OpenAI翁麗蓮的Agent公式，一定是正確的嗎？

衡宇 2024-01-08 09:41:37 來(lái)源：量子位

衡宇 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

2024年了，被寄予厚望的AI Agent，到底是誰(shuí)在用??？！

它被視作通向AGI最有可能的路徑之一，國(guó)內(nèi)外公司都研究得火熱，雖然似乎一切只是“押注”，但據(jù)我們所知，有不少toB領(lǐng)域已經(jīng)喜提Agent了。

為什么是toB領(lǐng)域先用上？量子位詢問了一位創(chuàng)業(yè)者，他所創(chuàng)立的AI Agent公司正在為toB領(lǐng)域的許多場(chǎng)景提供服務(wù)。

AI Agent可以被視作管理者跟基礎(chǔ)員工、專家跟基礎(chǔ)員工，員工與員工之間的連接器，能夠填充企業(yè)想做數(shù)字化轉(zhuǎn)型時(shí)，所面臨的人和系統(tǒng)之間的空間。

同時(shí)他也提到，受目前技術(shù)所限，AI Agent不僅需要和一些傳統(tǒng)技術(shù)，比如搜索規(guī)則引擎、知識(shí)圖譜等進(jìn)行組合。

更重要的是，Agent必須要知道自己在什么樣的環(huán)境、什么樣的場(chǎng)景下能夠起作用。

恰巧，這位創(chuàng)業(yè)者——瀾碼科技創(chuàng)始人兼CEO周健，剛剛在上海正式發(fā)布了團(tuán)隊(duì)自主研發(fā)的AI Agent平臺(tái)AskXBOT。

我們決定以這個(gè)平臺(tái)為一個(gè)案例，來(lái)個(gè)順藤摸瓜，好好探一探Agent現(xiàn)在的進(jìn)展。

Agent平臺(tái)AskXBOT

瀾碼AskXBOT的自我定義，是一個(gè)AI Agent平臺(tái)。

再詳細(xì)展開一點(diǎn)，AskXBOT是基于大語(yǔ)言模型的Agent與工作流設(shè)計(jì)、開發(fā)、使用、管理、知識(shí)沉淀的一站式平臺(tái)。

從整體結(jié)構(gòu)來(lái)看，AskXBOT的設(shè)計(jì)并不繁瑣，它主要由四個(gè)部分組成，分別是設(shè)計(jì)器、使用器、管理平臺(tái)以及知識(shí)中心，為企業(yè)提供文檔檢索、AI調(diào)用、數(shù)據(jù)查詢、智能編程等基礎(chǔ)能力。

設(shè)計(jì)器用于創(chuàng)建和管理AI Agent。在這里，用戶可以通過(guò)拖、拉、拽的無(wú)代碼方式，設(shè)計(jì)和配置所需的AI Agent的模版，即使是沒有技術(shù)背景，不會(huì)寫代碼的用戶，也能輕松創(chuàng)建符合要求的Agent。

使用器則是提供用戶和Agent交互的界面，在這里，用戶可以和Agent對(duì)話，讓Agent獲取信息，從而進(jìn)一步執(zhí)行任務(wù)。

顧名思義，管理平臺(tái)的主要功能是提供監(jiān)管工具，包括權(quán)限控制、性能監(jiān)控、日志分析等，用這些功能確保Agent的運(yùn)行安全、穩(wěn)定，并在用戶反饋的基礎(chǔ)上持續(xù)優(yōu)化。

而用來(lái)沉淀和組織知識(shí)資產(chǎn)的知識(shí)中心，被瀾碼科技視為核心差異化模塊。專家可以把知識(shí)和經(jīng)驗(yàn)輸入知識(shí)中心，被Agent學(xué)習(xí)后使用，以提供更準(zhǔn)確的服務(wù)和響應(yīng)。

實(shí)際工作中，專家用戶的數(shù)據(jù)分析流程步驟和分析都非常豐富，理論上而言，專家可以把分析過(guò)程數(shù)據(jù)保存下來(lái)，做一個(gè)SOP（標(biāo)準(zhǔn)作業(yè)程序）。

那么，其他所有的中級(jí)或初級(jí)的業(yè)務(wù)人員，在不用對(duì)專家核心知識(shí)死記硬背的時(shí)候，就能把相應(yīng)的標(biāo)準(zhǔn)操作分析過(guò)程重復(fù)一遍。

“任何一個(gè)專家，一天也只能提供24小時(shí)的智力和勞動(dòng)力，不可能無(wú)限擴(kuò)張?！敝芙∨e了個(gè)非常容易理解的例子，那就是現(xiàn)在用大模型能力，利用Agent，只要加算力，專家的經(jīng)驗(yàn)知識(shí)就能夠被復(fù)制。

這么來(lái)算的話，如果有30塊顯卡，一個(gè)專家的能力就能提供720小時(shí)不間斷的服務(wù)。

于是就能理解周健堅(jiān)信的，“如果沒有專家把知識(shí)數(shù)字化下來(lái)， 那么AI Agent的落地會(huì)有很大的困難”。

而為了讓Agent更好地落地，絲滑運(yùn)用到各行各業(yè)，瀾碼團(tuán)隊(duì)提出了三步走的AI Agent構(gòu)建法則：

第一步，專家知識(shí)數(shù)字化；

第二步，基于CUI（對(duì)話式用戶交互界面）的柔性交互；

第三步，領(lǐng)域知識(shí)的循環(huán)沉淀。

2023年被普遍認(rèn)為是大模型元年，而剛剛開始的2024年，則期望能大幅度拉開Agent發(fā)展的序幕。

周健表示，實(shí)際上瀾碼現(xiàn)在的設(shè)計(jì)思路，就是希望能夠?qū)崿F(xiàn)把Agent本身當(dāng)成是一種生產(chǎn)力。

目前，AskXBOT已經(jīng)有教育、人力資源、銀行、國(guó)央企等許多合作客戶。

拿人力獵頭行業(yè)為例，北京人力華明科技公司、CGL等都是瀾碼AskXBOT的使用者。

在與CGL的合作中，瀾碼在其原有的獵頭顧問系統(tǒng)中做了一個(gè)Copilot，讓顧問不但能夠高效地篩選、聯(lián)系候選人，還能做一些原本不能完成的事情。

CGL高級(jí)副總裁郭雁冰表示，在實(shí)操中，專家作用遠(yuǎn)遠(yuǎn)超過(guò)數(shù)據(jù)，所以必須在專家知識(shí)上下功夫，做出能夠模擬專家行為的Agent。

周健也希望能在下一個(gè)版本，讓Agent擁有初步擁有對(duì)人才進(jìn)行選、育、用、留的功能。

“Agent的落地速度比想象中更慢”

“讓Agent有選、育、用、留功能，我們離可用技術(shù)實(shí)現(xiàn)這個(gè)階段還有多遠(yuǎn)？”
“兩年時(shí)間吧。”

打破砂鍋問到底，我們終于知道了“2年”這個(gè)數(shù)是怎么被估算出來(lái)的。

周健的判斷標(biāo)準(zhǔn)首先來(lái)自O(shè)penAI。OpenAI在GPT-4問世時(shí)曾經(jīng)提過(guò)，如果兩年內(nèi)有企業(yè)做AGI能做得比它強(qiáng)，它就會(huì)投降，并把知道的所有的方法告訴贏家。

憧憬一下，如果OpenAI突然祭出GPT-5，那時(shí)候在它基礎(chǔ)上搭建一個(gè)AI Agent，是多么爽的一件事（doge）。

言歸正傳，現(xiàn)在離OpenAI的兩年之約已經(jīng)過(guò)去了一年，而周健自己判斷2024年不管國(guó)內(nèi)還是硅谷，都是AI大模型落地的元年，再往后一年的2025年，因?yàn)橛新涞匕咐?，看到友商或者其他賽道有人已?jīng)落地，并且通過(guò)AI競(jìng)爭(zhēng)大大增收，所以其他廠商肯定會(huì)跟進(jìn)。

“這樣的環(huán)境，再疊加GPT-5，所以我認(rèn)為2025年肯定爆發(fā)，可能能真的用起來(lái)了?！敝芙⌒Φ?。

聽起來(lái)，周健對(duì)未來(lái)預(yù)期的一切頗有底氣，但是當(dāng)話鋒從未來(lái)兩年轉(zhuǎn)回過(guò)去一年時(shí)，他的態(tài)度是這樣的——

現(xiàn)在年底往前看，大家落地的程度是比我年初想象中的判斷要慢。

2023年3月，差不多是周健剛剛創(chuàng)業(yè)的時(shí)間，OpenAI發(fā)布ChatGPT Plugin，愁得他一宿沒睡，滿腦子都是“vocal，我要做的事情GPT做了怎么辦？”

但是時(shí)間來(lái)到11月份，GPTs亮相的時(shí)候，周健自稱這時(shí)候心態(tài)是了然于胸的、不慌不忙的。

原因只有一個(gè)，就是拜讀3月轟動(dòng)一時(shí)的論文《Sparks of Arti?cial General Intelligence: Early experiments with GPT-4》后，周健當(dāng)時(shí)的判斷是GPT-4能夠通用寫50行到100行代碼，“這其實(shí)是很可怕的，因?yàn)橐粋€(gè)程序員一天大概也就寫100行代碼，那么GPT-4就能夠代替一個(gè)程序員一天的工作量?！?/p>

基于這個(gè)設(shè)定，當(dāng)時(shí)的周健很激進(jìn)地認(rèn)為，各個(gè)軟件應(yīng)該能夠立刻馬上原地被AI賦能，2023年年內(nèi)就會(huì)開啟淘汰賽，自己和團(tuán)隊(duì)的機(jī)會(huì)在比賽剛開始時(shí)就被大模型橫掃了。

然而，后期團(tuán)隊(duì)與辦公軟件的合作過(guò)程，越做越讓周健發(fā)現(xiàn)了一些不對(duì)勁：

通用寫50行到100行代碼這個(gè)預(yù)估，一下子把我忽悠瘸了。后面再認(rèn)真仔細(xì)看GPT-4的論文，其實(shí)它大概也只能寫2-3行代碼，差距有十倍。

如果能力最強(qiáng)的GPT-4能寫50-100行代碼，那人類可能不剩下啥機(jī)會(huì)了。

但如果它只能寫3、5行代碼，你還基于它去做計(jì)劃，那能做的任務(wù)決策的復(fù)雜度是十分受限的。

在正確看到真人程序員和GPT-4的差距，并且對(duì)算力有正確的認(rèn)知后，瀾碼提供的私有化部署服務(wù)，就逐漸轉(zhuǎn)變?yōu)樾∧Ｐ?、大模型協(xié)同，加上作為入口的Root，把任務(wù)拆解出來(lái)，用不同的算力、調(diào)用不同的模型來(lái)解決這個(gè)問題。

翁麗蓮的Agent公式是正確的嗎？

所有關(guān)注Agent的人，幾乎都見過(guò)OpenAI華人科學(xué)家翁麗蓮給出的Agent配方：

Agent=大模型+記憶+主動(dòng)規(guī)劃+工具使用

曾幾何時(shí)，周健也把這個(gè)Agent配方奉為圭臬，但隨著瀾碼在AI Agent領(lǐng)域的實(shí)踐增加，他有了略帶不同的思考。

“現(xiàn)在大家一直在講的具身智能、AI Agent、未來(lái)AGI，都是有能力和實(shí)際環(huán)境進(jìn)行交互的?！敝芙∠蛭覀冴U述了他的新觀點(diǎn)新看法，他越來(lái)越覺得，Agent最重要的能力是和環(huán)境的互動(dòng)能力。

當(dāng)然了，工具使用可能還好，主動(dòng)規(guī)劃和常識(shí)記憶仍然是核心點(diǎn)，但最具有差異的點(diǎn)，可能是在于Agent能否與環(huán)境交互（interaction with environment），在于AI有沒有探索環(huán)境的能力。

周健表達(dá)自己的觀點(diǎn)，“如果它對(duì)環(huán)境沒有感知，我覺得就不能叫Agent”。反過(guò)來(lái)說(shuō)，能意識(shí)到環(huán)境是什么樣，有哪些可被調(diào)用的工具，能去發(fā)現(xiàn)、去探索，這個(gè)能力很重要。

從這個(gè)角度來(lái)看，翁麗蓮給出的配方，在周健心中更像是“現(xiàn)階段妥協(xié)于技術(shù)限制的Agent”。

在周健這位AI Agent踐行者眼中，是需要有一個(gè)Master Agent進(jìn)行任務(wù)分發(fā)——當(dāng)然，前提一定是對(duì)環(huán)境有感知，才能進(jìn)行接下來(lái)的探索。

如果要到人機(jī)融身、人機(jī)融合或者說(shuō)人機(jī)共生的地步，它（Agent）一定是需要自己能夠感知環(huán)境的。
再視這個(gè)環(huán)境的大小，可以慢慢提升能力，最后回到Y(jié)ann LeCun提到的世界模型。

當(dāng)然了，比較遺憾的是，上述想法是周健和瀾碼團(tuán)隊(duì)近期才逐步琢磨出來(lái)的一個(gè)新的探究中心，在AskXBOT中并沒有相應(yīng)的設(shè)置和體現(xiàn)。

不過(guò)2024就在面前，在Agent的當(dāng)打之年，Agent本身除了團(tuán)隊(duì)、數(shù)量節(jié)節(jié)攀升以外，或許能力也能涌現(xiàn)一波、突破一波？