在大模型时代，AI需要在人类的引导下，才能完成查资料、写代码、生成图片和视频的工作。但一旦问题不够聚焦，AI就会答非所问，宛如一个智障；AI Agent时代，它可能主动学习、思考，甚至自主完成任务。就像贾维斯会主动问钢铁侠史塔克要不要给他妻子打个电话。
尽管听起来不可思议，但这将是AI产业的下一个风口。比尔·盖茨还曾在一篇文章中表示，AI Agent将颠覆个人与计算机交互的方式，并将在五年内彻底改变我们的生活。
AI Agent到底是如何运作的？目前市面上的Agent产品主要集中在哪些领域？AI Agent的商业化还面临哪些挑战？当我们拥有一个比人类还要聪明的AI Agent，世界究竟会发生怎样的变化？以下，Enjoy:
长大之后，我们读书工作、成家立业，生活按部就班，大富翁的梦想画上句号，人生更像是游戏世界的NPC，主打一个“不努力、不、热情开朗、一问三不知”。
一年前，ChatGPT横空出世，有一大批人工智能专家出来呼吁，收手吧，阿祖，再这么开发下去，AI就强大到人类无法控制了。
在文章中，研究人员创造了一个虚拟小镇“Smallville”，里面有商场、公园、酒吧、学校、咖啡馆等建筑，还有25位完全由 AI 控制的居民。
每位AI居民都有自己独特的身份和个性，它们在小镇里生活、工作，可以一起聊天、谈八卦，也可以办Party、交朋友，甚至还拥有记忆，会根据自己见过的人、说过的话，做出判断和决策。
具体来说，它们看到早餐起火，会走过去关掉炉子；如果看到卫生间有人，知道在外面等待；街头看到一个人，还会停下来聊两句……
虽然这个研究目前没有开源，咱们并不清楚AI居民是如何做出具体响应的，但试想一下，你在路上碰到一个认识的人，大概会出现四种情况：
这里的AI居民，具有语言、决策、记忆的综合功能，能够通过独立的思考完成接受的任务，也就是最近风光无限的AI Agent。
在大模型时代，AI只能和你聊天，谈心，帮你查资料、写文章、写代码、搞创作，而且要想让AI输出你想要的结果，关键在于“提示词”，即你得学会引导AI，才能让它给出理想答案。
打个比方，你正在打游戏，突然感觉饿了。这个时候，AI可能会告诉你喝点水缓解饥饿，或者建议你尽快吃饭，以免头晕、乏力；但AI Agent则可能会调取你的外卖app，分析你爱吃的菜系，还能调用支付app，直接帮你点个外卖到家。
在这个过程中，AI Agent经历了“感知（Perception）——规划（Planning）——行动（Action）”三个步骤。
当AI Agent接收到你说“饿了”，它会首先从一堆“饱汉不知饿汉饥”“Stay hungry，Stay foolish”等与饿了相关的信息中，提取出饿了应该怎么办的关键信息。
饿了，可以出去吃，可以叫外卖，可以自己做饭，也可以喊朋友来家里吃。此时，AI Agent 首先会检索记忆流，即它会根据你在这个时间点通常在干什么，你和最近的联系人聊了些什么，是否聊到了美食，又或者你的日程表上这个点有没有其他安排等等，来综合判断你是要出去和朋友吃，还是要在家做饭，又或者点个外卖凑活一顿。
而且在规划过程中，AI Agent还需要考虑到“近期性”和“重要性”，比如你最近消费减少，可能是月底工资不够花了，又或者你第二天要给女朋友送礼物，这个时候需要勒紧裤腰带，一切从简。
最后，再根据规划做出行动——在综合了你的个人习惯、消费情况、聊天记录、日程安排等等情况后，AI Agent决定，你应该点个外卖。
目前，市面上的Agent，包括OpenAI推出的GPTs，其实只是构建了一个基于特定知识库或专业数据的Chatbot，这些智能体主要用于进行问答交互，如获取行业资讯、报告等。
一种是自动化。即给Agent一个目标之后，它可以自己通过目标来模拟一个思考路径，然后创建任务、完成任务，并且根据用户的目标不断重复地完成任务。
以GitHub上大受好评的Auto GPT为例，你让Auto GPT写一份某地区TOP 5鞋厂的研究报告，这是终极目标。
为完成这个任务，Auto GPT会先去网页搜索该地区五大鞋厂分别是哪些，然后再去看他们的营收数据、市场份额、产品情况等，依据搜索信息，最后以分析形式形成一份报告。
在整个过程中，Auto GPT自主将任务拆解为检索信息、提出问题和回答问题等阶段，最终完成了任务。
比如会议纪要，一个人做起来可能要耗费好几天的时间，但交给AI agent，它可以在全部的录音素材中，提取会议内容的重点，总结成bullet point，然后自动生成待办事项添加在To-do List中；
再比如，AI Agent可以帮助销售人员收集客户信息，分析客户喜好，拟定销售机会，自动跟进销售进度，等等。
不同于自主智能体的发展路径，拟人化（智能模拟体）的发展路径更多遵循开发者设定的内部目标，强调的是拟人化的情感与交互。
现在，这种拟人化的AI agent大多出现在游戏中。像前文提到的虚拟小镇里的AI居民，以及由英伟达首席科学家Jim Fan等人发布的Voyager，都是由大模型驱动并且可以终身自主学习的智能体。
比如把Voyager接入游戏《我的世界》后，Voyager不是一个推动剧情的NPC，而是一个能够主动创造内容的“玩家”——通过不断自我进化，Voyager在游戏中获得的独特物品增加了 3.3 倍，行进距离增加了 2.3 倍，解锁关键科技树里程碑的速度比之前的方法快了 15.3 倍。
坏消息是，这种智能体充分进化而导致的“不确定性”，会让很多玩家在尝试过后，丧失进一步玩下去的热情——我玩游戏，不就是想获得掌控感吗？角色稍微不听话可以，完全不听话，还玩个啥啊。
相反，自动化和拟人化是现在Agent发展的两大核心能力，围绕着这两个能力，AI Agent会在不断进化、不断成熟的过程中，探索出更多的使用场景。
比尔·盖茨在一篇文章中表示，AI Agent将颠覆个人与计算机交互的方式，并将在五年内彻底改变我们的生活。
拿斯坦福大学的虚拟小镇“Smallville”来说，其中每个Agent的成本高达20美元/时，比大多数人的时薪都要高。
“和GPT从免费到收费的过程一样，Agent商业化的普及也要经历产品标准化的过程。”科技行业投资人申林宇（化名）这样评价道。
比如你用AI Agent办公，考量指标应该是，它到底有没有提高生产效率。“各式各样的大语言模型类产品出现后，免费试用的阶段大家会有新鲜感，会去玩、会去尝试，但是如果你说这个东西开始收费，大家的态度立刻会从猎奇转换成审视。没有人会为科技类的猎奇产品持续买单，科技类的产品必须切实地提高生产力才能持续商业化。”
比如医疗类Agent，它可能比大部分人类医生的知识储备都要多，但医院如果把治疗方案交给AI，需要跨越的并不只是技术的门槛，还有道德的高墙——一个生活拮据的老人心脏不舒服，但不影响生活，医生往往会根据情况建议保守治疗，但AI可能会建议做个手术。
一位投资人曾描述过这样一个画面，“你的自动驾驶车辆行驶在高速路上，忽然前方的宾利急刹车，紧急车道上停着一辆破旧的二手车，车上正有一个抱着婴儿的母亲在打电话，这个时候到底该撞向谁？我们要把这个问题交给AI来决定吗？”
即便跳过这个“电车悖论”，自动驾驶过程中出现交通事故之后的权责判断，也是摆在汽车厂商面前的现实问题。
人机配合过程中，很多时候很难判断到底是车的问题，还是人的问题，亦或者是人和车在争夺决策权的过程中出的问题，所以很多厂家现在已经跳过了需要人机配合的L3阶段，直奔自动驾驶的L4阶段去了。
把什么样的问题交给AI去决定？这是AI Agent产品商业化无法回避的问题，而无论创造产品的人还是制造规则的人，都没有过去的经验可以参考，那么，政策的推进就需要摸索和时间。
很多人觉得ChatGPT不好用，是因为提示词给的不够好，而Agent产品的使用门槛相对会更高，消费者对其期待也更大。
一位智能驾驶研发员告诉我，很多司机不是不想调动自动驾驶，而是很多自动驾驶的交互做得不够好，不够让司机省心。比如路径如何规划，前方有什么路况，准备怎么解决等，这些信息如果没有及时传达，司机就没有足够的安全感去信任和调用AI产品。
因此，Agent产品如何做好交互，从而提高产品渗透率和使用率，最终触达到用户，是Agent发展最后一步也是最重要的一步。
2023年12月，Open AI董事长萨姆·奥特曼在X（原推特）上发表了自己的“年终总结”。
过去一年，从科技公司到硬件厂商，从传统制造业到新兴产业，从投资人到开发者，几乎全员都在聊AI、做AI。
AI教育、AI医疗、AI律师、AI自动驾驶，甚至AI性机器人……各种AI应用此起彼伏，但放到普通人身上，AI似乎又很遥远——它既不能替我们完成日常工作，也不能帮我们接送孩子、照顾老人。
iPhone的电容屏幕和多点触控技术，改变了人与手机的“互动”方式，拉开了移动互联网的序幕。
而AI Agent，则可能改变人与AI的“互动”方式，让人工智能不再是一个光鲜亮丽、又遥不可及的名词。
尽管现在，人类距离AI Agent终极智能体还很遥远，但没有什么能够阻挡，一个必然会到来的潮流。
