AI和機(jī)器學(xué)習(xí)的發(fā)展歷程是顛覆性的。最初，我們從手動(dòng)編碼轉(zhuǎn)向通過(guò)數(shù)據(jù)訓(xùn)練計(jì)算機(jī)。在早期階段，AI只能處理特定任務(wù)，例如分類(lèi)和物體識(shí)別——這些是它們經(jīng)過(guò)明確訓(xùn)練后能夠執(zhí)行的功能。

但這一切在2022年底隨著OpenAI推出ChatGPT而發(fā)生了改變，這一突破性工具不僅可以生成內(nèi)容，還能執(zhí)行各種任務(wù)，迅速吸引了全球數(shù)百萬(wàn)人的關(guān)注。正如Gartner在2023年AI技術(shù)成熟度曲線(xiàn)中所指出的那樣，GenAI已經(jīng)達(dá)到了“膨脹期的頂峰”，預(yù)計(jì)將在未來(lái)5到10年內(nèi)進(jìn)入“生產(chǎn)力平臺(tái)期”。

克服挑戰(zhàn)與局限性

根據(jù)Gartner的定義，達(dá)到生產(chǎn)力平臺(tái)期意味著AI將被廣泛采用，其優(yōu)勢(shì)將得到明確定義，并有清晰的實(shí)施指南。要實(shí)現(xiàn)這一目標(biāo)，我們首先必須解決當(dāng)前AI技術(shù)的局限性，并探索如何通過(guò)智能體來(lái)克服這些挑戰(zhàn)。

盡管當(dāng)今的大型語(yǔ)言模型(LLMs)在生成電子郵件、寫(xiě)作文章和進(jìn)行情感分析等任務(wù)上表現(xiàn)出色，但它們?cè)谔幚韽?fù)雜任務(wù)時(shí)仍然存在困難，例如復(fù)雜的數(shù)學(xué)計(jì)算或多步驟問(wèn)題解決。此外，LLMs還存在其他顯著的局限性：

? 幻覺(jué)或誤導(dǎo)性輸出

? 技術(shù)限制，如有限的上下文長(zhǎng)度和內(nèi)存

? 輸出中的偏見(jiàn)

? 可能產(chǎn)生有害或不當(dāng)言論

? 知識(shí)有限(例如，ChatGPT 3.5的知識(shí)截止日期為2021年9月)

有趣的是，這些挑戰(zhàn)與我們?nèi)祟?lèi)所面臨的問(wèn)題并無(wú)太大不同。我們也容易犯錯(cuò)誤、存在偏見(jiàn)、記憶有限，有時(shí)甚至?xí)龀鲇泻Φ幕貞?yīng)。為了管理這些不足，我們通常會(huì)：

? 在線(xiàn)尋找信息，使用Excel和Word等工具。

? 多次修改我們的工作以糾正錯(cuò)誤并提高質(zhì)量。

? 尋求同事和導(dǎo)師的反饋，并吸收他們的見(jiàn)解。

? 團(tuán)隊(duì)合作以取得更好的結(jié)果。

通過(guò)應(yīng)用類(lèi)似的策略，我們可以改進(jìn)大型語(yǔ)言模型(LLM)的輸出，從而引出GenAI智能體的概念。

什么是GenAI智能體?

GenAI智能體旨在克服當(dāng)前LLM的許多局限性，能夠執(zhí)行單一模型無(wú)法處理的復(fù)雜任務(wù)。例如，如果你想從一個(gè)數(shù)據(jù)集中識(shí)別出按收入排名前三的公司，智能體將會(huì)：

? 獲取所有公司的收入數(shù)據(jù)。

? 按收入對(duì)公司進(jìn)行排序。

? 返回排名前三的公司。

為了實(shí)現(xiàn)這一目標(biāo)，智能體將LLM與關(guān)鍵組件結(jié)合起來(lái)，如規(guī)劃、記憶和工具：

? 規(guī)劃：智能體使用LLM制定并執(zhí)行計(jì)劃。

? 記憶：智能體在執(zhí)行多個(gè)步驟時(shí)保留信息，從而能夠處理復(fù)雜任務(wù)。

? 工具：智能體使用各種工具來(lái)執(zhí)行特定任務(wù)，以下將對(duì)此進(jìn)行更詳細(xì)的討論。

GenAI智能體的關(guān)鍵特性

GenAI智能體被設(shè)計(jì)為：

? 規(guī)劃和執(zhí)行任務(wù)

? 反思結(jié)果

? 使用工具實(shí)現(xiàn)特定目標(biāo)

? 在最少的人工干預(yù)下運(yùn)行

此類(lèi)智能體的例子包括網(wǎng)站建設(shè)工具、從Excel表格中提供見(jiàn)解的數(shù)據(jù)分析師，以及根據(jù)用戶(hù)輸入規(guī)劃旅行的旅游代理。

工具在GenAI智能體中的作用

工具對(duì)于智能體至關(guān)重要，使其能夠有效地執(zhí)行任務(wù)。在GenAI的領(lǐng)域中，工具使LLM智能體能夠與外部環(huán)境和應(yīng)用程序進(jìn)行交互，例如進(jìn)行互聯(lián)網(wǎng)搜索、代碼解釋器和數(shù)學(xué)引擎等，這些工具可以訪(fǎng)問(wèn)數(shù)據(jù)庫(kù)、知識(shí)庫(kù)以及外部模型。

例如，一個(gè)旅行代理需要工具來(lái)搜索和預(yù)訂航班，還需要搜索互聯(lián)網(wǎng)的工具。其他工具可能包括：

? 實(shí)體提?。簭姆墙Y(jié)構(gòu)化文檔中提取特定信息。

? Chat DB：無(wú)需SQL知識(shí)即可從數(shù)據(jù)庫(kù)中檢索信息。

? 知識(shí)機(jī)器人：使用檢索增強(qiáng)生成(RAG)技術(shù)，根據(jù)自定義知識(shí)庫(kù)回答問(wèn)題。

? 互聯(lián)網(wǎng)搜索：根據(jù)用戶(hù)查詢(xún)從搜索引擎獲取內(nèi)容。

? 摘要生成：為大型文檔提供針對(duì)特定角色的摘要。

? 程序執(zhí)行：執(zhí)行Python代碼以解決特定問(wèn)題。

? 維基百科搜索：根據(jù)用戶(hù)查詢(xún)從維基百科檢索內(nèi)容。

? 比較：回答比較性問(wèn)題，如性能指標(biāo)或產(chǎn)品推薦。

智能體設(shè)計(jì)模式

為了執(zhí)行復(fù)雜任務(wù)，智能體必須有效地協(xié)調(diào)這些工具。基于A(yíng)ndrew NG的講座，已經(jīng)出現(xiàn)了幾種智能體設(shè)計(jì)模式：

? 反思：LLM評(píng)估自己的工作以改進(jìn)輸出。

? 工具使用：LLM利用工具，如網(wǎng)絡(luò)搜索或代碼執(zhí)行，來(lái)收集信息和處理數(shù)據(jù)。

? 規(guī)劃：LLM制定多步驟計(jì)劃以實(shí)現(xiàn)目標(biāo)，然后執(zhí)行該計(jì)劃。

? 多智能體協(xié)作：多個(gè)AI智能體協(xié)作，分配任務(wù)并討論想法，以尋找更好的解決方案。

盡管前兩種模式會(huì)產(chǎn)生可預(yù)測(cè)的結(jié)果，但后兩種仍處于實(shí)驗(yàn)階段。

LLM智能體框架

基于對(duì)智能體、工具和設(shè)計(jì)模式的理解，規(guī)劃模式的一種變體逐漸形成。這個(gè)框架包括定義一個(gè)任務(wù)或目標(biāo)，然后通過(guò)迭代的方式規(guī)劃并執(zhí)行下一個(gè)動(dòng)作，接著進(jìn)入反饋循環(huán)。

一個(gè)LLM智能體由核心組件組成：

? 大腦/LLM：作為協(xié)調(diào)者。

? 記憶(向量數(shù)據(jù)庫(kù))：存儲(chǔ)中間步驟和結(jié)果。

短期記憶：在上下文窗口內(nèi)保存上下文信息。

長(zhǎng)期記憶：一個(gè)外部的向量存儲(chǔ)，提供相關(guān)的上下文信息。

? 工具/互聯(lián)網(wǎng)：使智能體能夠執(zhí)行任務(wù)，如網(wǎng)絡(luò)搜索或程序執(zhí)行。

? 政策：通過(guò)設(shè)計(jì)確保信任，防止處理有害輸入。

智能體的未來(lái)

GenAI的未來(lái)在于智能體與人類(lèi)的協(xié)作。試想一個(gè)世界，醫(yī)生、設(shè)計(jì)師和客戶(hù)服務(wù)代表都由增強(qiáng)其能力的智能體支持。從科學(xué)發(fā)現(xiàn)到藝術(shù)創(chuàng)作，可能性是無(wú)窮的。

對(duì)于企業(yè)而言，將GenAI智能體融入運(yùn)營(yíng)中可以帶來(lái)戰(zhàn)略?xún)?yōu)勢(shì)，釋放出新的效率提升、個(gè)性化服務(wù)和問(wèn)題解決能力，這些智能體不會(huì)取代人類(lèi)的創(chuàng)造力，而是會(huì)增強(qiáng)它，推動(dòng)一個(gè)充滿(mǎn)創(chuàng)新和進(jìn)步的未來(lái)。