Kemajuan terkini dalam Large Language Model (LLMs) merenovasi pengembangan Artificial Intelligence Agent yang mumpuni dalam pemahaman bahasa alami. Hal ini menimbulkan minat signifikan dalam sistem LLM powered autonomous agent. Menurut Insginia Ventures Partners, target pasar untuk Autonomous Artificial Intelligence Agent diperkirakan akan tumbuh 43% per tahun (dari 5 miliar USD pada tahun 2023 menjadi 29 miliar USD pada tahun 2028). Pertumbuhan ini didorong oleh semakin meratanya penggunaan LLM.

Dalam artikel ini, mari kita eksplorasi peluang baru yang telah dibuka oleh LLM Agent. Kita juga akan melihat beberapa penerapan praktis yang mungkin terjadi di masa depan.

Apa itu LLM Agent?

LLM Agent dapat dibayangkan seperti otak yang mampu mengaktifkan berbagai macam instrumen teknologi. Tujuannya adalah menyelesaikan tugas secara otomatis. Seperti yang dijelaskan oleh Lilian Weng dari OpenAI, sistem ini terdiri dari:

• LLM sebagai otak utama.
• Tiga komponen penting lainnya: Perencanaan (Planning), Memori (Memory), dan Penggunaan Instrumen (Tool Use).

Mari kita lihat masing-masing komponen ini.

Komponen Utama LLM Agent

Perencanaan (Planning)

LLM Agent mampu meniru pola pikir manusia. Mereka proaktif dalam merencanakan eksekusi tugas dan membagi tugas besar menjadi langkah-langkah yang lebih kecil. Agen ini juga dapat melakukan introspeksi, belajar dari kesalahan, dan terus meningkatkan hasil.

Memori (Memory)

Memori dalam meliputi short-term memory untuk konteks saat ini dan long-term memory untuk menyimpan informasi penting, memungkinkan agen untuk belajar antar konteks secara real-time dan mengingat informasi dalam jangka panjang.

Penggunaan Instrumen (Tool Use)

LLM Agent mampu mengambil keputusan secara dinamis. Mereka dapat mengakses API eksternal atau database vektor untuk mendapatkan informasi tambahan agar dapat memberikan jawaban yang lebih akurat dan mengurangi risiko halusinasi pada model.

Menggabungkan Kemampuan Percakapan dan Aksi

LLM powered autonomous agent systems menghadirkan inovasi nyata. Kemampuan Natural Language Understanding (NLU) membuat interaksi antara manusia dan mesin menjadi lebih alami. Bahkan, kita bisa berbicara dengan LLM Agent seperti berbicara dengan manusia!

Namun, LLM sendiri tidak cukup. Kita memerlukan sistem pendukung agar LLM dapat mengumpulkan dan menerapkan pengetahuan praktis. Mereka menjembatani LLM dan dunia nyata.

Penerapan Praktis LLM Agent

Berikut dua contoh penerapan praktis yang sudah banyak dibicarakan:

1. Mengubah jadwal penerbangan pelanggan

Dalam kasus ini, LLM Agent perlu memahami kebijakan maskapai penerbangan dan alternatif penerbangan yang tersedia (Planning). Kemudian, mereka mengakses API dan database penerbangan untuk mengumpulkan informasi yang diperlukan (Tool Use).

2. Mentransfer panggilan pasien di rumah sakit

LLM Agent harus memahami permintaan pasien secara real-time (short-term memory). Setelah itu, mereka memeriksa jam operasional dan nomor kontak staf rumah sakit yang relevan (Planning dan Tool Use). Ini membantu memastikan pasien diarahkan ke departemen yang tepat secepat mungkin.

Menuju Era Enterprise Software 2.0

Mantan direktur AI Tesla, Andrej Karpathy, memperkenalkan konsep “Software 2.0”. Dalam era ini, perangkat lunak dibangun oleh algoritma pembelajaran mesin, bukan kode statis buatan manusia.

Evolusi Menuju Enterprise Software 2.0

Di masa depan, kita akan melihat LLM Agent sebagai pusat komando dalam sistem perangkat lunak perusahaan. Mereka akan berfungsi sebagai co-pilot yang serbaguna, membantu karyawan dan pelanggan dalam menangani alur kerja yang kompleks.

Kemampuan tersebut akan membantu perusahaan untuk:

• Meningkatkan produktivitas.
• Menangani tugas yang semakin kompleks.
• Membuat AI lebih mudah diakses oleh siapa pun.

Menuju Masa Depan AI yang Menjanjikan

Walau masih banyak yang harus dilakukan, namun potensi disruptifnya masih sangat besar. Sistem agen otonom yang ditenagai oleh LLM telah menunjukkan dampak transformatif di lingkungan yang dinamis dan tidak terstruktur. Meskipun ada batasan, LLM akan dapat menghadapi masalah yang semakin kompleks karena kemajuan dalam algoritma pembelajaran mesin dan pola desain. Masa depan Artificial Intellegent (AI) tidak pernah lebih menjanjikan!Sumber ReferensiLilian Weng. (2023). LLM Powered Autonomous Agents.

Diambil dari: https://lilianweng.github.io/posts/2023-06-23-agent/ Wechat official accout. (2023). AI Agents大爆发：软件2.0雏形初现，OpenAI的下一步. (The rise of AI Agents: first glimps of software 2.0 and what’s next for OpenAI). Diambil dari: https://mp.weixin.qq.com/s/Jb8HBbaKYXXxTSQOBsP5Wg Andrej Karpathy. (2017). Software 2.0. Diambil dari: https://karpathy.medium.com/software-2-0-a64152b37c35