AI Agent의 정의

AI agent는 action이 있어야한다. knowledge를 수집해서 feedback, 그리고 그 환경에 맞는 action을 내려주는것이다.

단순 수집, 분석 module + action = Agent

AI Agent의 주요 특징들

센싱 -> 센싱된 환경에 맞는 동작을 결정.(rule, model등에 따른 결정) -> 실제 Action.(Physical or Digital)

PEAS 4가지 항목

Performance: 성능은 어떠 한가? User experience는 어떤가?
Environment: 주변에 뭐가 있는가? 환경에 딸 시스템 작동 메커니즘이 달라져야한다.
Actuator: 실제 action이 가해질 것들.
Sensors: 주변을 파악하는 센서.

Types of Environment

ex) Cloud 관리 agent? monitor -> node는 변동(partially observed, non-determistic, dynamic)을 미리 결정하여 action decision.

Episodic or Sequential: 환경의 요소가 그전 요소의 영향을 받지 않을때(독립적) or 연속적

Types of Agents

• simple reflex agent: 이미 rule을 정의해놓은것이다.

• model-based agent: 과거에 어떤 액션, 상황, 진화등을 종합하여 결정한다. 환경을 기억해놓는것.
  ex) area의 model을 저장 이전 값 -> 지금 액션 가능... 로봇 청소기의 방 지도 저장같은것. 새로운것이 나타나면 새롭게 기억한다.

• Goal-based Agent: 가능한 것들을 모두 찾아서 목적에 이르기 위해서 가장 좋은 것을 제공하도록 하는 것.

• Utility-based Agent: optimization goal이 여러개 -> 하나의 값(utility) -> reward 가장 좋은것을 선택
  변수가 여러개 발생했을때, 여러개를 고려해서 optimization goal을 달성하기 위한 action을 취한다.

• Learning Agent: trained data를 가지고 예측, decision 재수정 등

Hierarchical Agent

6G 상황등에서, AI Agent 들의 "협력" 필요.

• High-level 에서는 High-level goal 정의
• Low-level 에서는 각 agent들이 전체 goal 수행을 목표로 specific role 수행. low-level 에서 agent간 협력.

HRL(Hierarchical Reinforcement Learning): 보상을 조정하면서 지속적으로 변화시켜나가는것. 복잡한 환경에서(여러개의 actor 존재, 각각의 agent들이 서로 협력하는 환경) 특정 action이 결과를 보면서 보상을 수행. 서로 어떤 협력, 동작을 발전시켜나가면서.. self-learning.

Moden AI Agent

• self-learning 굉장히 중요.
• transparent, interpretable, unbiased AI agent 를 지향.
• XAI: 왜 이러한 결정을 내렸는지 명확한 설명이 가능한 AI Agent, Explainable & Reliable AI Agent .

MAS: Multi Agent systesm, agent간 communication & coordination
-> 네트워크의 중요성.

Edge AI 와 Real-Time AI

중앙 집중형 클라우드의 AI agent에 의존하는것은 Delay 길다
-> Edge에 노드를 두고, 경량화된 모델 -> 결과값만 중앙서버로.

Real-Time AI(answer < 100ms), 경량화된 CNN 모델을 통해 얼굴 인식 빠르게 -> 결과값만 빠르게 중앙으로.

6G에서도 사용자단에서 많은 서비스를 처리하기 위해 Edge AI 활용.

AI Agent간 협력에서, 부딪치지않으면서 서로 하나의 유기체처럼 communication 없이 동작하도록 하는것도 하나의 관건이다. 마치 물고기뗴처럼 collab...