“探秘智能體，解讀未來智能?！?在人工智能的前沿領(lǐng)域，智能體（AI Agent）正逐漸成為焦點。它究竟是如何構(gòu)建的？又具備怎樣的能力？本文將深入解讀前 OpenAI 高管和斯坦福頂尖學(xué)者的綜述，為你揭開智能體的神秘面紗，展現(xiàn)其在模擬人類行為等方面的巨大潛力。

智能體（AI Agent）=大模型（LLM）+記憶（Memory）+規(guī)劃（Planning）+工具使用（Tool Use）

LLM（AI大模型）是Agent的大腦，屬于“中樞”模型，要求有以下3種能力：

planning skills：對問題進行拆解得到解決路徑，既進行任務(wù)規(guī)劃

tool use：評估自己所需的工具，進行工具選擇，并生成調(diào)用工具請求

memory：短期記憶包括工具的返回值，已經(jīng)完成的推理路徑；長期記憶包括可訪問的外部長期存儲，例如知識庫

斯坦福大學(xué)+谷歌頂尖學(xué)者發(fā)布的《Generative Agents: Interactive Simulacra of Human Behavior》中做了一個AI小鎮(zhèn)，通過類似《模擬人生》的沙盒環(huán)境中里面內(nèi)置了25個Agent。

用戶可以觀察并干預(yù) Agent 規(guī)劃他們的日常、分享新聞、建立關(guān)系以及協(xié)調(diào)團隊活動。這篇文章要解決的問題是如何創(chuàng)建能夠模擬人類行為的生成Agent，這些Agent可以在交互式應(yīng)用中使用，例如沉浸式環(huán)境、人際交流排練工具和原型設(shè)計工具。

架構(gòu)

這篇論文提出了一種生成代理架構(gòu)，用于解決人類行為模擬的問題。具體來說，

記憶流：首先，論文描述了一個長期記憶模塊，稱為記憶流，它以自然語言形式記錄代理的所有經(jīng)歷。記憶對象包括自然語言描述、創(chuàng)建時間戳和最近訪問時間戳。

檢索函數(shù)：為了決定代理的下一步行動，論文實現(xiàn)了一個檢索函數(shù)，該函數(shù)根據(jù)代理當(dāng)前的情況返回記憶流的一個子集。檢索函數(shù)考慮了三個主要組件：

新穎性：最近訪問的記憶對象得分較高。

重要性：代理認(rèn)為重要的記憶對象得分較高。

相關(guān)性：與當(dāng)前情況相關(guān)的記憶對象得分較高。

反思：其次，論文引入了反思的概念，這是一種更高級別的思維，由代理定期生成。反思通過將最新的記憶記錄作為查詢，并從語言模型中獲取相關(guān)記憶來生成。

規(guī)劃和反應(yīng)：最后，論文描述了規(guī)劃和反應(yīng)的過程。規(guī)劃描述了代理未來的行動序列，幫助保持行為的一致性。反應(yīng)則是代理在感知到環(huán)境變化時采取的行動。對話生成則是基于代理之間的記憶來進行的。

實驗

論文通過在一個類似《模擬人生》的沙盒環(huán)境中實現(xiàn)生成代理來驗證其架構(gòu)。具體來說，

環(huán)境：沙盒環(huán)境被稱為Smallville，包含一個小鎮(zhèn)，其中有25個獨特的代理。每個代理由一個簡單的精靈頭像表示，初始記憶包括一個自然語言描述的段落。

用戶控制：用戶可以通過自然語言與代理互動，指定一個角色來感知代理。用戶也可以直接命令一個代理，使其更像代理的“內(nèi)心聲音”。

環(huán)境交互：代理在沙盒世界中移動和與環(huán)境中的對象互動。用戶可以改變代理的環(huán)境狀態(tài)，例如將廚房爐子從“開啟”改為“燃燒”。結(jié)果

可控評估：在可控評估中，論文通過“采訪”代理來測試其在自我認(rèn)知、記憶、計劃、反應(yīng)和反思方面的能力。結(jié)果表明，完整的生成代理架構(gòu)生成的行為最為可信，而移除某個組件后性能會下降。

端到端評估：在端到端評估中，論文觀察了25個代理在兩天內(nèi)的自發(fā)行為。結(jié)果顯示，代理之間形成了信息傳播、關(guān)系建立和協(xié)調(diào)。具體來說，關(guān)于Sam市長競選的信息傳播范圍從1人（4%）增加到8人（32%），關(guān)于Isabella情人節(jié)派對的信息傳播范圍從1人（4%）增加到13人（52%）。

總結(jié)

智能體（AI Agent）可以比喻為一部高效運作的智能機器人。這部機器人由以下幾個核心部件組成：

大語言模型（LLM）：相當(dāng)于機器人的大腦。它負(fù)責(zé)處理和理解語言信息，就像人類大腦處理思考、理解和溝通一樣。大語言模型使得機器人能夠理解指令、回答問題并與人類進行流暢的對話。

記憶（Memory）：相當(dāng)于機器人的存儲系統(tǒng)。它允許機器人記住過去的交互和經(jīng)驗，以便在未來的任務(wù)中加以利用。就像人類根據(jù)記憶來做出決策一樣，智能體通過記憶來提高其處理問題的能力。

規(guī)劃（Planning）：相當(dāng)于機器人的導(dǎo)航系統(tǒng)。它幫助機器人制定行動方案，以實現(xiàn)既定目標(biāo)。就像我們在旅行前規(guī)劃路線一樣，智能體通過規(guī)劃來確定如何執(zhí)行任務(wù)。

工具使用（Tool Use）：相當(dāng)于機器人的雙手。它使得機器人能夠使用各種工具來輔助完成任務(wù)。就像人類使用工具來提高工作效率一樣，智能體通過使用工具來擴展其功能，解決更復(fù)雜的問題。

所以智能體（AI Agent）就像一個具備高級認(rèn)知能力、豐富經(jīng)驗、出色規(guī)劃和實際操作能力的智能機器人，能夠高效地完成各種復(fù)雜任務(wù)。