시간을 결정합니다. 그에 따라 게시물을 예약합니다.
6. 성과 모니터링: 좋아요, 공유, 댓글, 클릭률과 같은 참여 지표 측면에서 각 게시물의 성과를 추적합니다. 가능하면 사용자 피드백을 수집하여 오디언스의 선호도에 대한 이해를 더욱 구체화합니다.
7. 반복 및 개선: 성과 데이터와 사용자 피드백을 분석하여 개선이 필요한 영역을 파악합니다. 이러한 인사이트를 반영하여 콘텐츠 전략, 제작 및 스케줄링 프로세스를 업데이트합니다. 2~7단계를 반복하여 소셜 미디어 관리 시스템을 지속적으로 개선하고 시간이 지남에 따라 그 효과를 개선합니다. 

 

"사람들은 다른 사람이나 기업이 소유한 에이전트와 통신하는 개인 에이전트를 소유하게 될 것입니다. 대부분의 컴퓨팅 장치는 주로 에이전트와 대화하기 위한 커뮤니케이션 장치로 사용될 것입니다." Conner Ruhl, Stability AI 수석 소프트웨어 엔지니어 

 

이러한 루프형 시스템을 소셜 미디어 관리에 통합하면 오디언스의 선호도와 끊임없이 변화하는 소셜 미디어 환경에 따라 진화하는 역동적이고 적응적인 전략을 수립할 수 있습니다. 이를 통해 소셜 미디어 활동의 참여도, 도달 범위 및 전반적인 효과를 높일 수 있습니다.  

 

"저를 흥분시키는 자율 에이전트의 또 다른 사용 사례는 음악 작곡 영역에서의 적용입니다. 이러한 에이전트는 AI 기반 알고리즘을 활용하여 개인 취향, 좋아하는 장르, 심지어 저와 공명하는 특정 음악적 요소까지 분석할 수 있습니다. 그런 다음 독창적인 멜로디, 하모니, 리듬을 생성하여 저와 함께 음악을 효과적으로 공동 창작할 수 있습니다. 이러한 창의적인 협업은 제 음악적 지평을 넓혀 이전에는 생각지도 못했던 새로운 스타일과 장르를 탐구할 수 있는 잠재력을 가지고 있습니다. 또한 자율 에이전트는 제 작곡에 대한 귀중한 피드백을 제공하고 개선점을 제안하여 음악가로서의 성장을 촉진할 수 있습니다. 음악 작곡 과정에서 AI와 인간의 창의성을 융합하면 혁신적이고 독특한 결과물을 얻을 수 있으며, 예술적 표현의 지평을 넓힐 수 있습니다." Katya Sapozhnina, Octane AI 제품 디렉터

 

예시 #2: 정치 캠페인 관리자 자율 에이전트

 

선거에 출마할 때 잠들지 않는 지능적인 비서를 활용하여 승리를 돕고 싶다면 어떻게 해야 할까요?

 

"상담원에게 아웃소싱하고 싶은 항공편 예약과 같이 어렵지는 않지만 약간의 시간과 노력이 필요한 업무를 처리하는 상담원에 대한 기대가 큽니다." Sahil Lavingia, Gumroad 설립자 겸 CEO

 

선거에서 승리할 수 있도록 도와주는 자율 에이전트의 모습은 이렇습니다.

 

1. 초기화 목표: 과반수 득표를 확보하여 선거에서 승리합니다.
2. 데이터 수집: 유권자, 인구 통계, 주요 이슈, 캠페인 메시지 및 기타 관련 정보에 대한 데이터를 수집합니다.
3. 컨텍스트 분석: 수집한 데이터를 분석하여 트렌드, 기회, 과제를 파악합니다. 이 분석을 바탕으로 미결정 유권자 타겟팅, 주요 지역 투표율 높이기, 특정 이슈에 대한 캠페인 메시지 개선 등 초기 목표를 구체적인 하위 목표로 세분화합니다.
4. 작업 생성: 유권자 지원 이벤트 계획, 타겟팅 광고 제작, 정책 제안 개발 등 세분화된 하위 목표와 관련된 작업을 생성합니다.
5. 작업 우선순위 지정: 하위 목표를 달성하는 데 미치는 잠재적 영향과 선거 승리라는 전체 목표에 따라 작업의 순위를 매깁니다.
6. 작업 실행: 우선순위가 가장 높은 작업을 실행하여 리소스를 할당하고 필요에 따라 팀원을 배정합니다.
7. 성과 모니터링: 유권자 참여, 여론, 모금 지표와 같은 주요 성과 지표를 추적하여 완료된 작업의 효과를 평가합니다. 개별 작업의 성공 여부와 하위 목표 및 초기 목표에 대한 전반적인 캠페인 진행 상황을 평가합니다.
8. 반복 및 개선: 성과 데이터를 분석하여 개선이 필요한 부분을 파악합니다. 이러한 인사이트를 반영하여 캠페인 전략을 업데이트합니다. 2~8단계를 반복하여 정치 캠페인 관리 시스템을 지속적으로 개선하고 시간이 지남에 따라 그 효과를 개선합니다. 

 

"재귀적 자기 복제 기능이 가장 마음에 듭니다. AI 에이전트는 자신의 복사본을 만들고, 작업 지시를 전달하고, 자신의 형제와 대화를 시작하여 작업을 완료할 수 있습니다. 이는 매우 놀랍지만 외계인 같은 능력입니다." Jim Fan, NVIDIA AI 과학자

 

처음에는 한 명의 후보자가 자율 에이전트를 사용하여 모든 후보자보다 큰 이점을 가질 수 있지만, 모든 후보자가 자율 에이전트를 사용하거나 여러 대를 사용하게 되면 어떤 모습이 될지 상상해 보세요. 

 

"모든 사람이 자율 에이전트를 사용할 것이라고 생각하지는 않습니다. 자율 에이전트는 어디에나 존재하겠지만 AI가 보편화되면 100% 사람이 하는 일이 다시 부활할 것입니다. 많은 사람들이 펜과 종이를 재발견하고 인간이 만든 예술품을 원하게 될 것입니다. 우리는 "오직 인간만이 만들었습니다"라고 광고하는 많은 제품과 창작물을 보게 될 것입니다. 조만간 매우 인기있는 레이블이 될 것입니다. 기술이 발전할수록 저는 오랜 기간 동안 완전히 오프라인으로 지내는 시간을 즐기고 있으며, 곧 '오프 AI' 시간도 즐기고 있습니다." Loic Le Meur, PAWA 설립자 겸 CEO | loic

 

예제 #3: 수학 튜터 자율 에이전트

 

다음은 어린이에게 수학을 가르치도록 설계된 자율 에이전트입니다.  

 

"이것은 탐구할 여지가 많은 획기적인 패러다임입니다. 초기 실험에서는 에이전트가 검색 쿼리로 제한되어 있지만, 앞으로 자율 에이전트에 새로운 도구 세트로 무장하는 다양한 연구와 사이드 프로젝트가 진행될 것입니다. 각 도구 세트는 잠재적인 사용 사례를 크게 확장할 것입니다." Pete Huang, Neuron 데일리 AI 뉴스레터 창립자, 전 Airtable

 

1. 목표 초기화: 자녀의 현재 수학 실력 수준을 파악하고 개선에 도움이 되는 맞춤형 학습 경로를 설정합니다.
2. 데이터 수집: 평가, 상호 작용 및 피드백을 통해 자녀의 학습 스타일, 진행 상황 및 성과에 대한 정보를 수집합니다.
3. 컨텍스트 분석: 수집한 데이터를 분석하여 아이의 강점, 약점, 학습 선호도, 그리고 아이의 진도에 영향을 미치는 외부 요인을 파악합니다.
4. 과제 생성: 적절한 연습 문제 선택, 설명 제공, 실제 예제 및 응용 프로그램 제공 등 자녀의 필요와 학습 경로에 따라 과외 과제를 생성합니다.
5. 작업 우선순위 지정: 자녀의 학습 및 기술 개발에 미치는 잠재적 영향을 기준으로 과외 과제의 순위를 매겨 도전과 참여 사이의 균형을 유지합니다.
6. 과제 실행: 우선순위가 가장 높은 과제를 실행하고, 필요에 따라 과외 접근 방식과 콘텐츠 전달 방식을 조정하여 자녀의 학습과 참여를 극대화합니다.
7. 성과 모니터링: 학습 목표에 대한 진척도, 수학 실력 향상, 자녀의 참여도 및 만족도 등의 핵심 성과 지표(KPI)를 추적하여 튜터링의 효과를 평가합니다.
8. 피드백 루프: 자녀의 성과를 지속적으로 모니터링하고 새로운 데이터와 인사이트를 바탕으로 상황 분석, 과제 생성, 과제 우선순위 지정 단계를 업데이트합니다. 필요에 따라 초기 목표와 학습 경로를 조정하여 자녀의 수학 능력 개발을 더 잘 지원하세요.
9. 반복 및 개선: 자녀의 성과를 분석하고 새로운 데이터와 인사이트를 바탕으로 상황 분석, 과제 생성 및 과제 우선순위 지정 단계를 업데이트합니다. 필요에 따라 초기 목표와 학습 경로를 조정하여 자녀의 수학 능력 발달을 더 잘 지원합니다. 2~9단계를 반복하여 정치 캠페인 관리 시스템을 지속적으로 개선하고 시간이 지남에 따라 그 효과를 개선합니다.

 

이 자율 에이전트 루프형 시스템은 교육용 수학 교사가 아동의 학습 경험을 적응적으로 지원하고 안내하는 프로세스를 설명하며, 아동의 필요와 진도에 따라 지속적인 개선과 개인화에 중점을 둡니다. 

 

 

"미래에는 다양한 크기의 수많은 모델이 등장하듯이 직장용 에이전트, 가족/가정 생활용 에이전트, 자기계발용 에이전트 등 삶의 다양한 측면을 위한 여러 에이전트를 보유하게 될 것이며, 이 모든 에이전트가 다른 에이전트와 함께 작동하게 될 것입니다. 일상적인 작업을 자동화하거나 전문적인 초능력을 부여하는 것이 가장 먼저 눈에 띄는 사용 사례이지만, 디지털 트윈은 훨씬 더 많은 일을 할 수 있게 될 것이며, 심지어는 사용자의 개입 없이도 데이트에 나가 서로의 적합성을 평가하여 나쁜 첫 데이트를 영원히 없앨 수도 있을 것입니다."라고 말합니다. Vivian Cheng, CRV 대표

 

오늘은 여기까지.

다음 포스팅에서는 마지막으로 자율 에이전트의 미래에 대해 살펴보겠습니다.