火爆的AI Agent,到底是什么?

0 评论 5107 浏览 21 收藏 17 分钟

查了一下:

AI Agent热潮,准确来说,从2023年3月开始。

那时候,一个叫AutoGPT框架项目发布,项目利用大型语言模型,能自动把一个大任务拆分成小任务,并使用工具完成它们。

这种技术,将大语言模型处理语言、创造内容,和逻辑推理的能力扩展到了应用场景里,还加了感知和行动技术,所以,能从头到尾解决一个简单的问题。

紧接着,一年时间内,项目引起国外大公司、国内创业者、投资者们极大关注,大家开始积极开发AI Agent的框架、平台或具体应用。

外加上去年11月,OpenAI又推出一系列的GPTs,然后,国内才有不少公司才开始根据各自能力布局应用层、平台层、开发层和运营层等方向,来增加下一波生态下的壁垒性。

因此,人们才认为它是下一个重要细分发展方向。

可是:任何行业都存在信息差,我周围有很多人,之前并没有关注该赛道,爆发后才觉得有必要了解下,但现在市场上各种信息泛滥,让人眼花缭乱,就带来不少困扰。他们不太清楚Agent是什么?为什么很重要,未来发展怎样?借此机会,分享一些信息,希望帮你初步了解这个概念。

01

到底什么是AI agent?它是怎么工作的呢?

先来看一个词:“agent”,中文意思是代理人。代理人,你可以理解成有人帮你去做某件事。那么,AI agent是什么?简单来说,一个由AI技术加持的代理人,它变得更聪明了,可以感知周围的环境,并且能够独立地思考和行动。

你有没有用过对话式的大模型(LLM),比如:文心一言、Kimi Chat、或者智谱AI?AI agent和对话式模型区别在于,你不用一直告诉它要做什么,只要给它一个目标,就能想办法自动帮你完成。

所以,大模型(LLM)要很多各种各样的数据,数据帮助它,学习的和人一样具备交流、学习、思考和推理的能力。

不过,它并不完美,时常出现一些奇怪的想法,或者受到环境影响;这时,就能用基于大模型开发的AI agent进一步细化问题。

举个容易理解的例子:你用过小爱同学吗?假如生病了,以前对它说:“我不舒服”,它只会告诉你去医院看看,多注意防护。如果更聪明的AI agent,做法会不一样。

它能检测你的体温和其他健康指标,结合网上的信息,分析之后告诉你:你可能发烧了。”接下来,还能帮你自动写好请假条。

如果说:“帮我在钉钉上发给领导”,它立刻就能搞定。要是家里布洛芬不够了,它甚至可以把药加入购物车,你确认后付款,很快药就能送到家。

这就是AI agent的聪明之处。

所以,它的工作原理是什么呢?主要有四部分:

  • 感知
  • 信息处理
  • 执行
  • 输出

感知是第一步。AI通过传感器、摄像头、麦克风这些外部设备来感知周围的世界。比如你说:“我不舒服”,这句话就能通过麦克风被捕捉到。

信息处理,像把一个通用的大模型和很多专业的知识库结合起来。比如:健康数据和家里的药物存量,你告诉它这些信息,它就能帮你保存并做出决策。

写请假条、在线购买药品,这些都是系统根据它的决策来完成的具体工作。完成之后,系统会告诉你结果。

一个完整的智能体(Agent),好比人类和周围环境互动的过程,它由两部分组成:一部分是智能体自己,另一部分是它所在的环境。

智能体像生活在物理世界中的人类,而物理世界是它的外部环境,人类感知周围的世界,理解环境中隐藏的信息,再结合自己的记忆、对世界的了解来做计划、做决定和采取行动一样;行动又会影响环境,产生新的反馈。

人类根据反馈再次做出决策,从而形成一个不断循环的过程。

你看,整个过程像不像马克思主义的「实践论」?有个目标后,从认识开始,实践得出理论知识,再把知识应用回实践中去。

这就是,AI Agent神奇之处。

02‍

不过,由于大模型本身能力还在不断发展中,智能体形态、应用场景也就更晚一些,所以,看似短短一年内,探索了多种实现智能体的方式,但大部分还处在概念验证、产品演示阶段,常见问题也相对明显。

包括:项目文档不完整、复用效果不稳定、任务拆分过细,导致成本过高,以及推理能力不够,更主要的原因,还有跨平台能力如何解决等等。

我身边爱写作、阅读的朋友们都有一个共同的习惯:

他们会收藏一些有用的信息。通常,信息被临时记录在备忘录中。随着时间往后推,记录东西多了,管理起来就比较麻烦。

前段时间,我琢磨能不能创建一个完整的流程,自动化处理,折腾半天,虽然搭建成功流程自动化,但实际使用起来的效果并不理想。

所以,许多平台厂商、研究机构、创业公司推出各种单一智能体、多组合智能体、以及机器人自动化(RPA)等框架项目,但从实际调研和行业反馈看,还要迭代。

不过,这个框架的总体思路,可以用一个公式概括:

Agent = LLM(大型语言模型)+ Planning(规划)+ Feedback(反馈)+ Tool use(工具使用)。

当我们做规划时,不仅只看当前情况,还会考虑记忆、过去的经验,以前的反思和总结,还有对世界的了解也加入进来。

而现在以ChatGPT和其他为首的国内大模型,更像一个固定不变的知识库,它不能直接和环境互动,虽然它们可以进行逻辑推理、基本规划,但不能感知周边的一切,来进行自主反馈。

在我看来,智能体能通过各种方式获取反馈。

比如:

如果我们把和对话的ChatGPT视为一个智能体,那么,通过文本框输入的回复就是给它的反馈,这种互动后,它能调整自己的回答,而不是一次次再教育。

还有,更进一步地,智能体可以使用外部工具来增强它的功能,解决更复杂的问题。

例如:

它可以用天气API来获取天气预报,如果没有工具,智能体还能学习适应环境变化的策略,来应对挑战。所以,一个完整AI智能体应该能够主动和环境互动。而大型语言模型是它潜在能力的核心,未来发展方向,是创建一个从头到尾的系统,这将依靠它有效地使用周围的工具,来实现更广泛的应用。

03‍

那么,它为什么很重要?我为什么要深入理解呢?

首先,AI智能体将会引领软件行业进入一个新的时代,我们可以叫它“3D打印时代”。什么意思呢?3D打印技术普及时,人们很方便地3可以打印出各种“实体物品”。

在所谓的“3D打印时代”,开发、定制软件将变得跟打印文件一样简单、快速。公司、个人想要什么?都根据自己的需求,很快找到解决方案。有一个科学家,名叫Andrej Karpathy,他在特斯拉负责开发、优化自动驾驶技术。

他在推特上说过,我们可以利用大数据、强大的计算能力来解决过去需要很多人力和时间的复杂问题。这也是为什么那么多人对AutoGPT感兴趣的原因。

其次,AI智能体能减少软件的生产成本。你学过编程没?以前编程,要写大量临时文件、测试方案,还要长期保存下来,以便不时之需;现在的编程,完全可以自动化制作,成本几乎为零;这意味着,原来需要上千万人才能完成的软件任务,现在少量的人就可以搞定。

还有一点是,智能体灵活满足各种需求。以前,我在几家C轮公司工作过,技术人员占了一半,因为用户很多、开发的东西也特别多。不仅要做商城,还要做CRM系统,只有用很多人力才能提高效率。

现在情况不同,很多基础的需求直接交给智能体来处理。这就像,我们从大批量生产,转变成了小批量快速响应的模式。如果把大语言模型看作人类思考的“系统1”,即负责快速、直觉的思考,而AI智能体则类似于人类的“系统2”,负责慢速、分析性的深入思考。计算机专家,Andrej Karpathy曾提到:大模型可以快速产生反馈,但也容易产生误判。

AI智能体目标是建立一个个小框架,让LLM循序渐进的思考,反而更能做出可靠的决策。我以前在网上搜索学术文章时,要分两步筛选信息:首先,根据研究领域进行初步筛选;然后,根据第一次搜索结果,进一步筛选出与我期望最相似的文章。这个过程通常要多次查询和调整,耗时又麻烦。后来,情况大有改观。

我用RPA后,它按照要求自动筛选,并在第一轮结果后精准查找,所以,这就像APP的推荐系统,你可以根据需要,定制自己的智能体。

所以,基于大模型的Agent,改变了获取信息的方式,未来会有更多人有自己的Agent,帮它当合作伙伴,你可以想想,如果有个小助手,你会让它做什么?

04‍

那么,AI Agent有什么不同类型呢?因为Agent技术还不是完全成熟,所以,Agent平台也在初期阶段,现在一些比较固定的工作流程,或有详细标准SOP的程序,都在封闭环境下进行。

即便一些比较受欢迎的平台,它们在API生态系统,工作流程再组合上,还是不够完善。我盘了一下,AI Agen平台大致有三类:一类,面对公众和非开发人员,基于知识库和数据库的简单聊天机器人(Chatbot);如“类GPTs”,它提供标准界面、流程。国内字节的扣子(Coze)、阿里的AI助理市场。

另一类,面向开发者的综合开发平台:这类平台帮助开发者使用各种API、第三方库和代码嵌入,进行Agent的流程调优。

例如:Coze海外版、百度灵境矩阵全代码版,阿里、亚马逊等提供模型托管,支持开发者开发应用。它们可以能解决复杂问题、有多个工作流程安排的复杂场景在里面。

第三类是企业级开发平台:专门给企业工作流程制作的智能化。比如:TARS-RPA-Agent、CubeAgent和Torq等。澜码科技的AskXbot平台,以及360的“大模型+企业知识库+Agent”的解决方案。基于该框架下又能进行行业结构,应用场景再次划分。

因为大家发展速度真的很快,所以,从实际情况来看,首先需要做的是:

第一步,丰富通用和特定场景的工作流程。这意味着,要创建一些标准的流程,这样不同的情况下都能用。

第二步,深入地学习和积累专业知识。

这样,第三步,平台能更好地重复使用已有的工作流程,也能更灵活地结合不同的工具。

同时,还要探索适合的商业模式,这样才能满足AI时代的需求。简单说,就是要搞清楚怎么通过AI Agent赚到钱,同时确保AI平台能不断进步,更好地服务大家,很重要。

更直白一点说:产品营销圈,有一个很重要概念叫做PMF(Product-Market Fit,产品市场匹配度)。

如果一个产品找到它的PMF,就找到了自己的市场立足点,开始有了用户黏性。在AI大模型产品领域里,大模型要找到自己的TPF(Technology Product Fit,技术产品匹配)。

技术发展比较快时,AI从业者,要从技术、产品和市场三个角度全面考虑,寻找一个中间值,三者,完美匹配的时,才是AI Agent解决具体需求,赚到前的高光时刻。我们不能总说技术厉害,而忽略市场是否需要。

前段时间,跟一个老板沟通企业内部流程再造时,就提到该问题,他说:看似很多冗余工作,AI Agent可以解决,但是,AI Agent解决前,总要先有人得先用好他。

举个例子:服装设计公司,面临一个重大挑战,批量生产服装时,要设计和制作多个样板,这个过程传统上完全依赖人工;现在,AI智能体可以介入这一过程,但到底能处理到哪一步呢?精确度足够高吗?这些都要进一步的探索、测试。

所以,国内Agent发展还未达到其真正潜力,大多只是些简单的聊天机器人。

缺少反思、规划、环境感知能力,而这些能力,恰巧构成高级AI Agent的核心要素。总结而言AI Agent,进一步迭代工作流。

据我所知,目前市面有很多agent搭建工具,如果你想进一步了解这个赛道,亲自试试,是最快的方法。

本文由人人都是产品经理作者【王智远】,微信公众号:【王智远】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载。

题图来自Unsplash,基于 CC0 协议。

更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!