自定义同意首选项

我们使用 cookie 来帮助您高效导航并执行某些功能。 您将在下面找到有关每个同意类别下的所有 cookie 的详细信息。

归类为“必要”的 cookie 存储在您的浏览器中,因为它们对于启用网站的基本功能至关重要。

我们还使用第三方 cookie,帮助我们分析您如何使用本网站、存储您的偏好并提供与您相关的内容和广告。这些 Cookie 仅在您事先同意的情况下才会存储在您的浏览器中。

您可以选择启用或禁用部分或全部这些 Cookie,但禁用其中一些可能会影响您的浏览体验。

始终活跃

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

没有可显示的 cookie。

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

没有可显示的 cookie。

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

没有可显示的 cookie。

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

没有可显示的 cookie。

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

没有可显示的 cookie。

AI代理:人工智能的下一个革命性突破

AI 人工智能

【纬度新闻网】人工智能领域正在经历一次重要的变革,“AI代理”(AI agents)正逐渐成为热门话题。然而,对于“AI代理”的确切定义,目前业内尚未达成一致。这一新兴技术既充满潜力,也面临复杂挑战。

简单而言,AI代理可以被理解为一种以人工智能为驱动力的软件,它能够执行人类客户服务、HR工作或IT支持等多种任务,有时甚至跨越多个系统完成更复杂的工作。例如,AI代理可以帮助用户完成假期购物、查找航班和酒店信息、挑选家居商品、或搜索食谱。谷歌近期推出的“Project Mariner”就是一个典型案例。

然而,定义的模糊性让AI代理的边界变得复杂。谷歌将AI代理视为以任务为基础的助手,帮助开发者编码、协助市场营销人员设计配色方案,甚至协助IT专业人士追踪问题日志。而项目管理平台Asana则将AI代理视为“额外的员工”,能够像同事一样完成指定任务。此外,由前Salesforce联席CEO Bret Taylor和Google前高管Clay Bavor创立的初创公司Sierra,更倾向于将AI代理定位为提升客户体验的工具,能够解决复杂问题,而不仅仅是回答问题。

Glasswing Ventures创始人Rudina Seseri认为,目前关于AI代理的定义之所以不统一,是因为这一领域仍处于早期发展阶段。她指出:“AI代理是一种智能软件系统,能够感知环境、进行推理、作出决策并采取行动,以自主实现特定目标。”这些系统通常结合自然语言处理、机器学习和计算机视觉等技术,与人类用户和其他代理协作完成任务。

Box公司CEO Aaron Levie在社交平台上乐观预测,GPU性能、模型效率、智能化水平以及AI框架的改进,将共同推动AI代理在未来取得显著进步。然而,MIT机器人学先驱Rodney Brooks则提醒,AI面临的挑战比传统技术复杂得多,其发展速度未必能像摩尔定律描述的那样迅猛。

尽管AI代理被寄予厚望,但在跨系统执行任务时,现存技术的局限性可能导致实际应用的效果不尽如人意。例如,许多传统系统缺乏基本的API接口,这增加了AI代理访问和整合多系统数据的难度。HFS Research的David Cushman指出,目前的AI代理更多充当用户助手,主要帮助完成某些特定任务,距离真正的“完全自动化”还有很长的路要走。

Madrona Ventures合伙人Jon Turow提出,AI代理的发展需要专门的技术基础架构。“AI代理需要像其他技术一样的技术堆栈支持,包括性能、可扩展性和可靠性。”他认为,未来的AI代理可能需要多个模型协同工作,而非单一的大型语言模型。

Macquarie US Equity Research负责人Fred Havemeyer进一步指出,目前的单一语言模型还无法完全胜任多步骤推理和复杂任务。他认为,未来的AI代理将更像一名“自动化的监督者”,通过路由层将请求分配给最合适的模型和代理,以完成任务。

AI代理正处于从理论到实际应用的过渡期。尽管目前的技术和案例展示了令人期待的潜力,但距离真正的自主性、复杂任务处理能力仍有不小的差距。未来的突破将在技术基础设施、模型协作和任务自动化等领域逐步实现。