谷歌新发布的一份名为《代理》的白皮书设想了未来人工智能将在商业领域扮演更积极、更独立的角色。这份长达 42 页的文件于 9 月悄然发布，目前已在 X.com（原 Twitter）和 LinkedIn 上引起关注。
它引入了人工智能代理的概念——一种旨在通过推理、规划和采取行动实现特定目标来超越当今人工智能模型的软件系统。与仅基于预先存在的训练数据生成响应的传统人工智能系统不同，人工智能代理可以与外部系统交互，自行做出决策并完成复杂任务。
白皮书解释道： “代理是自主的，可以独立于人类干预而行动。” 他们将代理描述为结合推理、逻辑和实时数据访问的系统。 这些代理背后的想法是雄心勃勃的：它们可以帮助企业自动执行任务、解决问题并做出曾经完全由人类处理的决策。
这篇论文的作者Julia Wiesinger、Patrick Marlow和Vladimir Vuskovic详细分析了人工智能代理的工作原理以及它们需要什么才能发挥作用。但更广泛的影响也同样重要。人工智能代理不仅仅是现有技术的升级；它们代表着组织运营、竞争和创新方式的转变。采用这些系统的企业可以看到效率和生产力的显著提高，而那些犹豫不决的企业可能会发现自己很难跟上。
1. 人工智能代理不仅仅是更智能的模型
谷歌认为，人工智能代理与传统语言模型有着根本区别。虽然GPT-4o或谷歌的Gemini等模型擅长生成单轮响应，但它们的能力仅限于从训练数据中学到的知识。相比之下，人工智能代理旨在与外部系统交互、从实时数据中学习并执行多步骤任务。
论文指出：“传统模型中的知识仅限于训练数据中可用的内容。代理通过工具与外部系统的连接来扩展这些知识。”
这种差异不仅仅是理论上的。想象一下一个负责推荐旅行行程的传统语言模型。它可能根据常识提出建议，但缺乏预订航班、查看酒店空房或根据用户反馈调整建议的能力。然而，人工智能代理可以做所有这些事情，将实时信息与自主决策相结合。
这种转变将代理定位为能够处理复杂工作流程的新型数字工作者。对于企业而言，这可能意味着以前需要多个人工角色才能完成的任务将实现自动化。通过整合推理和执行，代理可能成为从物流到客户服务等各个行业不可或缺的一部分。
2. 认知架构为他们的决策提供动力
人工智能代理的核心功能是其认知架构，谷歌将其描述为推理、规划和决策的框架。这种架构称为编排层，允许代理循环处理信息，并整合新数据以改进其行动和决策。
谷歌将这个过程比作厨师在忙碌的厨房里准备一顿饭。厨师收集食材，考虑顾客的喜好，并根据反馈或食材供应情况根据需要调整菜谱。同样，人工智能代理收集数据，推理下一步行动，并调整其行动以实现特定目标。
编排层依靠先进的推理技术来指导决策。推理和行动 (ReAct)、思维链 (CoT)和思维树 (ToT)等框架提供了分解复杂任务的结构化方法。例如，ReAct 使代理能够实时结合推理和行动，而 ToT 则允许它同时探索多种可能的解决方案。
这些技术使代理能够做出不仅被动而且主动的决策。根据该论文，这使它们具有高度的适应性，能够以传统模型无法做到的方式管理不确定性和复杂性。对于企业而言，这意味着代理可以承担诸如解决供应链问题或分析财务数据等任务，并且具有一定的自主性，从而减少了对持续人工监督的需求。
3. 工具将智能体的范围拓展到训练数据之外
传统的人工智能模型通常被描述为“静态知识库”，仅限于它们所接受的训练。另一方面，人工智能代理可以访问实时信息并通过工具与外部系统交互。这种能力使它们在实际应用中具有实用性。
论文解释道：“工具弥补了代理内部能力与外部世界之间的差距。”这些工具包括 API、扩展和数据存储，允许代理获取信息、执行操作并检索随时间演变的知识。
例如，负责规划商务旅行的代理可以使用 API 扩展来查看航班时刻表，使用数据存储来检索旅行政策，使用地图工具来查找附近的酒店。这种与外部系统动态交互的能力将代理从静态响应者转变为业务流程的积极参与者。
谷歌还强调了这些工具的灵活性。例如，功能允许开发人员将某些任务转移到客户端系统，让企业更好地控制代理如何访问敏感数据或执行特定操作。这种灵活性对于金融和医疗保健等行业来说至关重要，因为合规性和安全性至关重要。
4.检索增强生成使代理更加智能
人工智能代理设计中最有前景的进步之一是检索增强生成(RAG) 的集成。当代理的训练数据不足时，该技术允许代理查询外部数据源（例如矢量数据库或结构化文档）。
该论文解释道：“数据存储通过提供对更动态和最新信息的访问来解决（静态模型的）局限性”，并描述了代理如何实时检索相关数据以根据事实信息做出反应。
基于 RAG 的代理在信息快速变化的领域尤其有价值。例如，在金融领域，代理可以在提出投资建议之前获取实时市场数据。在医疗保健领域，它可以检索最新研究以提供诊断建议。
这种方法还解决了人工智能的一个长期问题：幻觉，即产生不正确或虚假的信息。通过将响应建立在现实世界的数据上，代理可以提高准确性和可靠性，使其更适合高风险应用。
5. Google 提供加速代理部署的工具
白皮书不仅包含丰富的技术细节，还为希望实施 AI 代理的企业提供了实用指导。谷歌重点介绍了两个关键平台：用于代理开发的开源框架LangChain和用于大规模部署代理的托管平台 Vertex AI 。
LangChain 允许开发人员将推理步骤和工具调用链接在一起，从而简化了构建代理的过程。同时，Vertex AI 提供测试、调试和性能评估等功能，使部署生产级代理变得更加容易。
论文指出：“Vertex AI 允许开发人员专注于构建和完善他们的代理，而基础设施、部署和维护的复杂性则由平台本身管理。”
这些工具可以降低那些想要尝试人工智能代理但缺乏广泛技术专业知识的企业的准入门槛。然而，它们也引发了人们对广泛采用代理的长期后果的质疑。随着这些系统变得更加强大，企业将需要考虑如何在效率提升与潜在风险之间取得平衡，例如过度依赖自动化或对决策透明度的道德担忧。
这一切意味着什么
谷歌的AI 代理白皮书详细而雄心勃勃地描绘了 AI 的发展方向。对于企业来说，信息很明确：AI 代理不仅仅是一个理论概念，它们还是一种可以重塑企业运营方式的实用工具。
然而，这种转变不会一蹴而就。部署人工智能代理需要仔细规划、实验，并愿意重新思考传统的工作流程。正如论文所指出的，“由于支撑其架构的基础模型具有生成性，因此没有两个代理是完全相同的。”
目前，人工智能代理既是机遇也是挑战。投资理解和实施这项技术的企业将获得巨大优势。那些等待的企业可能会发现自己在一个智能、自主系统日益占据主导地位的世界里只能苦苦追赶。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/gu-ge-hui-zhi-ren-gong-zhi-neng-dai-li-de-wei-lai-gei-qi-ye
