正在阅读:

大模型心高气傲,没有AI Agents生死难料

扫一扫下载界面新闻APP

大模型心高气傲,没有AI Agents生死难料

AI Agent究竟是什么?为什么说它是大模型商业化的必要条件?

文|脑极体

AI Agent,正在接棒大语言模型LLM,成为AI圈最火的话题。

目前,AI创投圈的众生相,大概是这样的:

大厂俱乐部:OpenAI内部员工声称,AI Agent是OpenAI的新方向;微软尝试推动copilot,让AI以助理的角色落地,这是一种典型的AI Agent场景;英伟达推出了Voyager,这个AI Agent可以自主写代码,独霸游戏《我的世界》;国內商汤也推出了通才AI智能体;阿里推出了数字员工……

学术圈:今年四月,斯坦福创建了一个西部世界小镇,让25个AI Agents在虚拟小镇的沙盒环境中模拟人类,与其他AI Agents恋爱、派对、协作、约会等。另外,也有学者开始利用AI Agents设计复杂科学实验,包括自动上网阅读论文、研究抗癌药物……这些前沿探索让人大开脑洞。

创业圈:AI Agent并不只是顶级科学家的游戏,目前已经涌现出了Camel、AutoGPT、BabyAGI、AgentGPT等非常多的项目,并有一大批开源社区开发者和创业者,利用这些开源项目打造一些实用工具。比如aomni,就是一个帮助用户抓取网络信息并邮件发送的AI Agent应用程序。

投资圈:AI Agent被认为是“通往通用人工智能(AGI)时代的开始”,其爆发是“铁板钉钉”,有硅谷创业者表示,跟投资人聊到Generative Agents ,大家都特别期待,并希望多了解、靠的更近,在后续爆发时反应更快。

从这些判断来说,说“AI Agent开启大模型下半场”,还为时尚早,但“AI Agent是大模型的商业化标配”,应该是清晰的了。

所以,接下来我们应该会看到,更多大厂和创业公司,都在AI Agent上有更多动作。

那么,AI Agent究竟是什么?为什么说它是大模型商业化的必要条件?

大模型心高气傲,用户仍不买单

这里我们先把AI Agent放在一边,来看看大模型究竟是一个什么状况。

相信大多数读者都认可,大模型是一个高愿景、高投入、高门槛的东西,往情怀说,可能实现通用人工智能,彻底改变社会;往世俗说,可以重构业务/产品,让科技企业业绩狂飙。

但这些都有建立在,大模型能够真正商业化落地,回收研发成本,良性可持续发展的基础上。

几个月下来,大模型的两个商业模式,是比较有效的:一个是各类行业政企对大模型的私有化本地部署;一个是通过云、AI服务器等售卖大模型所需要的算力。

目前,已经有国內厂商发布了相应的业务报告,已经从行业私有化部署的需求中获得了千万级收入。

但是,仅靠ToB业务,显然不能支撑起一个大模型的商业模式。

一场技术革命,核心技术一定要流淌出去,让几十亿普通用户用起来,才能创造出经济价值。家用PC、互联网、智能手机,都是在大众普及之后,诸多科技企业的市值一飞冲天。

现在,巨头们都为训大模型投入了大量资源,尤其是基础模型,动辄千亿、万亿的参数规模,必须让大众用户用起来。

那么,实际应用体验怎么样呢?

闲聊、画图、创意之类的场景容错率高,就算AI答错了用户还觉得“萌萌哒”,这部分应用已经很卷了,比如“AI证件照”。而绝大多数场景,都是需要AI来自动帮助自己处理较为严肃的任务,与其他环境条件进行协作,应对长线条、连续性的业务,不要出现太多错误,不然人还得大量参与,并不能真的提高生产力。

这类场景,显然目前,一个庞大且复杂的通用大模型,是不能很好地解决的。

就拿我这种撰稿来说,让大模型帮我写稿子,它可能有幻觉,提到的事件/新闻/论文我都得再次复查确认一下,比我自己找资料还费事,不够精准,想一个创意还得我用提示词启发半天,都不一定有能用的,又慢又累,还不如自己写。

不能一步到位,自动化地完成任务,需要大量人类参与干预review,是目前大模型在严肃场景中应用的一大难点,也直接影响到了大模型落地和商业化的进展。

怎么办呢?大模型想要表现出色,急需一群帮手,那就是AI Agents。

真·解放生产力,AI Agent为什么神奇?

试想一下,如果大模型能自己全天7*24小时工作,还不需要人工参与,自己就能完成各种任务,人只要偶尔回到电脑前、办公室看看它做的咋样,这才是大模型的正确打开方式啊。

OpenAI在GPT-4发布会上,确实也展现了一些自动化完成任务的能力,比如让GPT4识别草图生成网页,step by step一步步修改自己代码中错误。

但是,这种能力怎么被开发者和普通用户用到呢?很多开发者都反应,直接使用GPT4写代码还是得自己debug,并不能看图生成直接用的代码,有时候不如不用。

大模型厂商也为难啊,我已经开放了API,要更专业精准精细化的能力,还得有人来进一步开发,这就把接力棒交给了AI Agent。

AI Agent(智能体),是AI在环境中的自动化实体,有四个核心特征:

1. 通过传感器感知周围的环境。这个环境,既可以是虚拟的,比如沙盒游戏、模拟训练系统、自动驾驶模拟器等,也可以是物理的,比如马路、房间、流水线等。

2. 可以自主做出决定。

3. 由执行器/效应器一起来采取行动。

4.基于绩效最大化和结果最优化来学习进步。

从这个角度看,其实人类自己也是一种“智能代理”AI Agent,我们可以通过眼睛、耳朵、皮肤等感知外界环境的变化,再通过大脑做出决策,用嘴说、用腿走来做出行动,并且根据奖励反馈来不断调整适应外界环境。

其实,Agents in AI也是一样的逻辑。就拿自动驾驶场景的AI Agent来说,就需要传感器来采集信息,感知道路车辆行人等环境因素,再由系统自动决策,驱动油门、制动器等设备做出相应的反应。

这也被称为AI Agent的PEAS模型。我们给大家简单做个表,感受一下:

那么,具体在大模型上,AI Agent可以带来什么影响了?主要有以下几个关键的作用:

第一,拆解任务。

大模型要和某个具体领域结合,面对的用户需求是比较笼统的,过程往往会涉及到多个步骤。就好比用户说“要有光”,孤立的大模型既不知道所在的环境有什么灯具,也不知道怎么控制,所以有了大模型也不能搞定这个看似简单其实复杂的任务。

而AI Agent具有任务规划能力,可以自动理解并决定,如何规划步骤、分配资源、优化决策,进而完成指令,提升了大模型处理任务的效率和精度。

谷歌大脑研究团队的一篇论文中,就让大语言模型把任务步骤分解的推理过程,也就是“内心独白”都说出来,再去做相应的动作,一下子就提高了大模型答案的准确性,在多个数据集上都取得了SOTA 效果,让大模型胡说八道的情况有所改善。

第二,自动执行。

AI Agent被设计为独立思考和行动,用户只需要给它一个任务,让它做事就可以了。AutoGPT的典型案例就是点披萨,不需要用户自己输入地址、选择口味,AI Agent将所有点餐步骤都大包大揽,自动执行,人在一边看着,发现出错及时纠正就好了。

AI Agent不止能使用互联网,还可以在物理环境中工作,控制机器人拿快递、无人车、自动驾驶等。

有了AI Agent,用户和大模型之间的交互,会更加自然、简单、快速,减少人工参与,真正提质增效。比如游戏世界中,AI Agent可以自动跟玩家展开对话,提供开放式的交互,根据玩家的反馈来设计无限故事线,真正让游戏做到千人千面;物理世界中,AI Agent自动生成指令和操作,驱动机械身体,为人类提供家政服务,在工厂里自动化作业,不依赖人类的指导就能完成。

第三,节约资源。

AI Agent像人一样,能够使用工具,也就是调用API,来处理更加复杂的任务,这就很好地扩展了大模型的能力,减少了对资源的浪费和过度消耗。

比如AutoGPT写代码,要对专有信息源数据、算力资源等进行访问,这个过程中AI Agent可以自动找到合适的API来进行调用,这样就可以避免浪费其他API token。还能够自主学习,对结果进行优化,如果不满意就重新调用 API。

一般来说,要真正完成一项不明确的用户指令,比如旅行规划,需要模型调用多个API才能解决问题,自动化强的AI Agent无疑能够很好地节省资源,进而为用户节省成本,让AI应用更有吸引力和竞争力。

第四,吸引开发者。

对大模型的商业化来说,API模式需要尽可能多的开发者群体参与,行业模式也需要ISV集成商、软件服务商等。大家都知道,和大厂卷基础模型是很难有胜算的,更希望在细分的上层应用上找到机会。而AI Agent能够解决具体问题、提高模型效果,驱动数字系统和物理实体,就非常适合来构建超级应用。

如果说AI Agent就像是一个最小单位的AI生命,那么大模型厂商就是孕育生命的工厂,而开发者、软件商等就像是技能培训班,教会它们一些实用而有差别的技能,到行业和用户身边努力工作。

所以,哪个大模型能够更好地构建AI Agent,能吸引的开发生态就会更庞大,对商业B端用户的粘性更强,形成一个AI平台级的巨大机会。

总结一下,AI Agent直接影响到大模型的模型效果、服务质量、落地成本、生态能力,将是接下来各个大模型的竞争关键。

AI Agent做得好,模型少不了

那你可能会问了,那怎么才能产生好的AI Agent呢?这对大模型提出了哪些挑战?

我们认为,AI Agent想要落地,需要大模型做好以下工作,这也是接下来的竞争焦点:

1.基础模型。

AI Agent的能力和效果,是由底层基础模型的能力决定的。基础模型有的能力,AI Agent不一定能用上,但基础模型没有的能力,AI Agent一定没有。

就拿语言任务来说,GPT-4提供了很强的自然语言理解能力,但目前真正部署到AI Agent和产品中的很少,一些游戏中的智能体NPC还是没有自主决策的行为能力的。

再比如,GPT-4虽然有多模态,但只开放了语言API,所以开发者想要用GPT4的多模态能力来构建AI Agent,还做不到,而缺失了图像、音频等其他模态的信息,AI Agent对环境的理解和效果还有待提升。

所以,无论是开源模型,还是闭源模型,想要通过API经济来商业化,基础模型的能力会直接关系到AI Agent的质量,且都还有提升的空间。

2.数据知识。

想要做好一个AI Agent,采集和使用数据是基本前提。对于开发者来说,数字任务的数据量已经不成问题,但开发物理世界的AI Agent,数据成本就非常高了。机器人的控制数据,一般只能自己采集,通过模拟器或者实体机器人现场采集。但模拟器毕竟不是真实的环境,训练的效果不一定好,而购买几百台机器人、无人机真正上路进厂去收集数据,无论是采购成本、政策限制、实际执行等,都有不小的困难。

这一点上,拥有数据优势的大模型厂商,比如谷歌、百度的自动驾驶优势,微软、谷歌、搜狗、百度等搜索业务的数据优势,或许能够为开发者的AI Agents探索减少一些门槛,也会为这些厂商的大模型建立壁垒。

3.产品支持。

必须承认,AI Agent所代表的大模型应用机会,还只是非常早期,技术上尚未完全成熟,商业化探索更是刚刚迈出了一点点步伐。对于开发者、软件服务商等来说,比起代码上怎么实现AI Agent,更关键也更早一步要考虑的,是想象一个AI Agent所应该的去向:

它应该是什么样子?叫什么名字?有性别吗?以什么性格跟用户对话?有哪些用例?会遇到哪些具体的困难?如何评价一个AI Agent的成功?

这些更多是产品层面、商业层面的“无人区”,要让开发者释放想象力,在各种环境和任务中尝试创建AI Agents,需要大模型厂商开放自身的商业生态和更丰富便捷的功能,来减少开发人员的试错风险,增加与商业用户对接的强度,去催生更多商业选择和落地案例。

总而言之,这个领域仍然很新,目前AI Agent还没有明确给大模型产业带来冲击,但AI Agent会消除人与AI系统的大量繁琐交互已经板上钉钉,正在发生。

更多AI Agents在被推向社区、推向用户,它们学习,它们改变,它们进化。或许几个月之后,我们就会看到AI Agents的成熟和爆发,这必然会引发大模型领域的又一次洗牌。

本文为转载内容,授权事宜请联系原著作权人。

评论

暂无评论哦,快来评价一下吧!

下载界面新闻

微信公众号

微博

大模型心高气傲,没有AI Agents生死难料

AI Agent究竟是什么?为什么说它是大模型商业化的必要条件?

文|脑极体

AI Agent,正在接棒大语言模型LLM,成为AI圈最火的话题。

目前,AI创投圈的众生相,大概是这样的:

大厂俱乐部:OpenAI内部员工声称,AI Agent是OpenAI的新方向;微软尝试推动copilot,让AI以助理的角色落地,这是一种典型的AI Agent场景;英伟达推出了Voyager,这个AI Agent可以自主写代码,独霸游戏《我的世界》;国內商汤也推出了通才AI智能体;阿里推出了数字员工……

学术圈:今年四月,斯坦福创建了一个西部世界小镇,让25个AI Agents在虚拟小镇的沙盒环境中模拟人类,与其他AI Agents恋爱、派对、协作、约会等。另外,也有学者开始利用AI Agents设计复杂科学实验,包括自动上网阅读论文、研究抗癌药物……这些前沿探索让人大开脑洞。

创业圈:AI Agent并不只是顶级科学家的游戏,目前已经涌现出了Camel、AutoGPT、BabyAGI、AgentGPT等非常多的项目,并有一大批开源社区开发者和创业者,利用这些开源项目打造一些实用工具。比如aomni,就是一个帮助用户抓取网络信息并邮件发送的AI Agent应用程序。

投资圈:AI Agent被认为是“通往通用人工智能(AGI)时代的开始”,其爆发是“铁板钉钉”,有硅谷创业者表示,跟投资人聊到Generative Agents ,大家都特别期待,并希望多了解、靠的更近,在后续爆发时反应更快。

从这些判断来说,说“AI Agent开启大模型下半场”,还为时尚早,但“AI Agent是大模型的商业化标配”,应该是清晰的了。

所以,接下来我们应该会看到,更多大厂和创业公司,都在AI Agent上有更多动作。

那么,AI Agent究竟是什么?为什么说它是大模型商业化的必要条件?

大模型心高气傲,用户仍不买单

这里我们先把AI Agent放在一边,来看看大模型究竟是一个什么状况。

相信大多数读者都认可,大模型是一个高愿景、高投入、高门槛的东西,往情怀说,可能实现通用人工智能,彻底改变社会;往世俗说,可以重构业务/产品,让科技企业业绩狂飙。

但这些都有建立在,大模型能够真正商业化落地,回收研发成本,良性可持续发展的基础上。

几个月下来,大模型的两个商业模式,是比较有效的:一个是各类行业政企对大模型的私有化本地部署;一个是通过云、AI服务器等售卖大模型所需要的算力。

目前,已经有国內厂商发布了相应的业务报告,已经从行业私有化部署的需求中获得了千万级收入。

但是,仅靠ToB业务,显然不能支撑起一个大模型的商业模式。

一场技术革命,核心技术一定要流淌出去,让几十亿普通用户用起来,才能创造出经济价值。家用PC、互联网、智能手机,都是在大众普及之后,诸多科技企业的市值一飞冲天。

现在,巨头们都为训大模型投入了大量资源,尤其是基础模型,动辄千亿、万亿的参数规模,必须让大众用户用起来。

那么,实际应用体验怎么样呢?

闲聊、画图、创意之类的场景容错率高,就算AI答错了用户还觉得“萌萌哒”,这部分应用已经很卷了,比如“AI证件照”。而绝大多数场景,都是需要AI来自动帮助自己处理较为严肃的任务,与其他环境条件进行协作,应对长线条、连续性的业务,不要出现太多错误,不然人还得大量参与,并不能真的提高生产力。

这类场景,显然目前,一个庞大且复杂的通用大模型,是不能很好地解决的。

就拿我这种撰稿来说,让大模型帮我写稿子,它可能有幻觉,提到的事件/新闻/论文我都得再次复查确认一下,比我自己找资料还费事,不够精准,想一个创意还得我用提示词启发半天,都不一定有能用的,又慢又累,还不如自己写。

不能一步到位,自动化地完成任务,需要大量人类参与干预review,是目前大模型在严肃场景中应用的一大难点,也直接影响到了大模型落地和商业化的进展。

怎么办呢?大模型想要表现出色,急需一群帮手,那就是AI Agents。

真·解放生产力,AI Agent为什么神奇?

试想一下,如果大模型能自己全天7*24小时工作,还不需要人工参与,自己就能完成各种任务,人只要偶尔回到电脑前、办公室看看它做的咋样,这才是大模型的正确打开方式啊。

OpenAI在GPT-4发布会上,确实也展现了一些自动化完成任务的能力,比如让GPT4识别草图生成网页,step by step一步步修改自己代码中错误。

但是,这种能力怎么被开发者和普通用户用到呢?很多开发者都反应,直接使用GPT4写代码还是得自己debug,并不能看图生成直接用的代码,有时候不如不用。

大模型厂商也为难啊,我已经开放了API,要更专业精准精细化的能力,还得有人来进一步开发,这就把接力棒交给了AI Agent。

AI Agent(智能体),是AI在环境中的自动化实体,有四个核心特征:

1. 通过传感器感知周围的环境。这个环境,既可以是虚拟的,比如沙盒游戏、模拟训练系统、自动驾驶模拟器等,也可以是物理的,比如马路、房间、流水线等。

2. 可以自主做出决定。

3. 由执行器/效应器一起来采取行动。

4.基于绩效最大化和结果最优化来学习进步。

从这个角度看,其实人类自己也是一种“智能代理”AI Agent,我们可以通过眼睛、耳朵、皮肤等感知外界环境的变化,再通过大脑做出决策,用嘴说、用腿走来做出行动,并且根据奖励反馈来不断调整适应外界环境。

其实,Agents in AI也是一样的逻辑。就拿自动驾驶场景的AI Agent来说,就需要传感器来采集信息,感知道路车辆行人等环境因素,再由系统自动决策,驱动油门、制动器等设备做出相应的反应。

这也被称为AI Agent的PEAS模型。我们给大家简单做个表,感受一下:

那么,具体在大模型上,AI Agent可以带来什么影响了?主要有以下几个关键的作用:

第一,拆解任务。

大模型要和某个具体领域结合,面对的用户需求是比较笼统的,过程往往会涉及到多个步骤。就好比用户说“要有光”,孤立的大模型既不知道所在的环境有什么灯具,也不知道怎么控制,所以有了大模型也不能搞定这个看似简单其实复杂的任务。

而AI Agent具有任务规划能力,可以自动理解并决定,如何规划步骤、分配资源、优化决策,进而完成指令,提升了大模型处理任务的效率和精度。

谷歌大脑研究团队的一篇论文中,就让大语言模型把任务步骤分解的推理过程,也就是“内心独白”都说出来,再去做相应的动作,一下子就提高了大模型答案的准确性,在多个数据集上都取得了SOTA 效果,让大模型胡说八道的情况有所改善。

第二,自动执行。

AI Agent被设计为独立思考和行动,用户只需要给它一个任务,让它做事就可以了。AutoGPT的典型案例就是点披萨,不需要用户自己输入地址、选择口味,AI Agent将所有点餐步骤都大包大揽,自动执行,人在一边看着,发现出错及时纠正就好了。

AI Agent不止能使用互联网,还可以在物理环境中工作,控制机器人拿快递、无人车、自动驾驶等。

有了AI Agent,用户和大模型之间的交互,会更加自然、简单、快速,减少人工参与,真正提质增效。比如游戏世界中,AI Agent可以自动跟玩家展开对话,提供开放式的交互,根据玩家的反馈来设计无限故事线,真正让游戏做到千人千面;物理世界中,AI Agent自动生成指令和操作,驱动机械身体,为人类提供家政服务,在工厂里自动化作业,不依赖人类的指导就能完成。

第三,节约资源。

AI Agent像人一样,能够使用工具,也就是调用API,来处理更加复杂的任务,这就很好地扩展了大模型的能力,减少了对资源的浪费和过度消耗。

比如AutoGPT写代码,要对专有信息源数据、算力资源等进行访问,这个过程中AI Agent可以自动找到合适的API来进行调用,这样就可以避免浪费其他API token。还能够自主学习,对结果进行优化,如果不满意就重新调用 API。

一般来说,要真正完成一项不明确的用户指令,比如旅行规划,需要模型调用多个API才能解决问题,自动化强的AI Agent无疑能够很好地节省资源,进而为用户节省成本,让AI应用更有吸引力和竞争力。

第四,吸引开发者。

对大模型的商业化来说,API模式需要尽可能多的开发者群体参与,行业模式也需要ISV集成商、软件服务商等。大家都知道,和大厂卷基础模型是很难有胜算的,更希望在细分的上层应用上找到机会。而AI Agent能够解决具体问题、提高模型效果,驱动数字系统和物理实体,就非常适合来构建超级应用。

如果说AI Agent就像是一个最小单位的AI生命,那么大模型厂商就是孕育生命的工厂,而开发者、软件商等就像是技能培训班,教会它们一些实用而有差别的技能,到行业和用户身边努力工作。

所以,哪个大模型能够更好地构建AI Agent,能吸引的开发生态就会更庞大,对商业B端用户的粘性更强,形成一个AI平台级的巨大机会。

总结一下,AI Agent直接影响到大模型的模型效果、服务质量、落地成本、生态能力,将是接下来各个大模型的竞争关键。

AI Agent做得好,模型少不了

那你可能会问了,那怎么才能产生好的AI Agent呢?这对大模型提出了哪些挑战?

我们认为,AI Agent想要落地,需要大模型做好以下工作,这也是接下来的竞争焦点:

1.基础模型。

AI Agent的能力和效果,是由底层基础模型的能力决定的。基础模型有的能力,AI Agent不一定能用上,但基础模型没有的能力,AI Agent一定没有。

就拿语言任务来说,GPT-4提供了很强的自然语言理解能力,但目前真正部署到AI Agent和产品中的很少,一些游戏中的智能体NPC还是没有自主决策的行为能力的。

再比如,GPT-4虽然有多模态,但只开放了语言API,所以开发者想要用GPT4的多模态能力来构建AI Agent,还做不到,而缺失了图像、音频等其他模态的信息,AI Agent对环境的理解和效果还有待提升。

所以,无论是开源模型,还是闭源模型,想要通过API经济来商业化,基础模型的能力会直接关系到AI Agent的质量,且都还有提升的空间。

2.数据知识。

想要做好一个AI Agent,采集和使用数据是基本前提。对于开发者来说,数字任务的数据量已经不成问题,但开发物理世界的AI Agent,数据成本就非常高了。机器人的控制数据,一般只能自己采集,通过模拟器或者实体机器人现场采集。但模拟器毕竟不是真实的环境,训练的效果不一定好,而购买几百台机器人、无人机真正上路进厂去收集数据,无论是采购成本、政策限制、实际执行等,都有不小的困难。

这一点上,拥有数据优势的大模型厂商,比如谷歌、百度的自动驾驶优势,微软、谷歌、搜狗、百度等搜索业务的数据优势,或许能够为开发者的AI Agents探索减少一些门槛,也会为这些厂商的大模型建立壁垒。

3.产品支持。

必须承认,AI Agent所代表的大模型应用机会,还只是非常早期,技术上尚未完全成熟,商业化探索更是刚刚迈出了一点点步伐。对于开发者、软件服务商等来说,比起代码上怎么实现AI Agent,更关键也更早一步要考虑的,是想象一个AI Agent所应该的去向:

它应该是什么样子?叫什么名字?有性别吗?以什么性格跟用户对话?有哪些用例?会遇到哪些具体的困难?如何评价一个AI Agent的成功?

这些更多是产品层面、商业层面的“无人区”,要让开发者释放想象力,在各种环境和任务中尝试创建AI Agents,需要大模型厂商开放自身的商业生态和更丰富便捷的功能,来减少开发人员的试错风险,增加与商业用户对接的强度,去催生更多商业选择和落地案例。

总而言之,这个领域仍然很新,目前AI Agent还没有明确给大模型产业带来冲击,但AI Agent会消除人与AI系统的大量繁琐交互已经板上钉钉,正在发生。

更多AI Agents在被推向社区、推向用户,它们学习,它们改变,它们进化。或许几个月之后,我们就会看到AI Agents的成熟和爆发,这必然会引发大模型领域的又一次洗牌。

本文为转载内容,授权事宜请联系原著作权人。