智能代理：人工智能革命的下一个飞跃
在企业和科技领袖们努力从当今的人工智能中获取价值的同时，未来正以不可阻挡之势向我们袭来。为迎接即将到来的智能时代，构建坚实的基础至关重要。科技领袖们押注于人工智能的未来将是“代理化”的。换句话说，组织将采用能够自主执行任务，并以接近人类的精度做出决策的智能系统，从编写代码到处理电子商务运营，再到充当自动销售代理等等。
“代理化人工智能”是 VentureBeat 人工智能影响力之旅的主题，该主题由思科旗下的 Outshift 赞助，名为“代理化人工智能——人工智能革命的下一个飞跃”。来自 Outshift、Meta、Asana 和 Intuit 的演讲者与 VB 首席执行官 Matt Marshall 共同探讨了组织如何为代理化人工智能的未来以及人工智能的其他快速发展做好准备。
“如果你想象一下未来，这些代理化系统将协同工作以解决更大的问题，那么我们需要分布式代理化系统计算，以及一个开放、互操作的代理互联网，”思科 Outshift 的总经理兼高级副总裁 Vijoy Pandey 对 Marshall 说。“当你身处一个封闭的系统中时，创新会减缓。无论你是基础设施供应商、运营商、应用程序开发人员，还是更重要的是消费者或客户，开放系统都能为链条中的每个环节提供价值。”
“当你身处一个封闭的系统中时，创新会减缓。”
能够互相学习并相互连接的代理化系统有能力改变人类的工作方式，从软件和 IT 开始，然后转向知识工作、服务，甚至随着机器人技术的不断发展，转向体力工作。它们还需要与现有的软件系统和物理环境集成，并在这些现有的软件系统上实例化，无论是云、本地还是嵌入机器人解决方案中。
将所有这些整合在一起需要抽象层。这将包括开放模型、开放工具、编排和发现层，以及一个安全、稳定和开放的通信层。然后是处理概率结果、通过 NLP 进行通信、交换状态信息等等。
“这些可能是非常大的问题需要解决，”Pandey 说。“我们正在寻找这些问题，它们是什么样子，以及如何解决它们。这就是未来的方向。”
当今最大的问题是，技术是否已经足够成熟，能够发挥其全部潜力——而它还没有完全成熟。然而，这不能成为障碍，Meta 生成式人工智能工程副总裁 Mano Paluri 在与 Marshall 的一对一对话中说。
“你不能等待。代理显然是这些模型进化的下一步。”
“你不能等待，”他补充说。“从这个意义上说，我认为它已经准备好了。代理显然是这些模型进化的下一步。我们一直在思考的是，从一个模型转向一个具有多个可定制组件的系统。”
在寻找能够预测、学习、推理、行动和迭代以解决复杂问题的自主系统方面，我们在感知方面已经取得了长足的进步——基础模型能够从文本和图像中学习。我们仍然处于通过复杂问题进行推理的早期阶段，但如今的模型能够在过去十年中以比以往更大的规模进行学习。这些模型也开始从内部和外部循环的角度进行规划。如今，外部循环是人类训练模型。下一步将是代理本身处理参数。
当今的 Meta 人工智能代理是大型语言模型进化的第一步，因为 Meta 正从一个模型转向一个具有多个可定制组件的系统。目标是针对每个用例微调模型，扩展上下文窗口，适应新语言等等，以服务于所有 40 亿用户。
“我们也相信代理家族，”他说。“Meta 人工智能的这一化身是一个用户助手，但我们也认为每个人都应该能够以他们想要的方式定制代理。这就是代理家族，企业可以创建计费代理。创作者可以拥有自己的代理来实现更大的规模。广告商可以拥有前所未有的创作能力。”
为了结束当晚的活动，Asana 的人工智能主管 Paige Costello、思科 Outshift 的人工智能/机器学习副总裁 Shubha Pant、Intuit 的技术副总裁兼人工智能首席架构师 Kumar Sricharan 与 Marshall 共同探讨了代理化人工智能将打开的用例，以及随之而来的挑战和机遇。
在工作流程中处理请求可能非常耗时，但这就是代理化人工智能的用武之地。Asana 已经为聊天和工作流程用例嵌入代理化人工智能。在工作流程的情况下，它可以在一开始处理请求，确定优先级，是否有足够的信息开始，以及应该包括谁。Costello 补充说，对于公司来说，这是一个开始添加代理化工作流程的好地方。
“代理化部分是，它在这些工作流程的背景下，需要做出多少决策或拥有多少自主权来完成这些事情？”
“人工智能可以在完成这项工作中成为合作伙伴，有很多机会，”Costello 说。“代理化部分是，它在这些工作流程的背景下，需要做出多少决策或拥有多少自主权来完成这些事情？我们在安全公司和营销机构看到了巨大的成功。还有许多其他用例，我们开始看到诸如创意请求、处理修订和反馈以及审批循环等事情。”
在 Intuit，他们正在对其所有财务产品套件进行自动化，并提供洞察力和财务指导。在整个任务生态系统中，他们正在尝试人工智能，尤其是在构建手工解决方案会很耗时，甚至会失败的领域。例如，小型企业具有广泛的特征和需求。在入职过程中，客户需要详细说明所有这些信息，以便 Intuit 可以对其进行分类。
“这些代理本质上是在这些信息之上自主运行，并帮助客户以最小的努力完成入职。”
“现在，随着代理化人工智能的兴起，我们发现我们可以使用这些系统，这些不同的代理可以协同工作，让客户可以让我们访问他们的不同信息来源，”Sricharan 说。“然后，这些代理本质上是在这些信息之上自主运行，并帮助客户以最小的努力完成入职。”
在内部，代理化人工智能正在帮助公司应对影响产品的税法变更。他们可以使用代理化人工智能来跨越各种功能，从检测变更发生的位置，到与我们的代码建立关联，并确定需要进行哪些变更，充当开发人员的副驾驶，而不是由一组开发人员来研究和实施新元素。
“目标是在问题出现之前预测 IT 问题，在问题发生时识别根本原因，并提供缓解策略，直到完全解决。”
Outshift 拥有一个孵化团队，专注于为企业构建跨其技术堆栈的多代理预测诊断和修复工具。目标是在问题出现之前预测 IT 问题，在问题发生时识别根本原因，并提供缓解策略，直到完全解决。还有其他正在进行的代理化人工智能项目，包括架构开发、代理编排的开放标准、多代理系统的组合，以及用于代理间通信的开放代理协议。
“目前，代理化人工智能的主要挑战有三方面，”Pandey 说。“首先，人工智能代理如何发现彼此并了解彼此的能力。其次，它们如何协作解决问题并处理不确定的结果。第三，它们如何使用不精确的自然语言进行通信，而不是像传统 API 那样使用固定结构。”
“我们需要弄清楚如何为这些处理概率的人工智能系统创建标准和开源指南，”他补充说。“现在是科技界携手合作，共同构建这些解决方案的时候了。”
赞助文章是由付费发布文章或与 VentureBeat 有业务关系的公司制作的内容，并且始终明确标明。有关更多信息，请联系 sales@venturebeat.com。
