AI和機器學(xué)習(xí)的發(fā)展歷程是顛覆性的。最初，我們從手動編碼轉(zhuǎn)向通過數(shù)據(jù)訓(xùn)練計算機。在早期階段，AI只能處理特定任務(wù)，例如分類和物體識別——這些是它們經(jīng)過明確訓(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)百萬人的關(guān)注。正如Gartner在2023年AI技術(shù)成熟度曲線中所指出的那樣，GenAI已經(jīng)達到了“膨脹期的頂峰”，預(yù)計將在未來5到10年內(nèi)進入“生產(chǎn)力平臺期”。

克服挑戰(zhàn)與局限性

根據(jù)Gartner的定義，達到生產(chǎn)力平臺期意味著AI將被廣泛采用，其優(yōu)勢將得到明確定義，并有清晰的實施指南。要實現(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，并探索如何通過智能體來克服這些挑戰(zhàn)。

盡管當(dāng)今的大型語言模型(LLMs)在生成電子郵件、寫作文章和進行情感分析等任務(wù)上表現(xiàn)出色，但它們在處理復(fù)雜任務(wù)時仍然存在困難，例如復(fù)雜的數(shù)學(xué)計算或多步驟問題解決。此外，LLMs還存在其他顯著的局限性：

? 幻覺或誤導(dǎo)性輸出

? 技術(shù)限制，如有限的上下文長度和內(nèi)存

? 輸出中的偏見

? 可能產(chǎn)生有害或不當(dāng)言論

? 知識有限(例如，ChatGPT 3.5的知識截止日期為2021年9月)

有趣的是，這些挑戰(zhàn)與我們?nèi)祟愃媾R的問題并無太大不同。我們也容易犯錯誤、存在偏見、記憶有限，有時甚至?xí)龀鲇泻Φ幕貞?yīng)。為了管理這些不足，我們通常會：

? 在線尋找信息，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，并吸收他們的見解。

? 團隊合作以取得更好的結(jié)果。

通過應(yīng)用類似的策略，我們可以改進大型語言模型(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)行單一模型無法處理的復(fù)雜任務(wù)。例如，如果你想從一個數(shù)據(jù)集中識別出按收入排名前三的公司，智能體將會：

? 獲取所有公司的收入數(shù)據(jù)。

? 按收入對公司進行排序。

? 返回排名前三的公司。

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

? 規(guī)劃：智能體使用LLM制定并執(zhí)行計劃。

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

? 工具：智能體使用各種工具來執(zhí)行特定任務(wù)，以下將對此進行更詳細的討論。

GenAI智能體的關(guān)鍵特性

GenAI智能體被設(shè)計為：

? 規(guī)劃和執(zhí)行任務(wù)

? 反思結(jié)果

? 使用工具實現(xiàn)特定目標(biāo)

? 在最少的人工干預(yù)下運行

此類智能體的例子包括網(wǎng)站建設(shè)工具、從Excel表格中提供見解的數(shù)據(jù)分析師，以及根據(jù)用戶輸入規(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)用程序進行交互，例如進行互聯(lián)網(wǎng)搜索、代碼解釋器和數(shù)學(xué)引擎等，這些工具可以訪問數(shù)據(jù)庫、知識庫以及外部模型。

例如，一個旅行代理需要工具來搜索和預(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：

? 實體提取：從非結(jié)構(gòu)化文檔中提取特定信息。

? Chat DB：無需SQL知識即可從數(shù)據(jù)庫中檢索信息。

? 知識機器人：使用檢索增強生成(RAG)技術(shù)，根據(jù)自定義知識庫回答問題。

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

? 摘要生成：為大型文檔提供針對特定角色的摘要。

? 程序執(zhí)行：執(zhí)行Python代碼以解決特定問題。

? 維基百科搜索：根據(jù)用戶查詢從維基百科檢索內(nèi)容。

? 比較：回答比較性問題，如性能指標(biāo)或產(chǎn)品推薦。

智能體設(shè)計模式

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Andrew NG的講座，已經(jīng)出現(xiàn)了幾種智能體設(shè)計模式：

? 反思：LLM評估自己的工作以改進輸出。

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

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

? 多智能體協(xié)作：多個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。

盡管前兩種模式會產(chǎn)生可預(yù)測的結(jié)果，但后兩種仍處于實驗階段。

LLM智能體框架

基于對智能體、工具和設(shè)計模式的理解，規(guī)劃模式的一種變體逐漸形成。這個框架包括定義一個任務(wù)或目標(biāo)，然后通過迭代的方式規(guī)劃并執(zhí)行下一個動作，接著進入反饋循環(huán)。

一個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)：存儲中間步驟和結(jié)果。

短期記憶：在上下文窗口內(nèi)保存上下文信息。

長期記憶：一個外部的向量存儲，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：通過設(shè)計確保信任，防止處理有害輸入。

智能體的未來

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

對于企業(yè)而言，將GenAI智能體融入運營中可以帶來戰(zhàn)略優(yōu)勢，釋放出新的效率提升、個性化服務(wù)和問題解決能力，這些智能體不會取代人類的創(chuàng)造力，而是會增強它，推動一個充滿創(chuàng)新和進步的未來。