AI 就像電力一樣。”這是因?yàn)椋鳛橐环N通用技術(shù)（類似于電力），AI 有著無(wú)數(shù)的應(yīng)用場(chǎng)景。如果有人問(wèn)你：“電力能用來(lái)做什么？” 這個(gè)問(wèn)題很難回答，因?yàn)殡娏缀鯚o(wú)處不在。同樣，新興的AI技術(shù)正在為我們創(chuàng)造一個(gè)龐大的機(jī)會(huì)空間，能夠開發(fā)以前無(wú)法實(shí)現(xiàn)的應(yīng)用。

 經(jīng)常有人問(wèn)我：“AI最大的機(jī)會(huì)在哪里？” 我對(duì)AI技術(shù)棧的理解是這樣的：在最底層，是半導(dǎo)體技術(shù)。在其上是云基礎(chǔ)設(shè)施。當(dāng)然，再往上是各種基礎(chǔ)模型訓(xùn)練工具和模型本身。大眾和媒體的注意力通常集中在技術(shù)棧的這些層級(jí)，尤其是生成式AI等新技術(shù)層面。這本身沒有問(wèn)題，但我認(rèn)為還有一個(gè)層級(jí)值得更多關(guān)注，那就是應(yīng)用層。

應(yīng)用層是我們創(chuàng)造價(jià)值和收入的地方，它最終支持整個(gè)技術(shù)棧的發(fā)展。因此，我花了很多時(shí)間思考AI的應(yīng)用，因?yàn)槲蚁嘈拍抢锸菢?gòu)建新事物的最佳機(jī)會(huì)所在。

過(guò)去幾年中，尤其是在生成式AI的推動(dòng)下，機(jī)器學(xué)習(xí)模型開發(fā)的速度顯著加快。例如，構(gòu)建一個(gè)情感分類器（用于分析文本情感正面或負(fù)面的工具）以進(jìn)行聲譽(yù)監(jiān)控。使用傳統(tǒng)的監(jiān)督學(xué)習(xí)方法，通常需要一個(gè)月時(shí)間收集標(biāo)注數(shù)據(jù)，再用幾個(gè)月訓(xùn)練模型，之后還需額外時(shí)間部署平臺(tái)。總體來(lái)看，即使是最頂尖的團(tuán)隊(duì)，構(gòu)建有價(jià)值的AI系統(tǒng)通常需要6到12個(gè)月。

生成式AI讓某些類別的應(yīng)用開發(fā)可以在數(shù)日內(nèi)完成。例如，編寫一個(gè)提示（prompt）只需幾天時(shí)間，快速部署后，能夠?qū)⒁郧靶枰獢?shù)月完成的應(yīng)用縮短到10天以內(nèi)。這為快速實(shí)驗(yàn)、原型設(shè)計(jì)和快速推出AI產(chǎn)品打開了激動(dòng)人心的可能性。

快速實(shí)驗(yàn)已成為創(chuàng)新的更佳路徑。過(guò)去，當(dāng)開發(fā)一項(xiàng)產(chǎn)品需要6個(gè)月時(shí)，團(tuán)隊(duì)必須進(jìn)行廣泛的市場(chǎng)研究、驗(yàn)證用戶需求并仔細(xì)規(guī)劃。但現(xiàn)在，快速行動(dòng)的AI團(tuán)隊(duì)可以在一個(gè)周末開發(fā)20個(gè)原型，然后評(píng)估哪些有效。如果有18個(gè)失敗也沒關(guān)系，只需堅(jiān)持那2個(gè)成功的即可。這種快速迭代的方式正在解鎖新的用戶體驗(yàn)創(chuàng)造機(jī)會(huì)。

然而，這一趨勢(shì)也帶來(lái)了新的挑戰(zhàn)。例如，評(píng)估（或稱“evals”）成為了一個(gè)瓶頸。在監(jiān)督學(xué)習(xí)中，收集10,000個(gè)訓(xùn)練數(shù)據(jù)的同時(shí)，也可以順便收集1,000個(gè)測(cè)試數(shù)據(jù)，幾乎沒有額外成本。但對(duì)于基于大語(yǔ)言模型的應(yīng)用，往往沒有現(xiàn)成的訓(xùn)練數(shù)據(jù)。如果測(cè)試需要?jiǎng)?chuàng)建1,000個(gè)示例，便成為一個(gè)顯著的瓶頸。因此，開發(fā)流程從過(guò)去的順序構(gòu)建與數(shù)據(jù)收集，轉(zhuǎn)變?yōu)椴⑿羞M(jìn)行。

雖然機(jī)器學(xué)習(xí)原型開發(fā)的速度比以往任何時(shí)候都快，但軟件開發(fā)生命周期的其他部分（包括設(shè)計(jì)、軟件集成、部署和運(yùn)營(yíng)）并沒有以相同的速度加速。這使得組織面臨壓力，要求加快這些流程以匹配機(jī)器學(xué)習(xí)開發(fā)的速度。

 “快速行動(dòng)、打破常規(guī)”這一口號(hào)因?yàn)閹?lái)了負(fù)面后果而名聲不佳。但這并不意味著我們不應(yīng)該快速行動(dòng)。更好的方式是“快速行動(dòng)，同時(shí)負(fù)責(zé)”。許多團(tuán)隊(duì)現(xiàn)在能夠快速開發(fā)原型、穩(wěn)健評(píng)估并負(fù)責(zé)任地迭代，以更快的速度構(gòu)建系統(tǒng)，同時(shí)不犧牲安全性或質(zhì)量。

在技術(shù)趨勢(shì)方面，我最興奮的是智能體AI工作流。如果你問(wèn)我當(dāng)前最重要的AI技術(shù)是什么，我會(huì)說(shuō)是智能體AI。當(dāng)我今年初提出這一點(diǎn)時(shí)，這一想法還有些爭(zhēng)議，但現(xiàn)在“AI智能體”一詞已經(jīng)被廣泛接受。

從技術(shù)角度看，智能體工作流的核心在于迭代式流程：AI先生成一個(gè)草稿，再進(jìn)行網(wǎng)絡(luò)研究，撰寫初稿，批判修改，然后重復(fù)這一過(guò)程。與一次性輸出相比，這種方法雖然更耗時(shí)，但效果顯著提升。

例如，在我合作的一些團(tuán)隊(duì)中，智能體工作流被應(yīng)用于處理法律文件、輔助醫(yī)療診斷或管理合規(guī)性文檔。相比傳統(tǒng)方法，這種迭代流程能夠顯著提高結(jié)果的質(zhì)量。

在某些基準(zhǔn)測(cè)試中，智能體工作流的優(yōu)越性得到了驗(yàn)證。例如，在OpenAI的人類評(píng)估基準(zhǔn)中解決編程難題時(shí)，GPT-3.5的準(zhǔn)確率為48%，GPT-4提高到67%，而GPT-3.5結(jié)合智能體工作流后躍升至95%。這是一個(gè)顯著的提升。

智能體工作流有四種主要設(shè)計(jì)模式：

1. 反思（Reflection）：模型迭代地批判和改進(jìn)自己的輸出。例如，生成代碼、審視代碼、然后根據(jù)反饋改進(jìn)，這一過(guò)程通常可以提升性能。
2. 工具使用（Tool Use）：大語(yǔ)言模型生成并執(zhí)行API調(diào)用、進(jìn)行網(wǎng)絡(luò)搜索或其他自動(dòng)化操作，從而擴(kuò)展了它們可以執(zhí)行的任務(wù)范圍。
3. 規(guī)劃（Planning）：AI將復(fù)雜任務(wù)分解為一系列子任務(wù)并按順序執(zhí)行。這種方法對(duì)復(fù)雜工作流尤為有用。
4. 多智能體協(xié)作（Multi-Agent Collaboration）：模型扮演多個(gè)角色（如編碼員、批評(píng)者）或模擬多個(gè)“智能體”之間的協(xié)作，以實(shí)現(xiàn)更優(yōu)的結(jié)果。

智能體工作流在多模態(tài)AI領(lǐng)域的應(yīng)用尤其令人興奮，在這里，模型不僅能處理文本，還能分析圖像、視頻等多種數(shù)據(jù)類型。例如，模型可以逐步分析圖像，檢測(cè)人臉、識(shí)別物體，并迭代地生成詳細(xì)輸出。

總結(jié)來(lái)說(shuō)，AI技術(shù)棧正在演進(jìn)，出現(xiàn)了一個(gè)新的智能體編排層，使得開發(fā)者能夠更輕松地構(gòu)建強(qiáng)大的應(yīng)用。特別是視覺AI的崛起，為企業(yè)從以前未開發(fā)的圖像和視頻數(shù)據(jù)中提取價(jià)值提供了新的機(jī)會(huì)。

最后，我認(rèn)為以下四個(gè)AI趨勢(shì)最值得關(guān)注：

1. 由半導(dǎo)體和軟件進(jìn)步推動(dòng)的更快的token生成。
2. 大語(yǔ)言模型不僅優(yōu)化了回答問(wèn)題，還優(yōu)化了工具使用和迭代工作流。
3. 數(shù)據(jù)工程在管理無(wú)結(jié)構(gòu)數(shù)據(jù)（如文本、圖像、視頻）中的重要性日益增長(zhǎng)。
4. 視覺AI革命的到來(lái)，將為從視覺數(shù)據(jù)中提取價(jià)值打開巨大的潛力。

這是一個(gè)激動(dòng)人心的時(shí)代，生成式AI促進(jìn)了更快的實(shí)驗(yàn)，而智能體AI則擴(kuò)展了我們的可能性。許多以前不可能的應(yīng)用，無(wú)論是視覺AI還是其他領(lǐng)域，現(xiàn)在都可以實(shí)現(xiàn)。

本文轉(zhuǎn)載自??AI取經(jīng)路??，作者：AI取經(jīng)路