Conocer los motores de razonamiento
Objetivos de aprendizaje
Después de completar esta unidad, podrá:
- Describir qué es un motor de razonamiento.
- Enumerar tres tipos de razonamiento que utilizan los motores de razonamiento para solucionar problemas.
- Enumerar cuatro estrategias de razonamiento populares que guíen a los modelos de lenguaje grandes.
Última innovación de la IA
La IA puede ahora hacer muchas más cosas además de chatear. De hecho, puede reflexionar sobre los problemas, considerar opciones y tomar decisiones. Para ello (tomar decisiones complejas, proporcionar información y responder al contexto del momento), los agentes de IA utilizan razonamiento.
Sin embargo, la IA funciona mejor una vez que se comprende la manera en la que esta piensa. En este módulo, exploraremos la manera en la que los motores de razonamiento ayudan a la IA avanzada a comprender y proporcionar lo que usted desea (ya sea elaborar un correo electrónico, generar una campaña breve, crear una página web, buscar competidores, analizar datos, resumir una llamada o cualquier otra tarea que le ahorre tiempo).
¿Qué es un motor de razonamiento exactamente?
Un motivo para confiar en la IA
Un motor de razonamiento es un tipo de IA que recopila información, sigue reglas lógicas y toma decisiones (lo mismo que hacen las personas cuando tienen que resolver un problema).
Al igual que las personas, estos motores suelen utilizan tres tipos de razonamiento.
-
Deducción: "Todas las frutas tienen semillas. El mango es una fruta. Por lo tanto, el mango tiene semillas". (Comienza con una regla general y la aplica a un caso específico).
-
Inducción: "Las últimas cinco reuniones comenzaron tarde. Por lo tanto, es probable que la próxima también comience tarde". (Observa todos los patrones de experiencias pasadas para hacer una predicción general).
-
Abducción: "Las luces están apagadas y nadie abre la puerta, así que probablemente no haya nadie en casa". (Se queda con la mejor suposición basándose en pistas limitadas).
Estos enfoques hacen que los motores sean particularmente útiles. El razonamiento ayuda a la IA a resolver rápidamente problemas que normalmente requerirían que una persona aportara su perspectiva y conciencia al contexto, permitiendo así que haya nuevas formas de trabajar a gran escala.
Cómo aprenden a razonar los modelos de lenguaje grandes
Los modelos de lenguaje grandes (LLM) ganaron popularidad a finales de 2022; sin embargo, los investigadores han estado experimentando varias maneras para hacer que piensen y planifiquen como las personas. ¿Cuál es el secreto? Las solicitudes (instrucciones detalladas cuidadosamente que guían la respuesta del LLM). Cuando una solicitud ayuda a un LLM a preparar un plan lógico para resolver un problema decimos que se trata de una estrategia de razonamiento.
Estas son cuatro estrategias populares.
1. Cadena de pensamiento (CoT)
Piense en esto como si enseñara al LLM a "mostrar su trabajo". Las cadenas de pensamiento desglosan un problema grave en varios pasos más pequeños, como una persona haciendo un puzle. Es genial para realizar problemas de matemáticas, razonamientos de sentido común y otras tareas que requieren lógica. Sugerencia adicional: Los ingenieros pueden trazar cada paso para ver dónde han ido mal las cosas.
2. Razonar y actuar (ReAct)
Esta estrategia combina el razonamiento con acciones del mundo real. Esta estrategia no confía solamente en lo que el LLM sabe, sino que interactúa, comprueba la información y ajusta las respuestas paso a paso según los comentarios del usuario. De esta manera, se consigue que haya menos "alucinaciones" (o respuestas incorrectas) y resultados más fiables.
3. Árbol de pensamiento (ToT)
En lugar de seguir un único plan, un árbol de pensamiento explora varios caminos posibles en cada paso, como si se tratase de una lluvia de ideas antes de elegir la más adecuada. Esto hace que los árboles de pensamiento sean potentes para resolver retos complejos, como problemas matemáticos, escritura creativa o toma de decisiones estratégica.
4. Razonamiento mediante planificación (RAP)
Esta estrategia lleva al razonamiento un paso más allá ayudando al LLM a simular resultados futuros. Predice la manera en las que se llevarán a cabo las acciones, explora las alternativas y ajusta el plan a medida que se va desarrollando, muy parecido al proceso que sigue un estratega. El razonamiento mediante planificación resulta increíble para las tareas que requieren planificación a largo plazo, inferencias lógicas o resolución de problemas en varios pasos.
Estas estrategias proporcionan al LLM una manera de resolver problemas sistemáticamente, en lugar de limitarse solo a realizar suposiciones. Cada uno de estos enfoques, ya sea desglosar los problemas en pasos (CoT), interactuar con comentarios (ReAct), explorar varias opciones (ToT) o simular estados futuros, hacen que la IA se parezca un poco más al razonamiento humano (solo que más rápido).
Cómo implementa Agentforce el razonamiento del LLM
Agentforce es la capa de agentes de Salesforce, o un ayudante con IA. Como solución de IA completa, ofrece a los empleados y a los clientes varias maneras de chatear con agentes utilizando un lenguaje sencillo, ayudando así a que los equipos trabajen más rápido y a que los clientes obtengan las respuestas de forma instantánea. En segundo plano, utiliza modelos de lenguaje grandes (LLM) solo solo para comprender y responder, sino para planificar tareas complejas, como un motor de razonamiento.
Esto es lo que ocurre paso a paso.
- Un usuario escribe una solicitud, por ejemplo, "Crea una página web".
- Agentforce envía esa petición a un LLM seguro utilizando una solicitud diseñada cuidadosamente. Esto ayuda a que el LLM traduzca la petición del usuario en una necesidad definida que la IA comprende.
- Una vez que la intención está clara, otra solicitud pide al LLM que cree un plan para llevar a cabo la petición.
- El LLM responde con un plan paso a paso. Este plan solo se crea a partir de acciones que pueden realizar los agentes, asegurando así que el comportamiento sea seguro y de confianza.
- El agente sigue los pasos, ejecuta las acciones en el orden adecuado y proporciona el resultado al usuario.
Este proceso reduce el esfuerzo mental requerido por parte de los usuarios. En lugar de tener que descifrar cómo debe hacerse algo, los usuarios solo tienen que decir lo que necesitan y Agentforce se encarga de ello.
Razonamiento en acción
Agentforce proporciona a las empresas una nueva capacidad: hace que los modelos de lenguaje grandes se conviertan en motores de razonamiento en tiempo real. Esto significa que la IA no solo responde a preguntas, sino que encuentra sentido a situaciones complejas, planifica los siguientes pasos y entra en acción.
Estos son algunos ejemplos de cómo se puede llevar a cabo.
-
¿Las ventas están flojas? Agentforce puede escanear su CRM, detectar candidatos prometedores y prepararlos para los representantes.
-
¿Cada vez hay menos negociaciones? Los agentes pueden marcar las oportunidades en riesgo, resumir los historiales de las cuentas y proporcionar a los gerentes información clara y rápida.
-
¿Tiene problemas de facturación excesiva? Con un agente puede extraer los registros adecuados, obtener pasos útiles de resolución de problemas y ayudar a resolverlos rápidamente.
-
¿Necesita cerrar el trimestre de manera sólida? Los agentes pueden evaluar las opiniones de los clientes, predecir la trayectoria de las negociaciones y recomendar lo que se debe hacer hoy para tener éxito el día de mañana.
En todos estos ejemplos, Agentforce actúa como si fuese un compañero de equipo semiautónomo. Reflexiona sobre los problemas con lógica impulsada por el LLM, responde al lenguaje natural e impulsa las conexiones entre las partes interesadas.
Recapitulación
Ahora que comprende los aspectos básicos de los motores de razonamiento, resulta sencillo ver el motivo por el que muchas empresas invierten en tecnología. Gracias a la manera de enfocar los problemas del mundo real de forma parecida a las personas, la IA puede trabajar codo con codo con los equipos de profesionales y proporcionar soluciones de confianza, eficaces y sencillas para cumplir los objetivos empresariales.
A continuación, vamos a explorar el motor de razonamiento de Salesforce, Atlas.