AI 智能体(Agent)的5个能力级别【更新版】

前言

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：

• 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。

本文参考：

论文：《Levels of AI Agents: from Rules to Large Language Models》

作者：Yu Huang, Roboraction.AI

链接：https://arxiv.org/pdf/2405.06643

最后的最后

感谢你们的阅读和喜欢，我收藏了很多技术干货，可以共享给喜欢我文章的朋友们，如果你肯花时间沉下心去学习，它们一定能帮到你。

因为这个行业不同于其他行业，知识体系实在是过于庞大，知识更新也非常快。作为一个普通人，无法全部学完，所以我们在提升技术的时候，首先需要明确一个目标，然后制定好完整的计划，同时找到好的学习方法，这样才能更快的提升自己。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

大模型知识脑图

为了成为更好的 AI大模型 开发者，这里为大家提供了总的路线图。它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

经典书籍阅读

阅读AI大模型经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说，阅读经典书籍是非常有必要的。

实战案例

光学理论是没用的，要学会跟着一起敲，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。

面试资料

我们学习AI大模型必然是想找到高薪的工作，下面这些面试题都是总结当前最新、最热、最高频的面试题，并且每道题都有详细的答案，面试前刷完这套面试题资料，小小offer，不在话下

640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】