怎么才能算AI智能体？

50 0 0

文章摘要

科技界对AI智能体的兴趣不断增长，但市场上真正自主的基于大型语言模型（LLM）的智能体尚未出现。许多所谓的智能体实际上是效果不佳的“废物机器人”。即使能够构建出完全自主的AI智能体，它们是否总是用户的最佳选择也是一个值得探讨的问题。

为了更好地理解和评估AI系统的能力，建议采用一个光谱框架，而不是简单地将系统分为“智能体”或“非智能体”。这个框架基于AI学术文献中的六个属性：感知、互动、持续性、反应性、前瞻性和自主性。通过这种方法，企业可以更准确地理解、评估和沟通AI系统的能力。

在旅行规划的案例中，可以看到智能体行为的每个组成部分如何发挥作用。例如，高级感知能力的智能体可以识别用户的旅行模式，而高级互动能力的智能体可以维持对话式界面，根据用户的偏好调整沟通风格。真正的AI持续性要求系统能够读取和写入用户数据，而高级反应性则需要系统能够持续监控并分析多个数据流。

前瞻性是指系统能够预测需求或潜在问题，并在未被明确提示的情况下提供相关建议。自主性则涉及系统在定义好的参数范围内自主执行任务和做出决策的能力。前瞻自主是AI发展的前沿领域，涉及系统能够主动修改参数或目标以更好地实现总体目标。

区分“AI助手”和“AI智能体”是有帮助的。AI智能体至少具备六个要素中的五个，并在定义的领域中表现出明显的自主性。而AI助手在感知、互动和持续性方面表现优秀，但自主性或前瞻性有限。

许多公司在引入自动化时缺乏足够的数据基础。领导层往往低估了非书面信息的重要性。在投入资源之前，企业应该首先明确用户真正需要什么，以及他们的知识管理系统能否支持现在的需求。

AI系统的价值在于它能否有效解决用户或客户的问题。在决定AI投资方向时，应该考虑用户问题、所需的智能体行为、现有数据的可用性以及从现有能力到达成目标所需的工作量。通过深入了解现有数据、系统和用户需求，可以专注于立即带来价值的解决方案。优先开发那些能够解决实际问题的AI功能，即使它们并非完全自主或具备智能体属性，也能够带来即时的价值，并为未来更复杂的能力奠定基础。