(LSJ) agenttien autonomiakehys (L0-L5)

View fullsize

Lifetmie Studio 2026 is your go-to partner to recombination your workflows and agents.

Lähteet

Luettelo lähteistä linkein, jotka perustuvat antamiisi lähdetietoihin. Tämä luettelo sisältää keskeisimmät tutkimukset, joihin keskustelussa viitattiin, erityisesti data-agenttien taksonomiaa käsittelevän katsauksen.

1. Zhu, Y., Wang, L., Yang, C., Lin, X., Li, B., Zhou, W., Liu, X., Peng, Z., Luo, T., Li, Y., Chai, C., Chen, C., Di, S., Fan, J., Sun, J., Tang, N., Tsung, F., Wang, J., Wu, C., Xu, Y., Zhang, S., Zhang, Y., Zhou, X., Li, G. & Luo, Y. (2025). **A Survey of Data Agents: Emerging Paradigm or Overstated Hype?** (Tutkimus paperi). arXiv. [Online]. Saatavilla: https://arxiv.org/abs/2510.23587 [1, 2].

2. HKUSTDial. (n.d.). awesome-data-agents (Continuously updated paper list on advancements in Data Agents. Companion repo to our paper "A Survey of Data Agents: Emerging Paradigm or Overstated Hype?"). GitHub. [Online]. Saatavilla:

https://github.com/HKUSTDial/awesome-data-agents [3, 4].

3. Shi, E., Gasser, T. M., Seeck, A. & Auerswald, R. (2020). The Principles of Operation Framework: A Comprehensive Classification Concept for Automated Driving Functions. *SAE International Journal of Connected and Automated Vehicles*, 3(1), pp. 27–37. (SAE J3016 -standardiin liittyvä työ, joka toimi inspiraationa data-agenttien taksonomialle L0–L5) [5-7].

4. Yao, S., Zhao, J., Yu, D., Du, N., Shafran, I., Narasimhan, K. & Cao, Y. (2023). ReAct: Synergizing reasoning and acting in language models. International Conference on Learning Representations (ICLR). (Viite varhaiseen viitekehykseen, joka yhdistää päättelyn ja toiminnan, ja johon on viitattu data-agenttien kehityksessä) [8-10].

Lähteet käsittelevät tekoälyagenttien kehittyvää alaa, keskittyen erityisesti niiden autonomia-asteisiin ja soveltamiseen eri toimialoilla. Useat lähteet esittelevät hierarkkisia luokituksia, kuten kuusitasoisen taksonomian data-agenteille (L0-L5) ja kyberturvallisuuden viisitasoisen autonomian kehyksen, jotta vältettäisiin terminologinen epäselvyys ja parannettaisiin ihmisen ja tekoälyn välistä yhteistyötä.

Tekoälyagentit, jotka on usein rakennettu suurten kielimallien (LLM) varaan, määritellään tavoitteisiin suuntautuneiksi ohjelmistoiksi, jotka pystyvät suunnittelemaan, kutsumaan työkaluja ja mukautumaan tehtävän suorittamiseksi.

Keskeinen teema on siirtyminen reaktiivisista järjestelmistä osittain autonomisiin toimeenpanijoihin (kuten L2) ja edelleen kohti ehdollisen autonomian tasoa (L3), jossa agentit pystyvät itsenäiseen orkestrointiin. Lähteet korostavat myös luottamuksen, valvonnan ja selitettävyyden merkitystä tässä kehityksessä, erityisesti kun harkitaan agenttien kykyä "älykkääseen tottelemattomuuteen" ja integroitumista kriittisiin yritysprosesseihin, kuten kyberturvallisuuskeskuksiin ja datan hallintaan.