此外，布的內在屬性——提醒我們與人工智慧合作設計這些系統，使其能夠抵禦不確定的資料流，而不僅僅是準確的資料流。 自動駕駛汽車完美地詮釋了這一原則：雖然在晴朗的天氣條件下駕駛可以透過精確的感測器和地圖資料庫來管理，但在有霧的早晨駕駛需要對模糊的視覺資訊有更大的容忍度——這是一種完全不同的策略！ 最後但同樣重要的是，文化因素如何影響認知提供了一個有趣的見解，引導我們創造更具文化敏感度的人工智慧工具。
像谷歌這樣的公司已經開始接受這個想法；他們的翻譯軟體現在 泰國數據 在翻譯語言時會考慮非正式俚語和官方語言規則。 但是，像人類一樣工作的解決方案難道不會缺乏邏輯性、準確性和更容易出錯嗎？是的，但這是一個功能，而不是一個錯誤。許多企業將從實施複雜的類人代理作為服務的一部分中獲益；例如，藝術家使用生成式人工智慧來創作圖像以獲得靈感，他可能會從「錯誤」中獲得靈感。
想想有多少次你被某人的聰明才智所震驚——例如，孩子們因為不太容易被常識所束縛而創造出奇妙的歷史和藝術。我們不會使用產生幻覺的人工智慧進行高風險投資，但對於一個想找人交流想法的作家來說，這是再好不過的事情了。 因此，考慮到這些想法，讓我們來討論一下工具以及它們如何幫助我們創建類似人類的代理。 朗查因 我們可以寫一百萬篇關於Langchain的文章，但這還不足以觸及這個極其強大的框架的表面。