☺️ Агентно-ориентированный подход выделяется своей способностью моделировать сложные, распределённые и динамичные системы через автономных агентов. Важные аспекты включают социальность и взаимодействие, адаптивность, моделирование сложных систем, гибкость архитектур, децентрализацию, интеграцию с ИИ и IoT, а также вопросы этики и безопасности.

💡 Принципы агентно-ориентированного подхода

▶ Децентрализация: Система состоит из множества агентов, каждый из которых решает свои задачи, что делает систему гибкой и устойчивой.

▶ Модульность: Каждый агент выполняет свою функцию, что упрощает разработку и масштабирование системы.

▶ Распределённое решение проблем: Вместо централизованного управления агенты решают задачи совместно, обмениваясь информацией.

▶ Гибкость: Агенты могут адаптироваться к изменениям в среде или требованиям системы.

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Уже завтра 26 августа очередной Бизнес-завтрак с ИИ-агентами

🌪 Бизнес-завтрак с ИИ-агентами - неформальное мероприятие, где участники обсуждают деловые вопросы за утренней трапезой. Формат камерный, настроение дружелюбное, акцент на нетворкинг и обмен идеями.

ИИ-агенты смогут заменить в компании людей, улучшить процессы и сделать бизнес эффективней? Мифы и реальность, какие есть ограничения?

⏲ 26.08, начало в 10:00
📍 Мера Кофе, Большой просп. ПС, 106 (сход с наб. реки Карповка)

Подробная информация по ссылке

💡 Для меня бизнес-завтрак — это возможность собрать людей, чтобы обсудить ожидания от внедрения ИИ, какие задачи предстоит решить, узнать об опыте внедрения ИИ-агентов. Давайте чаще встречаться и обсуждать в неформальной обстановке вопросы применения цифровых технологий.

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Одной из важных книг об искусственном интеллекте и понятии агента является "Искусственный интеллект. современный подход"| Норвиг Питер, Рассел Стюарт ( "Artificial Intelligence: A Modern Approach"| Peter Norvig, Stuart Russell). Первое издание вышло в 1995 году

"Агентом считается все, что действует (слово агент произошло от из латинского слова agere — действовать). Но предполагается, что компьютерные агенты обладают некоторыми другими атрибутами, которые отличают их от обычных "программ", такими как способность функционировать под автономным управлением, воспринимать свою среду, существовать в течение продолжительного периода времени, адаптироваться к изменениям и обладать способностью взять на себя достижение целей, поставленных другими. Рациональным агентом называется агент, который действует таким образом, чтобы можно было достичь наилучшего результата или, в условиях неопределенности, наилучшего ожидаемого результата"

"An agent is just something that acts (agent comes from the Latin agere, to do). Of course, all computer programs do something, but computer agents are expected to do more: operate autonomously, perceive their environment, persist over a prolonged time period, adapt to change, and create and pursue goals. A rational agent is one that acts so as to achieve the best outcome or, when there is uncertainty, the best expected outcome."

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Продолжаю вести блог. Это уже моя 100-ая технооткрытка.

В честь этого события в ближайшую пятницу выйдет первый выпуск почтовых открыток: всего будет выпущено 20 видов открыток, каждый вид отпечатан тиражом в 10 экземпляров

.
❓ Как получить открытки:
✅ Первые 20 человек, которые оставят комментарий "Хочу открытку", получат открытки по почте.
✅ Приходите на бизнес-завтрак: следующий состоится 2 сентября.
✅ Следите за расписанием ближайших лекций в сентябре.

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Всех с началом осени и с Днем знаний.

🤪 Приглашаю всех каждый вторник в Санкт-Петербурге или в любом другом городе, в котором буду находится, вместе позавтракать.

В Питере встречи будет проходить в формате бизнес-завтрака с ИИ-агентами: ближайший завтрак уже 2 сентября (подробности)

💡 Каждая встреча посвящена тематике, которую я сам развиваю и с которой работаю. В сентябре мы поговорим о том, как ИТ/ИИ стартапам предлагать свои решения на промышленные предприятия, как цифровая технология и искусственный интеллект влияют на спорт, как ИИ-агенты помогают юристам и отделам кадров, а также обсудим, что нового появилось в сфере ИИ-образования

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Рассмотрим еще одно определение агента.

🌪 Агент — это любая система, которая воспринимает окружающую среду с помощью сенсоров и воздействует на неё с помощью актуаторов.

Например:

▶ у человеческого агента сенсорами являются глаза, уши и другие органы, а актуаторами — руки, ноги, речевой аппарат;
▶ у роботизированного агента сенсорами могут быть камеры и инфракрасные дальномеры, а актуаторами — различные моторы;
▶ программный агент получает данные из файлов, сетевых пакетов, с клавиатуры, мыши, сенсорного экрана или через голосовые команды и воздействует на среду, записывая файлы, отправляя сетевые пакеты, отображая информацию или
воспроизводя звуки.

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Следующий вопрос, а какие есть типы агентов?

🤪 Интеллектуальные агенты в искусственном интеллекте классифицируются по их способностям, поведению и сложности

✅Простые рефлексивные агенты (Simple Reflex Agents). Реагируют на текущие входные данные (перцепты) по заранее заданным правилам "условие-действие". Не учитывают историю или будущее, работают только с текущим состоянием.
Пример: Термостат, который включает нагрев, если температура ниже заданной.

✅Рефлексивные агенты с внутренней моделью (Model-Based Reflex Agents). Имеют внутреннюю модель мира, которая учитывает, как текущие действия влияют на будущее состояние. Используют перцепты и модель для принятия решений.
Пример: Автомобиль с адаптивным круиз-контролем, учитывающий расстояние до впереди идущего транспорта.

✅Агенты, ориентированные на цель (Goal-Based Agents). Принимают решения, ориентируясь на достижение конкретной цели. Учитывают последствия действий и выбирают те, которые приближают к цели.
Пример: Навигационная система, которая прокладывает маршрут к заданной точке.

✅Агенты, ориентированные на полезность (Utility-Based Agents). Стремятся не просто достичь цели, но максимизировать полезность (качество результата). Используют функцию полезности для оценки предпочтительности различных состояний.
Пример: Шахматная программа, выбирающая ходы с учетом вероятности выигрыша.

✅Обучающиеся агенты (Learning Agents). Способны улучшать свое поведение на основе опыта.Состоят из компонентов: элемент обучения, элемент выполнения, критик (оценка действий) и генератор задач.
Пример: Системы машинного обучения, такие как рекомендательные алгоритмы Netflix.

✅Многоагентные системы (Multi-Agent Systems). Несколько агентов взаимодействуют друг с другом, конкурируя или сотрудничая. Требуют координации, коммуникации и иногда переговоров.
Пример: Автономные дроны, выполняющие совместную задачу, например, доставку грузов.

🚨 Обязательно поправляем неточности, добавляем пропущенные идеи.

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Рассмотрим классификации сред, в которых действуют агенты

💩 Ниже приведено сравнение различных характеристик среды, в которых действует агент.

Полная наблюдаемость vs Частичная наблюдаемость (Fully Observable vs Partially Observable).

✅ Полностью наблюдаемая: Агент имеет полный доступ ко всем аспектам состояния среды в любой момент времени.
Пример: Шахматная программа (все фигуры и их позиции видны).

✅ Частично наблюдаемая: Агент видит только часть состояния среды.
Пример: Автономный автомобиль (не все объекты или намерения других водителей известны).

Детерминированная vs Стохастическая (Deterministic vs Stochastic)

✅Детерминированная: Действия агента однозначно определяют следующее состояние среды.
Пример: Решение головоломки (каждое действие ведет к предсказуемому результату).

✅Стохастическая: В среде присутствует неопределенность, и действия могут привести к разным исходам.
Пример: Игры с кубиком или погодные условия для дрона.

Статическая vs Динамическая (Static vs Dynamic)

✅Статическая: Среда не меняется, пока агент принимает решение.
Пример: Решение математической задачи.

✅Динамическая: Среда может измениться во время принятия решения агентом.
Пример: Управление роботом в реальном времени на оживленной улице.

Дискретная vs Непрерывная (Discrete vs Continuous)

✅Дискретная: Среда имеет конечное число состояний и действий.
Пример: Игра в крестики-нолики.

✅Непрерывная: Состояния и действия представлены непрерывными значениями.
Пример: Управление скоростью автомобиля.

Одноагентная vs Многоагентная (Single-Agent vs Multi-Agent)

✅Одноагентная: Агент действует в одиночку.
Пример: Решение головоломки "Ханойские башни".

✅ Многоагентная: Несколько агентов взаимодействуют (сотрудничают или конкурируют).
Пример: Автономные дроны, координирующие доставку.

Известная vs Неизвестная (Known vs Unknown)

✅Известная: Агент полностью знает правила и модель среды.
Пример: Шахматы (правила известны).

✅ Неизвестная: Агент не знает всех правил или эффектов действий.
Пример: Исследование новой территории роботом.

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Всем доброе утро! Приглашаю всех позавтракать в эту среду 10 сентября и обсудить использование ИИ в правовой сфере: от автоматизации юридических отделов в компаниях до этических аспектов.


🤔 Подробности по ссылке

☺️ Модель PEAS из книги "Artificial Intelligence: A Modern Approach" Стюарта Рассела и Питера Норвига, — основа для интеллектуальных агентов, которые формируют будущее, где технологии усиливают человечность. PEAS расшифровывается как Performance (цели), Environment (среда), Actuators (действия) и Sensors (восприятие). Эта структура позволяет ИИ эффективно взаимодействовать с миром, решая задачи с заботой о людях и планете.

Возьмём ИИ для умного сельского хозяйства в далеком - далеком году:

Performance: увеличить урожайность, сохраняя экологию.
Environment: поля, погода, почва.
Sensors: дроны с камерами и различными датчиками для анализа данных.
Actuators: системы точечного полива и роботы для ухода за растениями.

Агент собирает данные о погоде и почве, прогнозирует засуху и активирует полив только там, где нужно, экономя воду и поддерживая экосистемы.

💬 В течение осени будет много встреч, мероприятий в рамках "Форма ИИ-агентов 2025", посвященных интеллектуальным агентам: следите за расписанием

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Пример многоагентной системы из стать "Sequential Diagnosis with Language Models"

🤪 Статья от команды Microsoft AI рассказывает, как искусственный интеллект может помогать врачам ставить диагнозы, имитируя реальную работу в больнице. Авторы создали специальный тест и систему, чтобы проверить, насколько умные модели справляются с этим лучше людей, не тратя лишние деньги на обследования.

В чём был эксперимент
Ученые взяли 304 сложных случая из престижного журнала New England Journal of Medicine — это реальные истории пациентов с редкими болезнями, от простуды до опухолей. Каждый случай начинается с короткого описания проблемы (например, "у мужчины жар и проблемы с дыханием"). Врач или ИИ должен шаг за шагом задавать вопросы, заказывать анализы или снимки, чтобы собрать информацию и назвать диагноз. Всё это происходит в компьютерной симуляции: информация выдается только по запросу, как в настоящей клинике, и считается стоимость каждого шага. Тестировали на 56 свежих случаях (2024–2025 годов), чтобы избежать подглядывания.

Какой результат
Обычные врачи с 12-летним стажем угадывали диагноз в 20% случаев, тратя в среднем 3000 долларов на обследования. Готовые ИИ-модели (типа GPT-4o) делали лучше — до 49% точности, но иногда перерасходовали деньги. А новая система MAI-DxO (на базе модели o3) достигла 80% точности — в четыре раза лучше врачей — и сэкономила 20% по сравнению с ними, а по сравнению с базовой моделью — 70%.

Причём тут многоагентная система
Многоагентная система — это как команда роботов, которые вместе решают задачу, а не один умный ИИ в одиночку. Здесь она имитирует работу группы врачей: один собирает данные, другой проверяет диагноз, третий считает расходы. Главная часть — оркестратор MAI-DxO, который координирует "виртуальную бригаду" (несколько ролей: один осторожный, другой решительный), обсуждает варианты болезней и выбирает самые полезные тесты без лишних трат. Это делает процесс умнее и дешевле, чем просто дать задачу одной модели.

Основные роли агентов
▶Diagnostic Agent (Диагностический агент): Главный "врач" — задает вопросы, заказывает тесты и ставит диагноз. Может быть человеком или ИИ с оркестратором.
▶Gatekeeper (Агент-охранник): "Хранитель информации" — выдает детали из истории болезни или результаты тестов только по точным запросам, как электронная карта пациента. Генерирует правдоподобные данные, если их нет в оригинале.
▶Judge (Судья): Оценивает финальный диагноз по шкале от 1 до 5 — проверяет, насколько он близок к настоящему и влияет ли на лечение (учитывает синонимы, как "бактериальная инфекция сердца" вместо "стафилококковая").
▶Cost Estimator (Оценщик затрат): Считает общую цену — 300 долларов за визит (вопросы и осмотр) плюс стоимость тестов по реальным американским ценам 2023 года. Помогает избежать ненужных расходов.

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Когда просто ИИ-агентов уже мало и нужны новые определения. Что такое ИИ-контрагент?

🤖 ИИ-контрагент — это программный ИИ-представитель стороны, который в пределах выданных полномочий согласует условия и инициирует действия по сделке (заказ, счёт, акты, статусы).
🤖 ИИ-контрагент — автономный агент, который принимает решения по правилам, вызывает инструменты/API (CRM/ERP/ЭДО), ведёт диалог и фиксирует обязательства в системе.
🤖 ИИ-контрагент — менеджер 24/7, который сам собирает потребность, формирует КП, согласует скидки в лимитах и оформляет заказ.
🤖 ИИ-контрагент — это твой “контрагент, который не уходит на обед”, не забывает реквизиты и торгуется ровно до тех пор, пока ему это разрешили правила.

Встретились ИИ-агент и ИИ-контрагент где-то между серверной и отделом юристов. Один пришёл с миссией «оптимизировать», другой — с правом подписи во всех цифровых мирах. Они долго смотрели друг на друга сквозь протоколы, проверяли токены доступа и сроки действия доверенностей, шептали друг другу в логах: «ты за человека или за систему?» Серверы гудели, как старые нотариусы, базы данных крестились резервными копиями, а два алгоритма осторожно заключали первый в мире договор, в котором человек значился лишь тёплой стороной мировоззрения, но всё ещё — выгодоприобретателем.

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Так нужны ли всем людям умные устройства?

☺️ Пора уже разобраться, а что такое ягода...

🌪 Клубника - это не ягода!

Клубника — это многоорешек на разросшемся цветоложе

☺️ И еще немного о клубнике...

Правильное ботаническое название плода клубники: сборная семянка или фрага (от лат. Fragaria)

💡 А теперь названия блюд с клубникой:

🍓 Торт с фрагой садовой земляники (Fragaria ananassa)
🍓 Компот из многоорешков на разросшемся цветоложе садовой земляники
🍓Смузи с фрагой садовой земляники
🍓Чизкейк со сборной семянкой садовой земляники
🍓 Сорбет из многоорешков на мясистом цветоложе
🍓 Свежая фрага садовой земляники со сливками

☺️А что же с малиной?

Малина (Rubus idaeus) с ботанической точки зрения - не ягода, а сборная костянка (лат. polydrupa или aggregate drupe).

☺️ И вишня совсем не ягода...

🍒 Вишня - плод древесных растений рода Prunus, представляющий собой односемянную костянку с тонкой кожицей, сочной мякотью и твёрдой косточкой.

Основные виды:
▶кислая вишня - Prunus cerasus L.
▶черешня (сладкая вишня) - Prunus avium L.

☺️ А теперь к настоящим ягодам:

Помидор (томат, Solanum lycopersicum) с ботанической точки зрения - настоящая ягода (лат. bacca).

💡 А теперь названия блюд с настоящей ягодой:
🍅 Фаршированные ягоды томата рисом и мясом
🍅 Шакшука с ягодами томата и яйцами
🍅 Брускетта с протёртыми ягодами томата и чесноком
🍅 Вяленые ягоды томата в масле с травами
💚 Маринованные зелёные ягоды томата

А семена помидора погружены в желеобразную плацентарную ткань

☺️ Ну и в заключение - о спорах между ягодами и неягодами…

🥭 Манго - костянка (как вишня, слива, персик).

🥑 Авакадо - настоящая ягода (как томат, банан, киви).

🌪 Всем привет, давно не писал. Возвращаюсь в эфир.

😵‍💫 Заканчивается январь, а год "Огненной Лошади" еще не начался, а ИИ-проект поменял уже несколько названий:

🎙Clawdbot (Clawd) — ноябрь 2025 – 26 января 2026
🎙 Moltbot (Molty) — 26–29 января 2026
🎙 OpenClaw — с 29 января 2026 по настоящее время https://openclaw.ai

OpenClaw — это персональный ИИ-ассистент с открытым исходным кодом, который работает локально на вашем компьютере.

Взаимодействие происходит через привычные мессенджеры — Telegram, WhatsApp, Discord. Ассистент запоминает контекст разговоров и адаптируется под ваши задачи. Имеет доступ к браузеру, файловой системе и может выполнять команды. При необходимости создаёт дополнительные навыки самостоятельно. (https://www.turingcollege.com/blog/openclaw)

Пользователи используют его для автоматизации рутины — от управления почтой до написания кода. Проект активно развивается сообществом. (https://www.digitalocean.com/resources/articles/what-is-openclaw)

Данные остаются на вашем устройстве. Поддерживает модели Anthropic, OpenAI или локальные варианты. (https://www.digitalocean.com/resources/articles/what-is-openclaw)

💫 Всем отличного года!

Кирилл Дорожкин | Техно Дорожкин | AI Piter