01 什么是智能体
其实早有人类提出相关技术解决上述问题, 那就是智能体, 智能体(AI Agents或 Agents),一般认为是一个可以通过行动能力自主完成设定的目标的代理。“智能体”是和“智能”密不可分的;它具备一些类似人的智能能力和行为,比如学习、推理、决策和执行能力。
AI Agents的概念是早于LLM(大语言模型, Large Language Model), Agent概念最早起源于M.Minsky(AI之父之一) 于1986年出版的《Society of Mind》(也是神经网络热潮开始的年份), 只是LLM出现, LLM的涌现能力让人们快速嗅到可以基于LLM打造智能体, 近期 Web GPT、Chatdev、Toolformer、Devin、MetaGPT等AI Agents产品也是层出不穷。
02 LLM时代下的智能体
LLM给AI Agents底层提供了一个突破性技术方案:过去强化学习基于深度学习框架可让agent学到技能,但agent本身并没有真正理解问题和技能,泛化性也较差,只能用于特定领域,主要用在游戏和用来制作低维控制/计划,代表性应用是围棋领域的AlphaGo;LLM带来了深度学习新范式,思维链和强大的自然语言理解能力有望让agents具备强大的学习能力和迁移能力,从而让创建广泛应用且实用的agents成为可能。
2023年11月,OpenAI 上线 GPTs 功能,全球AI开发者闻风而动;2024年1月,OpenAI 正式上线 GPT Store,开启了构建AI 智能体的风潮。
最近,人工智能著名学者、斯坦福大学教授吴恩达指出:AI Agents工作流将在今年推动人工智能取得巨大进步,甚至可能超过下一代基础模型。 这是一个重要的趋势,他呼吁所有从事人工智能工作的人都关注 AI Agent 工作流。
由于生成式LLM存在幻觉问题,记忆力短,在实际应用中难以保持长期一致性和准确性,且agents间合作也是重要趋势,除了等待基座模型自身迭代之外,借助外部力量(向 量存储、检索、代码等)是重要方法,完整的Agents框架应该具备这些能力。我们认为补齐了大模型短板的AI Agents更具备实用性,将是大模型重要落地方向。前特斯拉总监、 OpenAI科学家Karpathy公开表示“如今AI智能体才是未来最前沿的方向”“相比大模型训练,OpenAI内部目前更关注Agents领域”。
LLM时代下的智能体也是现在很多应用发展方向, 逐渐成为下个APP的趋势。
03 LLM时代下智能体架构
一个大语言模型智能体框架包含以下4个核心部分(这不是AI Agents所有模块,目前AI Agents也在不断发展):
-
用户请求 - 表达用户的问题或请求
-
智能体/大脑 - 作为协调者的智能体核心
-
规划- 助于智能体为未来行动做规划
-
记忆 - 管理智能体的历史行为和经验
LLM智能体如下架构:
通过这些组成部分的协同工作,大语言模型智能体能够处理从简单到复杂的各种请求,不仅能够提供直接的答案,还能解决需要深度分析和多步骤操作的问题。这种智能体的能力,使其在处理复杂信息查询、数据分析和可视化表示等方面具有巨大潜力。
04 LLM Agent组件拆解
第3节提到Agent 最重要的三大组件: 规划、记忆、工具, 每个组件可以进一步进行拆分。
深入智能体,要求我们有基本的提示词的经验。
这个并不是AI Agents所有设计模式, 结合吴恩达近期发表的言论, 他将AI Agents 框架分为4个方面:
-
反思(reflection):LLM 检查自己的工作,以提出改进方法。
-
工具使用(Tool use):LLM 拥有网络搜索、代码执行或任何其他功能来帮助其收集信息、采取行动或处理数据。
-
规划(Planing):LLM 提出并执行一个多步骤计划来实现目标(例如,撰写论文大纲,然后进行在线研究,然后撰写草稿…)。
-
多 Agents 协作(Multi-agent collaboration):类似分而治之,利用每个agent在特定领域的优势,多个 AI Agent 一起工作,分配任务并讨论和辩论想法,以提出比单个智能体更好的解决方案。
其中多Agents协作,也是目前开源 Agents 工具和有关 Agents 的学术正在研究的方向之一
05 著名LLM的智能体
现在已经有很多著名的大语言智能体, 包括但不限以下智能体:
名称 | 地址 | 说明 |
Horton | https://arxiv.org/abs/2301.07543 | 通过给予基于大语言模型(LLM)的智能体以“资产、偏好及个性”,模拟人类在经济行为场景中的决策过程。 |
盲审 | https://arxiv.org/abs/2301.05327 | 利用多个语言模型模拟法官的判决过程,其对现实世界最高法院裁决的预测准确度高于随机水平。 |
ChemCrow | https://arxiv.org/abs/2304.05376 | 描述了一个专注于化学领域的大语言模型智能体,该智能体能够独立规划并执行驱虫剂、有机催化剂的合成及新型色素的开发。 |
EduChat | https://arxiv.org/abs/2308.02773 | 专为教育领域设计的两个杰出的大语言模型智能体。类似的还有CodeHelp |
ChatDev | https://arxiv.org/abs/2307.07924 | 展示了 AI 智能体在自动化编程、调试、测试及支持软件工程其他任务方面的潜力。类似的还有ToolLLM、MetaGPT |
Mehta | https://arxiv.org/abs/2304.10750 | 提出了一种互动框架,允许建筑师与 AI 智能体合作,在三维模拟环境中设计建筑。 |
OS-Copilot | https://arxiv.org/abs/2402.07456 | 提供了一个创新框架,旨在打造能够全面操作操作系统 (OS) 的通用智能体,这些智能体能够灵活应对网络浏览、编码操作、文件管理、多媒体处理及与众多第三方应用的交互。 |
....... | ........ |
06 总结
大模型时代的AI Agents = LLM(核心控制器,构建核心能力)+ 规划能力 + 记忆 + 工具+…。
这个时代关于Agents的学术文献正在激增。AI Agents也在不断发展, AI Agents的组件或者架构也在不断丰富,但是作为AI Agents的基座模型能力至关重要。
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
】🆓