論文の概要: A Comprehensive Review of AI Agents: Transforming Possibilities in Technology and Beyond
- arxiv url: http://arxiv.org/abs/2508.11957v1
- Date: Sat, 16 Aug 2025 07:38:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-19 14:49:10.483377
- Title: A Comprehensive Review of AI Agents: Transforming Possibilities in Technology and Beyond
- Title（参考訳）: AIエージェントの総合的レビュー - 技術とそれ以上の可能性を変革する
- Authors: Xiaodong Qu, Andrews Damoah, Joshua Sherwood, Peiyan Liu, Christian Shun Jin, Lulu Chen, Minjie Shen, Nawwaf Aleisa, Zeyuan Hou, Chenyu Zhang, Lifu Gao, Yanshu Li, Qikai Yang, Qun Wang, Cristabelle De Souza,
- Abstract要約: Reviewは、次世代のAIエージェントシステムを、より堅牢で適応性があり、信頼できる自律的知性へと導くことを目指している。
認知科学に触発されたモデル、階層的強化学習フレームワーク、および大規模言語モデルに基づく推論から洞察を合成する。
我々は、これらのエージェントを現実世界のシナリオに展開する際の倫理的、安全性、解釈可能性に関する懸念について論じる。
- 参考スコア（独自算出の注目度）: 3.96715377510494
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Artificial Intelligence (AI) agents have rapidly evolved from specialized, rule-based programs to versatile, learning-driven autonomous systems capable of perception, reasoning, and action in complex environments. The explosion of data, advances in deep learning, reinforcement learning, and multi-agent coordination have accelerated this transformation. Yet, designing and deploying unified AI agents that seamlessly integrate cognition, planning, and interaction remains a grand challenge. In this review, we systematically examine the architectural principles, foundational components, and emergent paradigms that define the landscape of contemporary AI agents. We synthesize insights from cognitive science-inspired models, hierarchical reinforcement learning frameworks, and large language model-based reasoning. Moreover, we discuss the pressing ethical, safety, and interpretability concerns associated with deploying these agents in real-world scenarios. By highlighting major breakthroughs, persistent challenges, and promising research directions, this review aims to guide the next generation of AI agent systems toward more robust, adaptable, and trustworthy autonomous intelligence.
- Abstract（参考訳）: 人工知能(AI)エージェントは、専門的なルールベースのプログラムから、複雑な環境における知覚、推論、行動が可能な、多目的で学習駆動の自律システムへと急速に進化してきた。
データの爆発、ディープラーニングの進歩、強化学習、マルチエージェント調整が、この変革を加速させた。
しかし、認知、計画、相互作用をシームレスに統合する統合AIエージェントの設計とデプロイは、依然として大きな課題である。
本稿では,現代AIエージェントの景観を定義するアーキテクチャ原則,基礎的構成要素,創発的パラダイムを体系的に検討する。
認知科学に触発されたモデル、階層的強化学習フレームワーク、および大規模言語モデルに基づく推論から洞察を合成する。
さらに,これらのエージェントを現実のシナリオに展開する際の倫理的,安全,解釈可能性に関する懸念についても論じる。
このレビューは、大きなブレークスルー、永続的な課題、そして有望な研究方向性を強調することで、次世代のAIエージェントシステムをより堅牢で適応可能で信頼性の高い自律的知性へと導くことを目的としている。
関連論文リスト
- A Survey of Self-Evolving Agents: On Path to Artificial Super Intelligence [87.08051686357206]
大きな言語モデル(LLM)は強力な能力を示しているが、基本的に静的である。
LLMはますますオープンでインタラクティブな環境にデプロイされているため、この静的な性質は重要なボトルネックとなっている。
この調査は、自己進化エージェントの体系的で包括的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-07-28T17:59:05Z) - Demystifying AI Agents: The Final Generation of Intelligence [0.0]
これらのエージェントはAI開発の最終段階であり、インテリジェンスの「最終世代」を構成する可能性があると我々は主張する。
実例に基づいて,これらのエージェントの能力と基礎技術について検討する。
この論文は、この強力な新しいインテリジェンスの時代によってもたらされる機会と課題をナビゲートする上で、知恵と先見性に対する批判的な必要性を強調して締めくくっている。
論文 参考訳（メタデータ） (2025-05-15T03:35:12Z) - Multi-agent Embodied AI: Advances and Future Directions [46.23631919950584]
エンボディード人工知能(Embodied AI)は、インテリジェントな時代における先進技術の適用において重要な役割を担っている。
本稿では,研究の現状を概観し,重要な貢献を分析し,課題と今後の方向性を明らかにする。
論文 参考訳（メタデータ） (2025-05-08T10:13:53Z) - Advances and Challenges in Foundation Agents: From Brain-Inspired Intelligence to Evolutionary, Collaborative, and Safe Systems [132.77459963706437]
この本は、モジュール化された脳に触発されたアーキテクチャの中で、インテリジェントなエージェントをフレーミングする、包括的な概要を提供する。
自己向上と適応的な進化のメカニズムを探求し、エージェントが自律的に能力を洗練する方法を探求する。
また、エージェントの相互作用、協力、社会構造から生じる集合的知性についても調べる。
論文 参考訳（メタデータ） (2025-03-31T18:00:29Z) - Position Paper: Agent AI Towards a Holistic Intelligence [53.35971598180146]
エージェントAI - 大きな基盤モデルをエージェントアクションに統合する具体的システム。
本稿では,エージェント・ファウンデーション・モデル(エージェント・ファウンデーション・モデル)を提案する。
論文 参考訳（メタデータ） (2024-02-28T16:09:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。