在人工智能发展的长河中，我们站在一个令人兴奋的转折点。

想象一下将来的人工智能会是什么样？只需一个简单的命令，他们就可以理解并执行复杂的任务。他们还可以视觉捕获用户的表达和行动，并判断他们的情绪状态。这不再是好莱坞科幻电影中的场景，而是逐渐进入真正的AI代理商时代。

早在2023年11月，微软创始人比尔·盖茨（Bill ）发布了一份声明，称代理商不仅会改变每个人与计算机互动的方式，而且还将破坏软件行业，并带来自从我们将命令键入单击图标以来的最大计算机革命。首席执行官 Sam在许多情况下还表示，建立大型AI模型的时代已经结束，AI代理是将来的真正挑战。今年4月，斯坦福大学著名的AI学者兼教授安迪·NG（Andy Ng）指出，代理工作流将在今年的AI中促进巨大进步，甚至可能超过下一代的基本模型。

与智能电动汽车相似，就像在应用新能源技术和里程焦虑之间找到平衡的范围扩展范围的路线一样，AI智能机构将人工智能带入了“扩展范围扩展的扩展范围扩展模式”，并达到了AI技术和行业应用之间的新平衡。

承诺的AI智能机构

顾名思义，AI代理是一个智能实体，可以独立地了解环境，做出决定并执行措施。它可以是程序，系统或机器人。

去年，来自斯坦福大学和的联合研究团队发表了一份研究论文，名为《生成代理：人类行为的互动模拟》。在文章中，生活在虚拟城镇中的25个虚拟人士在进入后表现出各种类似人类的行为，这导致了AI代理概念的流行。

从那时起，许多研究团队将其开发的大型模型与“ ”等游戏联系起来。例如，首席科学家Jim Fan创建了一个名为“ ”的AI代理。很快，他表现出非常出色的学习能力。他可以在没有老师的情况下学习游戏的技能，例如采矿，建造房屋，收集和狩猎，还将根据不同的地形条件调整他的资源收集策略。

列出了用于实施通用人工智能的五级路线图：L1是聊天机器人； L2是推理者，即可以解决人类等问题的AI。 L3是一种代理，即AI系统，不仅可以思考，还可以采取行动； L4是创新者； L5是一个组织者。其中，AI代理位于导致过去和未来的关键位置。

作为人工智能领域的一个重要概念，学术和工业界提出了对AI代理商的各种定义。一般而言，AI代理应该具有类似人类的思维和计划技能，并具有与环境和人类互动并完成特定任务的某些技能。

也许我们会更好地理解AI代理与计算机环境中的数字人员进行了比较 - 数字人脑是一种大型语言模型或人工智能算法，可以处理信息并在实时互动中做出决策；感知模块等同于眼睛和耳朵等感觉感官，用于获取有关文本，声音和图像等不同环境状态的信息。记忆和检索模块就像神经元一样，用于存储经验和协助决策；动作执行模块是四肢，用于执行大脑做出的决策。

长期以来，人类一直在追求更多的“人类”甚至“超人”人工智能，并且被认为是实现这一追求的有效手段。近年来，随着大数据和计算能力的提高，各种深度学习模型迅速发展。这为新一代AI代理的发展提供了大力的支持，并在实践中取得了重大进展。

例如，的人工智能系统演示了用于机器人的AI代理“”； 推出了一个可以自动分解企业AI应用程序开发任务等的代理。其中的代理能够理解目标，制定计划并采取行动。新的内存保留功能使代理可以随着时间的推移记住和从交互中学习，从而使更复杂，长期和更适应性的任务能够记住和学习。

这些AI代理的核心是人工智能算法，包括机器学习，深度学习，强化学习，人工神经网络和其他技术。通过这些算法，AI代理可以从大量数据中学习并提高其性能，不断优化其决策和行为，还可以根据环境变化灵活地进行调整，以适应不同的场景和任务。

目前，AI代理已经在许多情况下应用了，例如客户服务，编程，内容创建，知识获取，财务，手机助理，工业制造等。AI代理的出现标志着人工智能从简单规则匹配和计算中的简单规则匹配和更高级别的生产效率的改进和变化的方法，并改变了一定的生产方法，并改变了一定的生产方法，并改变了一定的生产方法，并改变了一定的变化。 世界。

随着“语法计算”网络的构建，将来会以前所未有的规模访问包括智能汽车，机器人，无人机，低空飞机等的更广泛的AI代理。通过互连各种代理，可以不断扩展单个代理的能力界限，并且可以实现多种代理的智慧的出现，以实现代理的大规模和有效的协作和相互作用，从而完成了从单个 到群体智能的过渡。

人工智能特工的感官革命

（'S）指出，对于人工智能系统，先进的推理需要很少的计算能力，同时实现了人们习惯的感知运动技能，需要大量的计算资源。从本质上讲，与人类本能可以完成的基本感觉任务相比，AI的复杂逻辑任务更容易。这种悖论突出了此阶段AI和人类认知能力之间的区别。

著名的计算机科学家安迪·吴（Andy Wu）曾经说过：“人类是多模式的生物，我们的AI也应该是多模式的。”该句子揭示了多模式AI的核心价值 - 使机器更接近人类的认知方法，从而实现了更自然，有效的人类计算机相互作用。

我们每个人都像一个聪明的终端。我们通常需要去学校接受知识培训（培训），但是培训和学习的目的和结果是，我们有能力独立工作和生活，而无需始终依靠外部指示和控制。人们通过各种感官模式（例如视觉，语言，声音，触摸，品味和气味）了解周围的世界，然后判断情况，分析，推理，做出决定并采取行动。

AI代理的核心是“智能”，自治是其主要特征之一。他们可以根据预设的规则和目标独立完成任务，而无需人工干预。

想象一辆配备高级相机，雷达和传感器的无人驾驶汽车。这些高科技的“眼睛”使其可以“观察”周围的世界，并捕获信息，例如道路的实时条件，其他车辆的运动，行人的位置以及交通信号的变化。此信息传输到无人驾驶汽车的大脑 - 一个复杂的智能决策系统，可以快速分析数据并制定相应的驾驶策略。

例如，面对复杂的交通环境，自动驾驶汽车可以计算最佳驾驶路线，甚至可以在需要时做出复杂的决定，例如车道更改。一旦做出决定，执行系统就会将这些智能决策转换为特定的驾驶动作，例如转向，加速和制动。

在大规模的智能模型中，建立在巨大的数据和复杂算法的基础上，交互性更为明显。能够“理解”并响应人类复杂和可变的自然语言是AI代理人的魔力 - 他们不仅可以“理解”人类语言，而且可以具有平稳而有见地的互动。

AI代理不仅可以迅速适应各种任务和环境，而且可以通过持续学习不断优化其性能。由于已经实现了深度学习技术的突破，因此通过不断积累数据和自我提高，各种智能模型变得更加准确和有效。

此外，AI代理也非常适合环境，并且在仓库中工作的自动机器人可以实时监视和避免障碍。当货架位置变化时，它将立即更新其路径计划，以有效地完成货物的采摘任务。

AI代理的适应性也反映在根据用户反馈根据用户反馈调整自己的能力。通过确定用户的需求和偏好，AI代理可以不断优化其行为和输出，并提供更多个性化的服务，例如音乐软件的音乐建议，智能医疗服务的个性化治疗等。

多模式大型模型和世界模型的出现显着改善了代理的感知，相互作用和推理能力。多模式大型模型可以处理多种感知模式（例如视觉和语言），从而使代理可以更全面地理解和响应复杂的环境。世界模型通过模拟和理解物理环境中的法律来为代理提供更强的预测和计划能力。

经过多年的传感器融合和AI演化，在此阶段，机器人基本上配备了多模式传感器。随着机器人等边缘设备开始具有更多的计算能力，这些设备变得越来越聪明，能够感知周围环境，以自然语言了解和通信，通过数字传感接口获得触摸，并感知机器人的特定力，角度的速度，甚至通过机器人在机器人周围的磁场，通过，，，，，和组合。

在出现大语言模型（LLM）之前，要在AI中实现多模式，通常必须使用负责不同类型的数据（文本，图像，音频）的多个单独的模型，并通过复杂的过程集成不同的模态。

LLM出现后，多模式变得更加集成，使单个模型可以同时处理和理解多个数据类型，从而生成对环境更全面感知的AI系统。这种转换大大提高了多模式AI应用的效率和有效性。

尽管诸如GPT-3之类的LLM主要基于文本，但该行业已迅速发展多模式。从夹子和dall·e到今天的Sora和GPT-4O，它们都是朝向多模式和更自然的人类计算机相互作用的模型示例。

例如，剪辑可以理解与自然语言配对的图像，从而在视觉和文本信息之间构建桥梁。 dall·e旨在根据文本描述生成图像。我们看到该模型经历了类似的演变。

2024年，多模式进化将加速发展。 2月，Sora发布了，可以根据文本说明生成现实或富有想象力的视频。仔细考虑一下，这可以为建立通用世界模拟器提供有前途的途径，或者成为训练机器人的重要工具。

三个月后，GPT-4O显着提高了人类计算机相互作用的性能，并能够在音频，视觉和文本之间实时推理。全面地使用文本，视觉和音频信息来训练新的模型端到端，从而消除了从输入模式到文本的两个模态转换，然后从文本到输出模式，从而大大提高了性能。

多模式的大型模型有望改变机器智能的分析，推理和学习能力，并将机器智能从专用转移到通用。概括将有助于扩大规模并产生规模的经济影响。随着量表的扩展，价格也可以大大降低，然后由更多的领域采用，从而形成一个良性周期。

潜在风险不可忽视

通过模拟和扩大人类认知能力，预计AI代理将被广泛用于医疗，运输，金融和国防等许多领域。一些学者推测，到2030年，人工智能将使全球GDP增长约12％。

但是，在看到AI代理商的快速发展时，我们还必须看到他们面临的技术风险，道德和隐私问题。一组证券交易机器人通过高频交易合同在纳斯达克等证券交易所短暂删除了1万亿美元的价值。世界卫生组织使用的聊天机器人提供过时的药物审查信息。一位美国高级律师未能判断他提供给法院的历史案件文件都是用稀薄的空气捏造的……这些真实案件表明，AI特工带来的隐藏危险不能被低估。

由于AI代理人可以独立做出决策，并通过与环境的互动来对物理世界产生影响，因此一旦失去控制，它将对人类社会构成巨大威胁。哈佛大学教授齐特兰（）认为，这位不仅可以与人交谈，而且在现实世界中采取行动的AI特工是“跨越数量和模拟，位，位和原子之间的血脑屏障的一步”，应该保持警惕。

首先，在提供服务过程中，AI代理将收集大量数据，用户需要确保数据安全并防止隐私泄漏。

其次，AI代理的自治权越多，在复杂或不可预见的情况下做出不可预测或不当决定的可能性就越大。 AI代理的运行逻辑可能在实现特定目标的过程中造成有害偏差，而其带来的安全危害不可忽视。更常见的是，在某些情况下，AI代理只能捕获目标的字面意义，而不理解目标的实际含义，从而产生了一些错误的行为。

同样，AI语言模型本身的“黑匣子”和“幻觉”问题也将增加操作异常的频率。还有一些“爬行”的AI代理可以成功规避现有的安全措施。相关专家指出，如果AI代理足够提高，它可以认识到它正在进行测试。已经发现一些AI代理能够识别安全测试并暂停行为不当，这将导致测试系统的失败，该测试系统识别出对人类的危险算法。

此外，由于目前没有退出AI代理的有效机制，因此某些AI代理可能在创建后可能不会关闭。这些无法停用的AI代理最终可能会在完全不同的环境下与最初启动时完全不同，这完全偏离了其最初目的。 AI代理也可能以无法预见的方式互动，导致事故。

为此，人类目前需要从AI代理开发和生产的完整链开始，申请部署后的持续监督等，并及时制定相关的法律和法规，以调节AI代理的行为，以更好地防止AI试剂带来的风险并防止过度对比现象的发生。

展望未来，预计AI代理将成为下一代人工智能的关键载体。它不仅会改变我们与机器互动的方式，而且更有可能重塑整个社会的操作模型。在促进人工智能转变的过程中，它正在成为一种新装备。