訂閱
糾錯(cuò)
加入自媒體

AI Agent:大模型的下一個(gè)高地

當(dāng)所有人都沉浸在與ChatGPT對(duì)話的樂(lè)趣中,一場(chǎng)靜水流深的變革已然啟動(dòng)。

2023年11月,比爾·蓋茨發(fā)表了一篇文章,他表示,AI Agent將是大模型之后的下一個(gè)平臺(tái),不僅改變每個(gè)人與計(jì)算機(jī)互動(dòng)的方式,還將在五年內(nèi)徹底改變我們的生活。

如果說(shuō)大模型是未來(lái)水電煤一般的基礎(chǔ)設(shè)施,那么Agent則是未來(lái)用戶接觸、使用AI的方式。

AI Agent不再滿足于僅僅作為“聊天對(duì)象”的角色,而是渴望成為能在真實(shí)世界里揮灑自如的“智能執(zhí)行者”。

數(shù)據(jù)顯示,過(guò)去兩年間,針對(duì)AI Agent的研究投入增長(zhǎng)幅度高達(dá)300%。大模型市場(chǎng)的玩家們,似乎正齊刷刷地轉(zhuǎn)向AI Agent。

在國(guó)內(nèi),截止去年11月中旬,AI Agent賽道發(fā)生融資事件13起,總?cè)谫Y金額約735億人民幣,公司融資均值為56.54億人民幣。

在國(guó)外,據(jù)外媒MattSchlicht數(shù)據(jù)顯示,至少有100個(gè)項(xiàng)目正致力于將AI代理商業(yè)化,近10萬(wàn)名開(kāi)發(fā)人員正在構(gòu)建自主Agent。

毫無(wú)疑問(wèn),AI Agent正在成為大模型之后下一個(gè)爆發(fā)點(diǎn)。

值得探討的是,作為一種巨大的技術(shù)變革,AI Agent將如何改變我們的生活?國(guó)內(nèi)外AI Agent的發(fā)展現(xiàn)狀如何?AI Agent落地的關(guān)鍵點(diǎn)是什么?

AI Agent:自主執(zhí)行任務(wù)的“小助手”

去年4月份,斯坦福和谷歌的研究者共同創(chuàng)建了一個(gè)“西部世界小鎮(zhèn)(Westworldsimulation)”。在這個(gè)小鎮(zhèn)里,25個(gè)AI Agent每天都在樂(lè)此不疲地散步、約會(huì)、聊天、用餐以及分享當(dāng)天的新聞。

在這個(gè)實(shí)驗(yàn)中,AI Agent(智能體)在執(zhí)行任務(wù)和互動(dòng)上表現(xiàn)出了令人驚艷的自主性和智能性,由此引發(fā)了業(yè)界的高度關(guān)注。

事實(shí)上,這并不是AI Agent第一次出圈,其概念從出現(xiàn)到爆發(fā),已經(jīng)邁過(guò)多個(gè)階段。

在單一Agent階段,主要是針對(duì)不同領(lǐng)域和場(chǎng)景的特定任務(wù),開(kāi)發(fā)和部署專門(mén)的智能體。以GPTengineer為例,給它一個(gè)需求,其就可以把代碼寫(xiě)個(gè)大概。

在多Agent合作階段,是由不同角色的Agent自動(dòng)合作完成復(fù)雜的任務(wù)。

例如在MetaGPT上,如果讓其做一個(gè)股票分析的工具,它會(huì)把這個(gè)任務(wù)分別翻譯給產(chǎn)品經(jīng)理、架構(gòu)師、項(xiàng)目經(jīng)理等5個(gè)角色,模擬整個(gè)的軟件開(kāi)發(fā)中所有決策工作流。

不過(guò),隨著微軟全新工具AutoGen的發(fā)布,AI Agent很快翻開(kāi)了新的篇章。

AutoGen允許多個(gè)LLM智能體通過(guò)聊天來(lái)解決任務(wù)。LLM智能體可以扮演各種角色,如程序員、設(shè)計(jì)師,或者是各種角色的組合,對(duì)話過(guò)程就把任務(wù)解決了。

與MetaGPT不同的是,MetaGPT的角色模型是被定義好的,而AutoGen可以讓開(kāi)發(fā)者自己定義Agent,還可以讓他們相互對(duì)話。

這是一個(gè)新的且富有創(chuàng)造性的Agent框架。在AutoGen發(fā)布的兩個(gè)星期內(nèi),星標(biāo)量從390狂增到10K,并在Discord上吸引了5000多名成員。

如果說(shuō)AutoGPT拉開(kāi)了自主智能體(Autonomous Agent)的帷幕,那么前文提到的“西部世界小鎮(zhèn)”則開(kāi)啟了生成智能體(Generative Agent)之路。

生成智能體就像美劇《西部世界》中的人形機(jī)器人或《失控玩家》中的智能NPC,它們?cè)谕画h(huán)境中生活,擁有自己的記憶和目標(biāo),不僅與人類(lèi)交往,還會(huì)與其他機(jī)器人互動(dòng)。

總的來(lái)說(shuō),AI Agent是一個(gè)能夠自主行動(dòng)、執(zhí)行任務(wù)的“小助手”,能夠針對(duì)目標(biāo)獨(dú)立思考并做出行動(dòng),會(huì)根據(jù)給定任務(wù)詳細(xì)拆解出每一步的計(jì)劃步驟,依靠來(lái)自外界的反饋和自主思考,為自己創(chuàng)建prompt以實(shí)現(xiàn)目標(biāo)。

比如,讓AI Agent買(mǎi)一杯咖啡,它會(huì)首先拆解如何才能為你購(gòu)買(mǎi)一杯咖啡并擬定代用某APP下單以及支付等若干步驟,然后按照這些步驟調(diào)用APP選擇外賣(mài),再調(diào)用支付程序下單支付,過(guò)程無(wú)需人類(lèi)去指定每一步操作。

而目前基于LLM的ChatGPT給出的反饋,只能止于“無(wú)法購(gòu)買(mǎi)咖啡,它只是一個(gè)文字AI助手”之類(lèi)的回答。

這也就不難理解,為什么AI Agent會(huì)是大模型的下一個(gè)高地——大模型聚焦于處理語(yǔ)言相關(guān)的任務(wù),它并不直接與現(xiàn)實(shí)世界互動(dòng),而AI Agent強(qiáng)調(diào)解決實(shí)際問(wèn)題的能力和與環(huán)境交互的全面性。

AI Agent加速落地

事實(shí)上,大模型還沒(méi)有出現(xiàn)之前,一些企業(yè)就已在研究傳統(tǒng)AI與Agent的結(jié)合應(yīng)用。因此,AI Agent在各領(lǐng)域的落地比大家預(yù)想得要快很多。

目前,海外已經(jīng)在零售、房地產(chǎn)、旅游、客戶服務(wù)、人力資源、金融、制造業(yè)等多個(gè)領(lǐng)域出現(xiàn)AI Agent架構(gòu)與產(chǎn)品,例如:

在醫(yī)療領(lǐng)域,Agent可以幫助診斷、治療和監(jiān)測(cè)患者。IBM Watson Health 是一個(gè)AI智能體,可以分析醫(yī)療數(shù)據(jù),以識(shí)別潛在的健康問(wèn)題并推薦治療方案。

在金融領(lǐng)域,Agent可以分析財(cái)務(wù)數(shù)據(jù)、檢測(cè)欺詐行為并提出投資建議。嘉信理財(cái)(Charles Schwab)使用名為Intelligent Portfolio的人工智能智能體,根據(jù)客戶的投資目標(biāo)創(chuàng)建和管理投資組合。

在零售業(yè)務(wù)場(chǎng)景中,Agent可以提供個(gè)性化推薦,改善供應(yīng)鏈管理,增強(qiáng)客戶體驗(yàn)。亞馬遜的Alexa是一個(gè)AI智能體,可以推薦產(chǎn)品、下訂單和跟蹤發(fā)貨。

在制造業(yè),Agent可以優(yōu)化生產(chǎn)流程,預(yù)測(cè)維護(hù)需求,提高產(chǎn)品質(zhì)量。通用電氣使用名為Predix的AI智能體實(shí)時(shí)監(jiān)控機(jī)器,以預(yù)測(cè)和防止設(shè)備故障。

在運(yùn)輸領(lǐng)域,自主AI Agent可以協(xié)助路線規(guī)劃、交通管理和車(chē)輛安全。特斯拉的Autopilot有助于自動(dòng)駕駛車(chē)輛,并幫助駕駛員停車(chē)、變道和安全駕駛。

不僅如此,在底層技術(shù)方面,AI Agent也打下了不錯(cuò)的基礎(chǔ)。

例如,OpenAI開(kāi)發(fā)的GPTs,以及推出的GPT-4Turbo和可定制AI Agent,提供了基礎(chǔ)Agent的構(gòu)建能力,如工具調(diào)用、基于知識(shí)庫(kù)文件記憶能力等,使得AI Agent進(jìn)入了另外一個(gè)新階段,即人人都可以打造自己的Agent。

但總的來(lái)說(shuō),AI Agent技術(shù)還處于比較早期的階段,主要在兩個(gè)類(lèi)型的場(chǎng)景中更容易落地:

一類(lèi)是具有交互性質(zhì)的場(chǎng)景。

例如,智能機(jī)器人和問(wèn)答式交互,這與AI Agent的迭代性質(zhì)天生匹配。在這種情境下,對(duì)于一些簡(jiǎn)單的任務(wù),比如購(gòu)買(mǎi)火車(chē)票或解決企業(yè)內(nèi)部IT服務(wù)的問(wèn)題,任務(wù)型機(jī)器人的應(yīng)用效果較好,并且相對(duì)容易維護(hù)。

另一類(lèi)是線性執(zhí)行任務(wù)的場(chǎng)景。

例如,一家支付公司要求用戶在開(kāi)戶時(shí)提交身份證明,在這種場(chǎng)景下,前臺(tái)是單向的,但后臺(tái)可以利用AI Agent執(zhí)行,相較于原有的流水線,AI Agnet更為高效。

AI Agent落地挑戰(zhàn)

盡量理想很美好,但當(dāng)前市場(chǎng)上的大多數(shù)AI Agent,其實(shí)只是構(gòu)建了一個(gè)基于特定知識(shí)庫(kù)或?qū)I(yè)數(shù)據(jù)的Chatbot。這些智能體主要用于進(jìn)行問(wèn)答交互,如獲取行業(yè)資訊、報(bào)告等,在程序聯(lián)動(dòng)和操作方面還有很大的提升空間。

在一些更復(fù)雜的場(chǎng)景中,現(xiàn)有的AI Agent技術(shù)只能做到輔助,無(wú)法完全實(shí)現(xiàn)自動(dòng)執(zhí)行。

這背后的原因有很多,包括技術(shù)能力、商業(yè)化路徑、應(yīng)用場(chǎng)景等,都會(huì)影響Agent的能力體現(xiàn)。

首當(dāng)其沖的,依然是技術(shù)問(wèn)題。

LLM作為AI Agent的認(rèn)知核心,其智能性在很大程度上決定了AI Agent感知環(huán)境、做出決策并執(zhí)行適當(dāng)行動(dòng)的能力。但就目前而言,包括GPT-4在內(nèi)的所有大模型,能力仍需提升。

同時(shí),AI Agent繼承了LLM的一些問(wèn)題,比如“幻覺(jué)”、“可解釋性”等問(wèn)題。此外,對(duì)于底層基礎(chǔ)模塊的質(zhì)量和性能,包括調(diào)用圖像識(shí)別等模型,也會(huì)直接影響到上層建筑的性能。

此外,Agnet各個(gè)模塊之間的交互和運(yùn)行可能會(huì)產(chǎn)生許多中間結(jié)果和狀態(tài),這也帶來(lái)了一些技術(shù)挑戰(zhàn)。例如,處理中間結(jié)果的魯棒性是一個(gè)問(wèn)題,下層模塊的性能和質(zhì)量會(huì)直接影響上層模塊的執(zhí)行。

其次,AI Agent的落地效果也受限于應(yīng)用場(chǎng)景。

例如,在出行預(yù)訂中,得益于豐富的API等問(wèn)題,AI Agent表現(xiàn)出色。而在如法律助手場(chǎng)景中,由于新知識(shí)的頻繁出現(xiàn)和API的不完善,實(shí)際應(yīng)用面臨更多挑戰(zhàn)。

這一點(diǎn),從國(guó)內(nèi)AI Agent紛紛生長(zhǎng)于協(xié)同辦公平臺(tái)就可見(jiàn)一斑。

由于協(xié)同辦公平臺(tái)本身具備良好的API接口和插件體系,這使得將大模型集成到現(xiàn)有工具中變得更加容易。

同時(shí),許多企業(yè)都在使用協(xié)同辦公軟件,這意味著廣泛的用戶基礎(chǔ)可以加速大模型的迭代和優(yōu)化過(guò)程,使其更好地滿足用戶需求。

最后,找到切入點(diǎn)以及好的商業(yè)模式至關(guān)重要。

AI Agent爆發(fā)的一段時(shí)間,人們普遍認(rèn)為補(bǔ)齊了大模型短板的AI Agent更具備實(shí)用性,將是大模型重要落地方向。

但就目前而言,這一路徑的商業(yè)化存在諸多問(wèn)題。拿游戲場(chǎng)景而言,目前收費(fèi)主要來(lái)源于出售游戲裝備、皮膚等方式,而AI Agent的價(jià)值無(wú)法體現(xiàn)在這些固有的變現(xiàn)途徑上。

由于AI Agent落地效果未出現(xiàn)顛覆性的能力,C端用戶是否會(huì)為其買(mǎi)單無(wú)法得知,能否成為AI大模型從C端商業(yè)化爆發(fā)一個(gè)最核心應(yīng)用方向,還需時(shí)間驗(yàn)證。

相對(duì)來(lái)說(shuō),B端可能更適合AI Agent的落地。在Agent構(gòu)建平臺(tái)上,企業(yè)或?qū)⒖梢宰约簶?gòu)建自己RPA、CRM、辦公OA等一系列管理軟件;軟件廠商也可以基于此平臺(tái)構(gòu)建軟件為企業(yè)提供服務(wù)。

但這仍需要成本控制、投入預(yù)算、實(shí)現(xiàn)效率、安全管控等多方面嚴(yán)格及縝密的評(píng)估。

結(jié)語(yǔ)

無(wú)論存在多少質(zhì)疑,時(shí)至今日,AI Agent依然帶來(lái)了諸多想象力。技術(shù)發(fā)展之路本就充滿質(zhì)疑與批判,科技變革對(duì)于任何一個(gè)企業(yè)與個(gè)體都是一場(chǎng)機(jī)遇,關(guān)鍵在于如何把握它。

【科技云報(bào)道原創(chuàng)】

轉(zhuǎn)載請(qǐng)注明“科技云報(bào)道”并附本文鏈接

原文標(biāo)題 : AI Agent:大模型的下一個(gè)高地

聲明: 本文由入駐維科號(hào)的作者撰寫(xiě),觀點(diǎn)僅代表作者本人,不代表OFweek立場(chǎng)。如有侵權(quán)或其他問(wèn)題,請(qǐng)聯(lián)系舉報(bào)。

發(fā)表評(píng)論

0條評(píng)論,0人參與

請(qǐng)輸入評(píng)論內(nèi)容...

請(qǐng)輸入評(píng)論/評(píng)論長(zhǎng)度6~500個(gè)字

您提交的評(píng)論過(guò)于頻繁,請(qǐng)輸入驗(yàn)證碼繼續(xù)

  • 看不清,點(diǎn)擊換一張  刷新

暫無(wú)評(píng)論

暫無(wú)評(píng)論

人工智能 獵頭職位 更多
掃碼關(guān)注公眾號(hào)
OFweek人工智能網(wǎng)
獲取更多精彩內(nèi)容
文章糾錯(cuò)
x
*文字標(biāo)題:
*糾錯(cuò)內(nèi)容:
聯(lián)系郵箱:
*驗(yàn) 證 碼:

粵公網(wǎng)安備 44030502002758號(hào)