深度剖析AI Agent的原理及应用发展

首页 > 科技

深度剖析AI Agent的原理及应用发展

来源:娱乐大起底 发布时间:2024-01-04 17:43

本篇文章将深入探讨AI Agent是什么?它是如何运作的?它实际应用场景有哪些以及对我们的生活会带来哪些改变。请坐好,准备发车啦~

随着大语言模型(LLM)在23年的快速发展,大模型逐步收敛为以闭源为代表的ChatGPT和以开源为代表的Llama2。

大模型本身也在朝着多模态的方向发展,这意味着模型能够处理不同类型的数据,如:文本、图片、视频和音频,其本质是丰富模型的信息处理与生成能力,能够更好地理解现实世界,处理复杂问题。

一、LLM vs Agent

虽然大语言模型的能力足够强大,但它依旧是被动的响应用户的指令,并且生成的效果取决于使用者如何使用它。

而AI Agent(智能代理)的出现,将改变这一现状。

它是一个自动化的程序,它具备自主规划和执行的能力,它也被视为通往AGI(通用人工智能)的钥匙。

从NLP -> AGI 的发展路线分为五个级别,From:《The Rise and Potential of Large Language Model Based Agents: A Survey》,分别是:语料库、互联网、感知、具身和社会属性。

目前的大语言模型已经来到了第二级,具备互联网实时访问的多模态内容输出。AI Agent在LLM的基础之上在往感知、具身和社会属性的方向方展;当其具备感知环境与行动的能力时,将进入到第三和第四级别;再进一步,当多个Agent通过它们之间的互动、合作,且具备情感属性,能够处理更加复杂的任务或反映现实世界中的社会行为时,Agent将进入第五级。

图片来源:《The Rise and Potential of Large Language Model Based Agents: A Survey》

二、什么是AI Agent?

Agent被翻译为代理或者智能体,它核心的作用是具备自主实现目标的能力,能够感知外部环境,具备自主性、反馈性、积极性和情感社交属性的智能体。

光这样描述仍是很抽象,以我们的日常行为进行一个比喻:人类处理任何问题和任务时,都会经历信息输入->信息处理->信息输出过程。

我们来想想一个场景: 小明想要吃树上的苹果,首先通过感官系统感知到苹果树上的苹果,然后在大脑中思考如何采摘苹果,最后借助采摘工具,拿到苹果后成功地放到嘴巴里津津有味地吃了起来。我们将场景抽象成模型,其实就形成了AI Agent的大致框架:

分以下几个模块:

其中最关键的是大脑部分(规划&决议计划),由ChatGPT、Llama2、Gemini这样的大语言模型作为Agent的大脑,增强了Agent的规划与决议计划的能力。

三、AI Agent关键模块说明

我们将上图进行进一步的抽象和延展,就是网上广为流传由OpenAI提出的Agent的模型图:

上一篇:股票分红税率... 下一篇:有道子曰大模...
猜你喜欢
热门阅读
同类推荐