Grundlegendes zu Argumentationsmodulen
Lernziele
Nachdem Sie diese Lektion abgeschlossen haben, sind Sie in der Lage, die folgenden Aufgaben auszuführen:
- Beschreiben, was ein Argumentationsmodul ist
- Aufzählen von drei Arten von Argumentationen, die Argumentationsmodule zum Lösen von Problemen verwenden
- Nennen von vier beliebten Argumentationsstrategien, die LLMs lenken
Die neueste KI-Innovation
KI kann mehr als nur chatten. Sie kann tatsächlich Probleme durchdenken, Optionen abwägen und Entscheidungen treffen. Für diese Aufgaben – also komplexe Entscheidungen zu treffen, Erkenntnisse zu liefern und auf den momentanen Kontext zu reagieren – nutzen KI-Agenten Argumentation.
KI funktioniert jedoch am besten, wenn man versteht, wie sie denkt. In diesem Modul erfahren Sie, wie Argumentationsmodule (auch Reasoning Engines genannt) fortgeschrittener KI helfen, Ihre Wünsche zu verstehen und umzusetzen – ganz egal, ob es sich um das Verfassen einer E-Mail, das Generieren einer Kampagnen-Kurzbeschreibung, die Erstellung einer Webseite, die Recherche zu Wettbewerbern, die Analyse von Daten, das Zusammenfassen eines Anrufs oder andere zeitsparende Aufgaben handelt.
Also, was genau ist ein Argumentationsmodul?
Ein Grund, auf KI zu bauen
Ein Argumentationsmodul ist eine Art von KI, die Informationen sammelt, logischen Regeln folgt und Entscheidungen trifft – genau wie Menschen, wenn sie Probleme lösen.
Und wie Menschen verwenden diese Module in der Regel drei Arten von Argumentation.
-
Deduktion: "Alle Früchte haben Samen. Eine Mango ist eine Frucht. Eine Mango hat daher Samen." (Ausgangspunkt ist eine allgemeingültige Regel, die dann auf einen speziellen Fall angewandt wird.)
-
Induktion: "Die letzten fünf Besprechungen begannen mit Verspätung. Die nächste Besprechung wird daher wahrscheinlich auch verspätet beginnen." (Hier wird nach Mustern in vergangenen Erlebnissen gesucht, um eine allgemeine Vorhersage zu treffen.)
-
Abduktion: "Die Lichter sind aus und niemand öffnet die Tür – wahrscheinlich ist niemand zuhause." (Hier wird auf der Grundlage begrenzter Hinweise die beste Vermutung geäußert.)
Diese Herangehensweisen machen Argumentationsmodule besonders nützlich. Ihre Argumentation hilft der KI, Probleme schnell zu lösen, die normalerweise die Perspektive und das Kontextbewusstsein eines denkenden Menschen erfordern würden, und ermöglichen so neue Möglichkeiten, in großem Maßstab zu arbeiten.
Wie LLMs argumentieren lernen
Große Sprachmodelle (LLMs) wurden Ende 2022 allgemein zugänglich, Wissenschaftler haben aber haben bereits seit längerem mit Möglichkeiten experimentiert, sie dazu zu bringen, wie Menschen zu denken und zu planen. Das Geheimnis? Aufforderungen, also sorgfältig formulierte Anweisungen, die die Antwort des LLM steuern. Wenn eine Aufforderung einem LLM hilft, einen logischen Plan zur Lösung eines Problems zu erstellen, bezeichnen wir dies als Argumentationsstrategie.
Hier sind vier beliebte Strategien.
1. Chain-of-Thought (CoT)
Hier wird dem LLM praktisch beigebracht, "seinen Arbeitsprozess" zu zeigen. Bei CoT wird ein kniffliges Problem in eine Abfolge kleiner Schritte unterteilt, die dem menschlichen Denkprozess beim Lösen eines Rätsels entspricht. Es eignet sich hervorragend für mathematische Textaufgaben, Argumentation mit gesundem Menschenverstand und andere Aufgaben, die Logik erfordern. Zusätzliches Plus: Ingenieure können jeden Schritt zurückverfolgen, um festzustellen, wo eventuell etwas schief gegangen ist.
2. ReAct (Reasoning and Acting)
ReAct kombiniert Argumentation mit realen Handlungen. Diese Strategie verlässt sich nicht nur darauf, was das LLM weiß, sondern sie interagiert, überprüft Informationen und optimiert ihre Antworten Schritt für Schritt mithilfe von Benutzer-Feedback. Dies reduziert "Halluzinationen" (oder falsche Antworten) und liefert zuverlässigere Ergebnisse.
3. Tree of Thoughts (ToT)
Die ToT-Strategie verfolgt nicht nur einen einzelnen Plan, sondern untersucht bei jedem Schritt viele mögliche Pfade, ähnlich wie beim Brainstorming verschiedenster Optionen, bevor die beste Möglichkeit gewählt wird. Dies macht ToT bei komplexen Problemen wie mathematischen Rätseln, kreativem Schreiben oder strategischer Entscheidungsfindung äußerst leistungsfähig.
4. Reasoning via Planning (RAP)
RAP geht bei der Argumentation noch einen Schritt weiter, indem es dem LLM hilft, zukünftige Ergebnisse zu simulieren. Es sagt voraus, wie sich Handlungen auswirken werden, untersucht Alternativen und verfeinert seinen Plan dabei, ähnlich wie ein menschlicher Stratege. RAP glänzt bei Aufgaben, die langfristige Planung, logische Schlussfolgerungen oder mehrstufige Problemlösungen erfordern.
Diese Strategien ermöglichen LLMs, Probleme systematisch zu durchdenken, anstatt nur zu raten. Ganz gleich, ob Probleme in Schritte unterteilt werden (CoT), mit Feedback interagiert wird (ReAct), mehrere Optionen untersucht werden (ToT) oder zukünftige Zustände simuliert werden (RAP) – jeder Ansatz macht KI der menschlichen Denkweise ein bisschen ähnlicher, nur eben schneller!
So stellt Agentforce die LLM-Argumentation bereit
Agentforce ist die Agentenebene von Salesforce, sein intelligenter KI-Helfer. Als vollständige auf KI basierende Lösung bietet Agentforce Mitarbeitern und Kunden eine Reihe von Möglichkeiten, mit Agenten in natürlicher Sprache zu chatten. Dadurch können Teams schneller arbeiten und Kunden erhalten sofort Antworten. Hinter den Kulissen nutzt Agentforce große Sprachmodelle (LLMs), um nicht nur zu verstehen und zu antworten, sondern auch komplexe Aufgaben zu planen, wie ein Argumentationsmodul.
Hier ist eine Beschreibung der einzelnen Schritte, die dabei ausgeführt werden.
- Ein Benutzer gibt eine Anforderung ein, zum Beispiel "Erstelle eine Webseite".
- Agentforce sendet diese Eingabe über eine sorgfältig formulierte Aufforderung an ein sicheres LLM. Dies hilft dem LLM, die Eingabe des Benutzers in eine definierte Anforderung zu übersetzen, die die KI versteht.
- Wenn die Absicht klar ist, fordert eine weitere Aufforderung das LLM auf, einen Plan zu erstellen, mit dem die Anforderung erfüllt wird.
- Das LLM antwortet mit einem Plan, in dem jeder einzelne Schritt beschrieben wird. Dieser Plan umfasst ausschließlich Aktionen, die ein Agent ausführen darf, wodurch ein sicheres und vertrauenswürdiges Verhalten gewährleistet ist.
- Der Agent folgt den Schritten, führt die Aktionen in der richtigen Reihenfolge aus und liefert das Ergebnis an den Benutzer zurück.
Dieser Prozess reduziert den Denkaufwand für die Benutzer. Anstatt herausfinden zu müssen, wie etwas zu tun ist, kann ein Benutzer einfach sagen, was er braucht – und Agentforce kümmert sich um das Wie.
Argumentation in Aktion
Agentforce bietet Unternehmen eine gewagte neue Möglichkeit: Es verwandelt große Sprachmodelle in Echtzeit-Argumentationsmodule. Das bedeutet, dass KI nicht nur Fragen beantwortet, sondern komplexe Szenarien durchdringt, nächste Schritte plant und Maßnahmen ergreift.
Hier sind einige Beispiele dafür, wie das aussehen kann.
-
Läuft der Vertrieb zäh? Agentforce kann Ihr CRM durchsuchen, vielversprechende Leads ausfindig machen und sie für Ihre Vertriebsmitarbeiter vorbereiten.
-
Laufen die Geschäfte schlecht? Agenten können gefährdete Opportunities kennzeichnen, den Accountverlauf zusammenfassen und Führungskräften schnelle, klare Statistiken liefern.
-
Probleme wegen überhöhten Rechnungen? Ein Agent ruft die richtigen Datensätze ab, zeigt hilfreiche Schritte zur Fehlerbehebung auf und hilft, das Problem schnell zu lösen.
-
Benötigen Sie einen erfolgreichen Quartalsabschluss? Agenten können die Kundenstimmung bewerten, die Entwicklung von Geschäften vorhersagen und Empfehlungen dazu aussprechen, was Sie heute tun sollten, um morgen Erfolge zu feiern.
Bei all diesen Beispielen agiert Agentforce wie ein halbautonomer Teamkollege. Es denkt Probleme mit LLM-gestützter Logik durch, reagiert auf natürliche Sprache und fördert Verbindungen zwischen den Beteiligten.
Fazit
Sie kennen nun die Grundlagen von Argumentationsmodulen und können daher wahrscheinlich leicht nachvollziehen, warum so viele Unternehmen in diese Technologie investieren. Dank einer menschenähnlichen Herangehensweise an reale Probleme kann KI nun Seite an Seite mit fleißigen Teams aus Fachleuten arbeiten und zuverlässige, effiziente und einfache Lösungen liefern, damit Sie Ihre Geschäftsziele erreichen.
Als Nächstes lernen Sie das Salesforce-Argumentationsmodul Atlas kennen.