吳恩達：AI智能體工作流今年將有巨大進展，可能超過下一代基礎模型
隨著 ChatGPT、GPT-4、Sora 的陸續問世，人工智能的發展趨勢引起了廣泛關注，特別是 Sora 讓生成式 AI 模型在多模態方面取得顯著進展。人們不禁會問：人工智能領域下一個突破方向將會是什么？
今天，人工智能著名學者、斯坦福大學教授吳恩達指出：AI 智能體工作流將在今年推動人工智能取得巨大進步，甚至可能超過下一代基礎模型。他呼吁所有從事人工智能工作的人都關注 AI 智能體工作流，并撰寫一篇博客簡單闡述了原因。
我們對博客內容進行了不改變原意的編譯、整理，以下是博客內容：
當前，我們主要在零樣本模式下使用 LLM，提供 prompt，逐個 token 地生成最終輸出，沒有進行調整。
這類似于要求某人從頭到尾寫一篇文章，直接打字，不允許退格，并期望得到高質量的結果。盡管有困難，LLM 在這項任務上仍然表現得非常好！
然而，通過智能體工作流，我們可以要求 LLM 多次迭代文檔。例如，它可能需要執行一系列步驟：
- 規劃大綱；
- 決定需要進行哪些網絡搜索（如果需要），來收集更多信息；
- 寫初稿；
- 通讀初稿，找出不合理的論點或無關信息；
- 修改草稿；
- ......
這個迭代過程對于大多數人類作家寫出好的文本至關重要。對于人工智能來說，這種迭代工作流會比單次編寫產生更好的結果。
Cognition AI 團隊發布的首個 AI 軟件工程師 Devin 最近在社交媒體上引起了廣泛關注。吳恩達的團隊一直密切關注 AI 編寫代碼的發展，并分析了多個研究團隊的結果，重點關注算法在廣泛使用的 HumanEval 編碼基準上的表現。
如下圖所示，吳恩達的團隊發現：GPT-3.5（零樣本）的正確率為 48.1%，GPT-4（零樣本）的表現更好，為 67.0%。然而，相比于迭代智能體工作流，從 GPT-3.5 到 GPT-4 的改進不大。事實上，在智能體循環（agent loop）中，GPT-3.5 的正確率高達 95.1%。
開源智能體工具和有關智能體的學術文獻正在激增。這是一個令人興奮的時刻，也是一個令人困惑的時刻。為了幫助人們正確看待這項工作，吳恩達分享了一個對構建智能體的設計模式進行分類的框架。
簡單來說，這個框架包括：
- 反思：LLM 檢查自己的工作，以提出改進方法。
- 工具使用：LLM 擁有網絡搜索、代碼執行或任何其他功能來幫助其收集信息、采取行動或處理數據。
- 規劃：LLM 提出并執行一個多步驟計劃來實現目標（例如，撰寫論文大綱，然后進行在線研究，然后撰寫草稿......）。
- 多智能體協作：多個 AI 智能體一起工作，分配任務并討論和辯論想法，以提出比單個智能體更好的解決方案。
吳恩達表示 AI Fund 已在許多應用程序中成功使用這些模式，后續他將詳細闡述這些設計模式。
