中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

本篇文章將深入探討AI Agent是什么？它是如何運作的？它實際應(yīng)用場景有哪些以及對我們的生活會帶來哪些改變。請坐好，準(zhǔn)備發(fā)車?yán)病?/p>

隨著大語言模型（LLM）在23年的快速發(fā)展，大模型逐步收斂為以閉源為代表的ChatGPT和以開源為代表的Llama2。

大模型本身也在朝著多模態(tài)的方向發(fā)展，這意味著模型能夠處理不同類型的數(shù)據(jù)，如：文本、圖片、視頻和音頻，其本質(zhì)是豐富模型的信息處理與生成能力，能夠更好地理解現(xiàn)實世界，處理復(fù)雜問題。

一、LLM vs Agent

雖然大語言模型的能力足夠強大，但它依舊是被動的響應(yīng)用戶的指令，并且生成的效果取決于使用者如何使用它。

而AI Agent（智能代理）的出現(xiàn)，將改變這一現(xiàn)狀。

它是一個自動化的程序，它具備自主規(guī)劃和執(zhí)行的能力，它也被視為通往AGI（通用人工智能）的鑰匙。

從NLP -> AGI 的發(fā)展路線分為五個級別，F(xiàn)rom:《The Rise and Potential of Large Language Model Based Agents: A Survey》，分別是：語料庫、互聯(lián)網(wǎng)、感知、具身和社會屬性。

目前的大語言模型已經(jīng)來到了第二級，具備互聯(lián)網(wǎng)實時訪問的多模態(tài)內(nèi)容輸出。AI Agent在LLM的基礎(chǔ)之上在往感知、具身和社會屬性的方向方展；當(dāng)其具備感知環(huán)境與行動的能力時，將進(jìn)入到第三和第四級別；再進(jìn)一步，當(dāng)多個Agent通過它們之間的互動、合作，且具備情感屬性，能夠處理更加復(fù)雜的任務(wù)或反映現(xiàn)實世界中的社會行為時，Agent將進(jìn)入第五級。

圖片來源：《The Rise and Potential of Large Language Model Based Agents: A Survey》

二、什么是AI Agent？

Agent被翻譯為代理或者智能體，它核心的作用是具備自主實現(xiàn)目標(biāo)的能力，能夠感知外部環(huán)境，具備自主性、反饋性、積極性和情感社交屬性的智能體。

光這樣描述還是很抽象，以我們的日常行為進(jìn)行一個比喻：人類處理任何問題和任務(wù)時，都會經(jīng)歷信息輸入->信息處理->信息輸出過程。

• 信息輸入：主要通過人類感官系統(tǒng)，視覺、聽覺、味覺、觸覺等
• 信息處理：主要通過人類的大腦進(jìn)行規(guī)劃與決策
• 信息輸出：主要通過人類的語言和四肢所采取的行動

我們來想想一個場景： 小明想要吃樹上的蘋果，首先通過感官系統(tǒng)感知到蘋果樹上的蘋果，然后在大腦中思考如何采摘蘋果，最后借助采摘工具，拿到蘋果后成功地放到嘴巴里津津有味地吃了起來。我們將場景抽象成模型，其實就形成了AI Agent的大致框架：

分以下幾個模塊：

• 感知模塊：小明看到蘋果樹上的蘋果
• 規(guī)劃模塊：想嘗一嘗蘋果，并思考和規(guī)劃如何才能吃到蘋果
• 行動模塊：借助采摘工具，拿到蘋果后放入嘴中
• 反饋模塊：蘋果是甜的，津津有味地吃了起來～

其中最關(guān)鍵的是大腦部分（規(guī)劃&決策），由ChatGPT、Llama2、Gemini這樣的大語言模型作為Agent的大腦，增強了Agent的規(guī)劃與決策的能力。

三、AI Agent關(guān)鍵模塊說明

我們將上圖進(jìn)行進(jìn)一步的抽象和延展，就是網(wǎng)上廣為流傳由OpenAI提出的Agent的模型圖：

圖片來源：《LLM Powered Autonomous Agents》

其實和上圖模型中各模塊的關(guān)聯(lián)關(guān)系差不多，只是OpenAI將AI Agent各模塊的相關(guān)信息呈現(xiàn)的更豐富，基于這張模型圖，可以拆分為以下幾個模塊：規(guī)劃、記憶、工具和行動。

1. Memory-記憶模塊部分

將記憶模塊分為兩個子模塊，分別是

1）短期記憶模塊：提示詞工程中的上下文，類比于人類的感知模塊，是外部信息的輸入，如：文本/圖片/視頻/音頻。

短期記憶模塊受到模型的上下文的限制，我們?？吹降腉PT-4 Turbo支持128k上下文指的就是模型能夠記住的上下文長度，超過上下文的限制后，LLM就會忘記之前輸入的信息（猶如得了阿爾茲海默癥）。

2）長期記憶模塊：支持向量庫檢索，類比于人類的博物館，支持在執(zhí)行任務(wù)時調(diào)用博物館中的知識。

長期記憶分為：

• 外顯的陳述性記憶（客觀的事實或觀點，如：事件&事實&概念）
• 內(nèi)顯的程序記憶（主觀習(xí)得的知識，如：翻譯&騎自行車）

2. Planning-規(guī)劃模塊部分

將規(guī)劃模塊進(jìn)行細(xì)分，其中思維鏈（CoT）和子目標(biāo)分解（Subgoal Decomposition）是為了將復(fù)雜目標(biāo)進(jìn)行拆分，找到最優(yōu)的執(zhí)行路徑。

圖片來源：《Tree of Thoughts: Deliberate Problem Solving with Large Language Models》

而反思（Reflection）和自我批判（Self-critics）模塊，引入強化學(xué)習(xí)機制，通過環(huán)境的反饋狀態(tài)，能從錯誤中吸取”教訓(xùn)”，從而提高結(jié)果的質(zhì)量。其中大語言模型-LLM在規(guī)劃模塊占據(jù)核心位置。像CoT、ToT、ReAct等在規(guī)劃模塊運用的相關(guān)技術(shù)，其實大部分是進(jìn)階的提示詞工程的使用技巧，掌握了這些進(jìn)階提示詞工程的技巧，我們一樣能在ChatGPT中實現(xiàn)智能體的規(guī)劃能力。

針對于這一塊可以查閱一下OpenAI的官方文檔中Prompt Engineer的使用指南部分，地址：https://platform.openai.com/docs/guides/prompt-engineering/strategy-give-models-time-to-think

3. Action&Tools-行動和工具調(diào)用模塊

雖然OpenAI拆分為了兩個不同的模塊，但是我們其實可以把它看作一個整體，有了工具再采取行動（有了采摘工具再去采摘蘋果）。

圖片來源：《The Rise and Potential of Large Language Model Based Agents: A Survey》

Agent具體的行動方式分類三類：

1）文本輸出：大語言模型的基礎(chǔ)能力

2）工具使用：大語言模型通過調(diào)用外部的程序工具，拓展了模型本身能力的邊界，其中能夠調(diào)用的工具包括：

• 專家模塊，如：調(diào)用其他的模型來協(xié)同處理任務(wù)
• 工具模塊，如：其他應(yīng)用程序的API或插件處理特定任務(wù)

3）具身行動：可理解為現(xiàn)實世界的機器人，能夠在現(xiàn)實環(huán)境中定位自身位置、感知周圍物體，接收指定任務(wù)后與周圍物體進(jìn)行交互，從而實現(xiàn)任務(wù)目標(biāo)

我們用一個簡單的公式做個階段性的總結(jié)：

Agent = LLM + 記憶 + 感知&反思 + 規(guī)劃+ 工具使用

四、AI Agent應(yīng)用場景

23年11月9日比爾·蓋茨在其發(fā)表的文章《AI is about to completely change how you use computers》中提出：AI Agent在醫(yī)療保健、教育、生產(chǎn)力、娛樂與購物等應(yīng)用領(lǐng)域?qū)l(fā)揮其巨大的潛能。

咱們重點談?wù)劷逃蛫蕵贰?/p>

1. 教育

谷歌在22年底曾發(fā)布的三篇有關(guān)未來教育的報告，其中提到關(guān)于未來教學(xué)方式將從一對多的教學(xué)方式，轉(zhuǎn)變?yōu)閭€性化教學(xué)和自適應(yīng)教學(xué)

目前也已有許多頭部機構(gòu)在教育領(lǐng)域已有了較為成熟的AI應(yīng)用 像可汗學(xué)院推出的AI學(xué)習(xí)助手Khanmigo，不僅能為學(xué)生在數(shù)學(xué)、科學(xué)、人文科學(xué)等領(lǐng)域進(jìn)行教學(xué)輔導(dǎo)，而且能夠幫助老師編寫教案、規(guī)劃課程，將AI深入融合進(jìn)了教學(xué)工作的各個環(huán)節(jié)，讓老師能夠更專注于學(xué)生的綜合能力培養(yǎng)。

圖片來源：https://www.khanacademy.org/khan-labs

再推薦一款筆者常用的GPTs，名為Mr.Ranedeer

圖片來源：https://supertools.therundown.ai/

先介紹一下GPTs，GPTs是由OpenAI推出的ChatGPT的定制化模式，任何人都無需編碼即可構(gòu)建屬于自己的ChatGPT

圖片來源：https://openai.com/blog/introducing-gpts

雖然只需要說說話就能構(gòu)建GPT，但是要讓自己的GPT足夠?qū)嵱?，且能夠在將來GPTs的商店中賺到錢，那還需要具備三個核心要素：

1. 提示詞-Prompt，優(yōu)秀的Prompt才會讓GPT有優(yōu)秀的表現(xiàn)
2. 行為-Action，能夠讓GPT具備調(diào)用工具的能力，拓展GPT的能力邊界
3. 數(shù)據(jù)-Database，數(shù)據(jù)的質(zhì)量很大程度上決定了GPT輸出的質(zhì)量

其中數(shù)據(jù)屬于屬于企業(yè)&個人，有就是有，沒有就是沒有。

所以對于大部分人來說，能做的就是Prompt的撰寫和Action的配置。其中Action中的Function Calling（函數(shù)調(diào)用-調(diào)用外部應(yīng)用的API接口），是GPTs能夠作為Agent的最核心能力，通過接入外部應(yīng)用的接口GPT可以調(diào)用其他軟件去完成任務(wù)目標(biāo)，從而給出目標(biāo)結(jié)果。

情不自禁的扯遠(yuǎn)了…

我們再回到剛剛推薦的Mr.Ranedeer，它是作者：JushBJJ分享的GPTs，最早是以Prompt的形式上傳至Github中分享給大家使用。

• 它能夠根據(jù)我們給出的學(xué)習(xí)計劃，自動拆解學(xué)習(xí)內(nèi)容
• 完成每一章的學(xué)習(xí)內(nèi)容后，可以選擇繼續(xù)學(xué)習(xí)或出題測試檢驗自己的學(xué)習(xí)成果
• 學(xué)習(xí)過程中我們能夠隨時提出對某個知識點感興趣，它會基于我們的興趣進(jìn)行延展學(xué)習(xí)

具體的使用方法：

1）進(jìn)入網(wǎng)站：https://supertools.therundown.ai/content/mr-ranedeer 這是一個匯聚全球創(chuàng)作者所創(chuàng)作的GPTs，并且按照不同類別進(jìn)行分類，找起來非常方便。

圖片來源：https://supertools.therundown.ai/

2）選擇Mr.Ranedeer，點擊使用按鈕，頁面會自動跳轉(zhuǎn)至自己的ChatGPT界面中，就能開始學(xué)習(xí)起來啦。

3）在此附上Mr.Ranedeer使用方法：https://github.com/JushBJJ/Mr.-Ranedeer-AI-Tutor/blob/main/Guides/How to use Mr. Ranedeer.md#how-to-use-mr-ranedeer

2. 娛樂

由奚志恒等作者發(fā)布的論文《The Rise and Potential of Large Language Model Based Agents: A Survey 》中，原神為例，構(gòu)建了一個由多個Agent共同協(xié)作的社會，人類也能夠參與到其中與不同Agent進(jìn)行互動交流。

圖片來源：《The Rise and Potential of Large Language Model Based Agents: A Survey》

圖中左上角有一個Agent在點菜，另一個Agent在規(guī)劃和解決做菜的任務(wù)；右上角的Agent們在討論如何制作燈籠和計算燈籠的成本。

基于上述的案例我們能夠構(gòu)想一下未來具有AI加持的游戲畫面：

在一個類似于像荒野大鏢客這樣的開放性游戲中，我們遇見的每一個NPC都具有獨立情感，我們能夠與之交互，不同玩家的行為選擇會產(chǎn)生不同的游戲劇情。

結(jié)尾

好啦，以上就是我對Agent的理解，如果文章中有描述不對的地方，請幫忙指正，避免對其他讀者產(chǎn)生誤導(dǎo)，在這里我先說謝謝啦??

如果文章有給到你啟發(fā)和收獲，可以告訴我，我會特別開心??

讓我們共同迎接2024，加油朋友們??