第6回　野生の暴れ馬LLMを飼いならす 〜その3〜

知的さの向上

LLMを利用したシステムでは、覚えにくいコマンドを使う必要がなく、自然言語のプロンプトを入力して処理依頼できるので、従来に比べて、使いやすさが向上しました。それでも、複雑な作業では、細かく指示する必要があります。

気軽に「いつものアレを買って来てください」のように言えると便利ですね。依頼を受けた側は「何処で何を買うのか」、さまざまな情報を適切に補って作業を具体化します。もし依頼品がなかったら、代替品を選んでくれるでしょう。このようなシステムは、利用者の依頼（ゴール）を具体的なタスクに自動変換し、作業を代行する知的エージェントといえます。

知的エージェントの特徴

知的エージェントの実現は、AIの目標のひとつでした。1990年代中頃には、概念の整理が進み、知的エージェントの特徴が４つにまとめられました［文献１］。

• 自律性：自ら独立して作動すること
• 社会性：他エージェントや人間と情報交換する機能を持つこと
• リアクティブ性：状況に応じて適切に振舞うこと
• プロアクティブ性：目標達成の工夫をすること

先の例では、利用者から指示を受け（社会性）、ゴールをタスクに変換し（プロアクティブ性）、状況に応じて代替品を選び（リアクティブ性）、自発的に作業を代行（自律性）します。

LLMエージェント

LLMの登場以来、知的エージェントの機能を実現する方法の検討が進みました。外部のWebサービスと連携する機能、タスクの実行手順を計画する機能、実行結果を判断する機能、そして、利用者が与えたゴールを具体的なタスクに変換する機能などです。さらに、長期記憶によって、以前に実行した情報を格納し、再利用する方法も組み込まれるようになりました。最近では、このようなLLMエージェントあるいはAIエージェントの標準的なアーキテクチャが整理されています（図を参照）。

エージェンティックAI

上に述べたように、AIエージェントは複数の機能を統合することで、知的な振舞いを示します。知的さのレベルを向上しようとすると、ゴールの具体化、タスクの実行計画作成、実行結果の良し悪しの判断、といった各機能も高度化あるいは「知的さ」が求められます。

ひとつひとつの機能が高度化するとシステムが大規模化し、複雑なデザインになってしまいます。そこで、ソフトウェアデザインの定石にしたがって、モジュール化の考え方を導入しましょう。AIエージェントの各機能を独立に考えて、「関心事の分離」と呼ぶモジュラーデザインの方法を適用するのです。そして、各機能を実現したモジュールを「専門AIエージェント」とし、これらを組み合わせて、目的の「AIエージェント」全体を構築します。

このように、「エージェント」の集合体として「エージェント」のシステム機能を構成する考え方を、生成AI（Generative AI）と対比して、エージェンティックAI（Agentic AI）と呼ぶようになっています。図のようにひとつのエージェントに、すべての機能を統合する方法は、特別な場合です。

LLMエージェントは、暴れ馬を飼いならし、さらに、調教することで、サーカスの花形のように、高度な技をこなすようになったのですね。

［文献１］Michael Wooldridge and Nicholas R. Jennings: Intelligent agents: Theory and Practice, Knowledge Engineering Review, 10(2):115–152 (1995).
［文献２］Julia Wiesinger, Patrick Marlow, and Vladimir Vuskovic: Agents, Google White Paper (2024).

次回の予告
中島先生の第7回ニュースレターでは、LLMチャットボットとの対話時に遭遇する不都合な言語現象について解説していただきます。