Conoscere i motori di ragionamento
Obiettivi di apprendimento
Al completamento di questa unità, sarai in grado di:
- Descrivere in cosa consiste un motore di ragionamento.
- Elencare tre tipi di ragionamento che i motori di ragionamento utilizzano per risolvere i problemi.
- Elencare le quattro strategie di ragionamento più diffuse che guidano gli LLM.
L’ultima innovazione dell’IA
L’IA è in grado di fare molto di più di una semplice conversazione. Può analizzare i problemi, soppesare le opzioni e prendere decisioni. Per prendere decisioni complesse, offrire approfondimenti e fornire risposte nel contesto di un momento particolare, gli agenti IA utilizzano il ragionamento.
Tuttavia, l’IA funziona al meglio quando si comprende il modo in cui pensa. In questo modulo esplorerai come i motori di ragionamento aiutano l’IA avanzata a capire e soddisfare le richieste degli utenti: creare la bozza di un’email, generare il briefing di una campagna, creare una pagina web, eseguire una ricerca sulla concorrenza, analizzare dati, riassumere una chiamata o una qualsiasi altra attività utile per risparmiare tempo.
Dunque, che cos’è esattamente un motore di ragionamento?
Una ragione per affidarsi all’IA
Un motore di ragionamento è un tipo di IA che raccoglie informazioni, segue regole logiche e prende decisioni, proprio come fanno le persone quando risolvono i problemi.
E come le persone, questi motori in genere utilizzano tre tipi di ragionamento.
-
Deduzione: “Tutti i frutti contengono semi, il mango è un frutto, quindi il mango contiene dei semi” (si parte da una regola generale e la si applica a un caso specifico).
-
Induzione: “Le ultime cinque riunioni sono cominciate in ritardo, quindi probabilmente anche la prossima riunione comincerà in ritardo” (si osservano schemi nelle esperienze passate per fare previsioni generali).
-
Abduzione: “Le luci sono spente e nessuno risponde al campanello, quindi probabilmente non c’è nessuno in casa” (si formula la migliore ipotesi in base a indizi limitati).
Questi approcci rendono i motori di ragionamento particolarmente utili. Il loro processo di ragionamento aiuta l’IA a risolvere rapidamente problemi che normalmente richiederebbero la prospettiva e la consapevolezza del contesto di un essere umano pensante, creando nuove modalità di lavoro su larga scala.
In che modo gli LLM imparano a ragionare
I Large Language Model (LLM) sono entrati nel mainstream alla fine del 2022, ma i ricercatori hanno continuato a sperimentare modi di farli pensare e pianificare come gli esseri umani. Il segreto sono i prompt: istruzioni scritte accuratamente che l’LLM utilizza come guida per generare le risposte. Definiamo strategia di ragionamento la capacità di un prompt consentire all’LLM di mettere a punto un piano logico per risolvere un problema.
Ecco quattro strategie largamente utilizzate.
1. Chain-of-Thought (CoT)
Pensa a questa strategia come un modo di insegnare all’LLM a “mostrare il proprio lavoro”. Attraverso la CoT i problemi vengono scomposti in una serie di passaggi più piccoli, come farebbe una persona che risolve un puzzle. È molto efficace per problemi matematici testuali, per i ragionamenti basati sul buon senso e per altre attività che richiedono la logica. In più, gli ingegneri possono seguire ogni passaggio per capire dove qualcosa potrebbe essere andato storto.
2. Reasoning and Acting (ReAct)
ReAct combina il ragionamento con azioni del mondo reale. Questa strategia non si basa solo su ciò che l'LLM conosce: prevede un processo di interazione, controllo delle informazioni e perfezionamento delle risposte passo dopo passo con il feedback degli utenti. Il risultato è una riduzione delle “allucinazioni” (ossia, risposte errate) e risultati più affidabili.
3. Tree of Thoughts (ToT)
Invece di seguire un unico piano, attraverso il ToT si esplorano molteplici percorsi possibili a ogni passaggio, in modo simile al brainstorming di più opzioni prima di scegliere quella migliore. Questo rende il ToT uno strumento potente per sfide complesse come i puzzle matematici, la scrittura creativa o i processi decisionali strategici.
4. Reasoning via Planning (RAP)
Il RAP porta il ragionamento a un livello superiore aiutando l’LLM a simulare esiti futuri. Prevede come le azioni si svilupperanno, esplora le alternative e perfeziona il suo piano lungo il percorso, proprio come farebbe uno stratega umano. Il RAP è perfetto per attività che richiedono pianificazione a lungo termine, inferenze logiche o risoluzione di problemi in più fasi.
Grazie a queste strategie gli LLM possono affrontare i problemi in modo sistematico, invece di limitarsi a indovinare. Che si tratti di scomporre i problemi in fasi (CoT), interagire con il feedback (ReAct), esplorare diverse opzioni (ToT) o simulare stati futuri (RAP), ciascuno di questi approcci rende l’IA più simile al ragionamento umano, solo più veloce.
In che modo Agentforce implementa il ragionamento degli LLM
Agentforce è il livello agentico, o aiutante IA intelligente, di Salesforce. Come soluzione IA completa, offre a dipendenti e clienti diversi modi di conversare con gli agenti in linguaggio naturale, consentendo ai team di lavorare più velocemente e ai clienti di ricevere risposte istantanee. Dietro le quinte, utilizza Large Language Model (LLM) non solo per comprendere e rispondere, ma anche per pianificare attività complesse, come un motore di ragionamento.
Ecco che cosa accade, passo dopo passo.
- Un utente inserisce una richiesta, ad esempio: “Crea una pagina web”.
- Agentforce invia questo input a un LLM sicuro utilizzando un prompt progettato accuratamente. Questo aiuta l’LLM a tradurre l’input dell’utente in una necessità definita che l’IA può comprendere.
- Una volta che l’intento è chiaro, un altro prompt chiede all’LLM di creare un piano per l’esecuzione del compito.
- L’LLM risponde con un piano dettagliato. Il piano è costruito soltanto a partire da azioni che l'agente è autorizzato a eseguire, per assicurare un comportamento sicuro e affidabile.
- L’agente esegue i passaggi e le azioni nell’ordine corretto e restituisce i risultati all’utente.
Questo processo riduce lo sforzo mentale richiesto agli utenti. Invece di dover capire come fare qualcosa, l’utente può semplicemente dire di cosa ha bisogno, e Agentforce si occupa del come.
Ragionamento in azione
Agentforce mette a disposizione delle aziende una nuova straordinaria capacità: trasforma gli LLM in motori di ragionamento in tempo reale. Questo significa che l’IA non si limita a rispondere alle domande, ma è in grado di interpretare scenari complessi, pianificare le mosse successive e agire.
Ecco alcuni esempi di cosa questo può significare in pratica.
-
Le vendite vanno a rilento? Agentforce può scandagliare il CRM, individuare lead promettenti e proporli agli addetti alle vendite.
-
Gli affari sono in calo? Gli agenti possono segnalare le opportunità a rischio, riassumere la cronologia degli account e fornire ai responsabili approfondimenti in modo rapido e chiaro.
-
Problemi di importi fatturati in eccesso? Un agente recupera i record giusti, propone passaggi utili per la risoluzione dei problemi e contribuisce alla loro rapida correzione.
-
Vuoi chiudere il trimestre in bellezza? Gli agenti possono valutare il sentiment dei clienti, prevedere l’andamento delle trattative e consigliare cosa fare oggi per preparare il successo di domani.
In tutti questi esempi, Agentforce agisce come un collega semi-autonomo in grado di analizzare i problemi con logica basata sugli LLM, di rispondere a interazioni in linguaggio naturale e di stabilire connessioni tra stakeholder.
Ricapitolando
Ora che hai acquisito familiarità con gli elementi di base dei motori di ragionamento, è facile capire perché tante aziende investono in questa tecnologia. Grazie al suo modo di affrontare problemi del mondo reale in modo simile a quello degli esseri umani, oggi l’IA può affiancare team di professionisti che lavorano sodo e offrire soluzioni affidabili, efficienti e semplici per aiutare le aziende a raggiungere i propri obiettivi.
Nella prossima unità esplorerai Atlas, il motore di ragionamento di Salesforce.