AI 智能体(Agent)的5个能力级别

AI Agent（智能体）被定义为能够感知环境、做出决策并采取行动的人工智能实体。受美国汽车工程师学会（SAE）提出的自动驾驶六个级别启发，在论文《Levels of AI Agents: from Rules to Large Language Models》中，作者把人工智能智能体也基于效用和强度分为以下级别：

前排提示，文末有大模型AGI-CSDN独家资料包哦！

• L0—— 无人工智能，只有工具（具备感知能力）加上行动

• L1—— 使用基于规则的人工智能

• L2—— 用基于模仿学习（IL）/ 强化学习（RL）的人工智能替代基于规则的人工智能，并增加推理和决策功能

• L3—— 用基于大型语言模型（LLM）的人工智能替代基于 IL/RL 的人工智能，另外设置记忆和反思模块

• L4—— 在 L3 的基础上，促进自主学习和泛化

• L5—— 在 L4 的基础上，添加个性（情感 + 性格）和协作行为（多智能体）

可以把AI Agents的五个能力级别用下图来表示，我们来对这张图做简单理解：

图中展示了AI智能体的五个级别，并从不同的维度对不同级别AI智能体的能力与性能进行了定义与描述。图表从左至右详细说明了每个级别的技术手段、性能、能力、关键特性、使用案例、以及领域的应用情况。

以下是对每个级别的简单分析和理解：

Level 0: No AI (无AI)

• 技术手段：无AI，仅基于简单的规则和操作。

• 性能：无AI，无法执行智能行为。

• 能力：无AI能力，仅执行预定义的规则和操作。

• 关键特性：无智能行为，没有自主决策能力，完全依赖于预定义的规则。

• 用例场景：无。

Level 1: Rule-Based AI + Tools (基于规则的AI + 工具)

• 技术手段：基于规则的AI与工具组合，完成简单的步骤序列。

• 性能：等同于未具备技能的初级人类。

• 能力：仅能执行按照明确步骤设定的任务。

• 关键特性：遵循预定义规则完成任务，缺乏应对变化的能力。

• 用例场景：例如使用语音助手来执行特定指令（如打开应用或读邮件）。

Level 2: IL/RL-Based AI + Tools (基于监督学习/强化学习的AI + 工具)

• 技术手段：通过监督学习和强化学习驱动，带有推理和决策能力。

• 性能：等同于具备50%技能的成年人。

• 能力：能够在用户定义的任务范围内进行推理和执行决策。

• 关键特性：可以在特定的领域中，通过数据反馈进行自动调整和改进，但范围有限。

• 用例场景：例如天气查询、简单的对话式AI，可以根据输入完成预定任务。

Level 3: LLM-Based AI + Tools (基于大型语言模型的AI + 工具)

• 技术手段：基于大型语言模型（LLM），具备意图、行动、推理、决策、记忆与反思的能力。

• 性能：等同于具备90%技能的成年人。

• 能力：具备自动化任务的战略能力，可以通过工具自动规划任务并根据反馈调整执行步骤。

• 关键特性：在用户定义的任务下，能够自主完成复杂任务，具备较强的推理能力和记忆能力。

• 用例场景：AI能够自主规划并执行任务，例如通过多轮对话完成复杂的用户需求。

Level 4: LLM-Based AI + Tools + Autonomous Learning**(基于大型语言模型的AI + 工具，自主学习与泛化)**

• 技术手段：基于LLM和工具，具备自我学习、泛化和推理能力，记忆与反思进一步增强。

• 性能：等同于99%技能的成年人，接近人类顶尖专家的水平。

• 能力：能够通过上下文感知，提供高度个性化的服务，主动满足用户需求。

• 关键特性：具备深度理解和记忆功能，可以在复杂环境中提供最优解决方案或服务。

• 用例场景：个性化虚拟助手能够根据用户需求主动调整和优化行为。

Level 5: Superhuman AI (超人类AI)

• 技术手段：基于LLM与多智能体协作的AI，具备超越人类的推理、记忆、反思、自主学习和决策能力，情感、个性与协作能力也进一步发展。

• 性能：超越100%技能的成年人，展现出超人类智能。

• 能力：具备真正的数字化人格，能够在人类的角色中执行任务，确保安全与可靠性。

• 关键特性：AI能够在复杂的社交环境中代表用户完成任务，并与他人交互。

• 使用案例：能够代替用户进行交互，安全且可靠地完成复杂任务。

这里展示了AI智能体的五个级别，从最基础的规则驱动系统到潜在的超级智能，逐步提升了AI的能力和应用范围。每个级别的性能与功能均依赖于不同的技术手段，展示了AI逐渐从简单的任务自动化向复杂的、自主学习的系统发展。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓