什么是 AI 代理？

如果你像我一样，听到“代理”这个词就会想到特工在做酷事。那么，在人工智能的世界里，代理绝对可以是特工，但也可以像你 iPhone 上的 Siri 一样。这些 AI 代理可以是任何以某种方式感知其环境并能采取行动来帮助他们实现你的目标的实体。例如，你知道你在马里奥赛车中的电脑对手并不都是想获得第一名吗？电脑控制的赛车手会被分配一个排名，他们在比赛结束时“应该”获得这个排名。每个代理都感知到他们在比赛中的位置、他们的速度、他们能加速多少等等，并采取加速、减速、使用道具等等行动来实现他们在比赛中获得指定排名的目标。这是一项复杂的任务，因为它涉及多个因素和决策过程。

在人工智能不断变化和发展的领域，“代理”是一个基石概念，它代表着做事情的东西。听起来超级模糊，对吧？因为它故意如此。代理可以是简单和反射性的，这意味着当你驶过红灯时，红灯摄像头会拍下你车牌的照片。代理也可以持续监控互联网流量水平，并使用这些历史数据来确定何时需要发送警报，因为流量与“应该”的流量不符。所有代理都有一个共同点，它们能够感知自己的环境并采取某种行动。

代理有两个基本组成部分：感知其环境的传感器和与其环境交互的执行器。

所有代理都具有一些感知其环境的机制。这可能包括简单的输入数据，比如十字路口的摄像头，也可能包括更复杂的输入，比如自然语言或其他符号形式，然后必须对其进行处理。这就是理性代理的概念发挥作用的地方，因为它旨在根据其知识和推理能力，在给定情况下做出最佳决定。

由于代理式人工智能的最终目的是对环境采取行动，因此它必须能够做某事。这些执行器可以从能够拍摄照片的摄像头到能够对问题产生自然语言响应的对话式 AI 聊天机器人。

当我们转到像马里奥赛车中的赛车手这样的东西时，我们加入了推理和目标。每个 NPC 在阵容中都有一个目标位置，他们正试图实现。他们的感知包括他们在阵容中的当前位置、他们的速度、他们是否可以进一步加速、他们是否拥有可以使用的道具等等。然后赛车手必须判断出达到目标位置的最佳行动方案。是使用道具然后加速？是加速并保留道具以备后用？这些赛车手背后很可能存在一个模型，该模型已通过练习赛进行训练，并拥有做出该决定的历史经验；但由于所有这些模型都是基于概率的，因此赛车手可能会在不同的比赛中做出不同的决定，从而无论玩家玩多少次都能够为玩家带来令人愉快的体验。

AI 代理的类型

那么有哪些类型的代理呢？这里有一个简单的分类法

简单反射代理

这些代理仅根据其当前感知做出决定，而不考虑事件的历史。它们是反应型代理，缺乏计划未来的能力。

基于模型的反射代理

这些代理维护一个世界模型，并且能够在部分可观察的环境中行动，因为有了它，这些代理了解其行动如何影响其世界。

基于目标的代理

这些代理被赋予了一个具体目标，然后根据不同的行动对实现这些目标的贡献程度进行评估。这些代理拥有某种选择权。

基于效用的代理

这些代理对不同的结果分配价值和效用，并选择能够最大化预期效用的行动。这引入了对偏好和权衡的考虑。

学习代理

这些代理通常通过机器学习来整合反馈，以根据经验随着时间的推移调整和改进其行为。这是生成式 AI 的一个关键方面，系统根据其训练数据学习生成新内容。

了解了每个代理后，就可以开始将它们组合到多代理系统中。多代理系统可以是异构的，这意味着代理具有不同的能力和目标，也可以是同构的，这意味着所有代理都具有相同的能力和目标。这些系统可以是合作的或竞争的，代理可以共同努力实现共同目标，也可以相互竞争以各自实现自己的目标。我们还可以创建分层代理，在该系统中，高级代理为执行更简单任务的低级代理设置目标和参数。这使得高级代理和低级代理都能更加高效和专业化。

AI 代理的应用

虚拟助手

像 Siri、Google 助手和 Alexa 这样的 AI 代理是虚拟助手的例子。它们都感知来自用户的音频，处理该音频，并决定对任何特定查询的最佳响应。

机器人

机器人领域中的 AI 代理可以从控制装配线上的机器人到控制自动驾驶汽车。这些代理感知从交通状况到尺寸的一切，并采取像拧紧零件和改变车道这样的行动。

网络安全

用于网络安全的 AI 代理可以检测恶意软件、网络入侵和 DDoS 攻击等。这些代理感知像非典型网络流量这样的东西，并采取像提醒人员注意这些异常情况这样的行动。

游戏

游戏中的 AI 代理通过为非玩家角色增加深度，使世界感觉更加鲜活。这些代理从马里奥赛车中的赛车手到《求生之路》中的导演，感知到从他们在比赛中的位置到玩家获胜战斗的难易程度等等，并采取从加速到调整敌人强度等等的行动。

已经存在的 AI 代理还有很多其他例子。其他一些广泛的例子包括：提供个性化治疗方案的医疗保健代理，在您在家和不在家时调整温度的智能家居监控代理，以及跟踪天气模式和作物产量并提醒科学家变化的环境监测代理。

不断发展的挑战和未来展望

虽然 AI 代理取得了显著进步，但挑战依然存在。与伦理决策、算法中的偏差以及 AI 代理决策的可解释性有关的问题是当前研究的领域。随着 AI 的应用不断发展，人们对挑战和机遇的了解越来越多，解决潜在的弊端将变得越来越重要。例如，虽然来自 OpenAI 的 ChatGPT 明确表示“ChatGPT 会犯错误。请考虑检查重要信息”，但并非每个人都阅读了细则或将其铭记于心，有些人会将信息传递出去，就好像它是事实一样，而实际上可能并非如此。

这些代理已经极大地提高了全球各地人们的生活质量，并将继续这样做。从能够在您的汽车自动驾驶时小睡的奢华体验到改变生命的作物生产以养活世界，AI 代理无疑可以成为一股向善的力量。

您现在可以开发的 AI 代理（无需自行创建）

OpenAI 的 GPT-3：用于自然语言处理任务，包括聊天机器人和内容创建。

Google 的 TensorFlow：用于机器学习和神经网络开发的综合库。

Facebook 的 PyTorch：以其灵活性和易于使用而闻名，适合 AI 的研究和开发。

Microsoft 的 Azure AI：提供一套 AI 服务，包括机器学习、知识挖掘和 AI 应用程序。

IBM Watson：以其强大的 NLP 功能而闻名，适合构建复杂的 AI 解决方案。

Google 的 Dialogflow：一个用户友好的平台，用于创建对话式用户界面。