選自Matt Schlicht"s AI Newsletter

(資料圖片僅供參考)

人工智能可以用來完成非常具體的任務，比如推薦內容、撰寫文案、回答問題，甚至生成與現實生活無異的照片。你告訴 AI 完成哪一項任務，它就完成哪一項， 十分簡單。

但是，如果你不想幫 AI 把所有這些任務都列出來該怎么辦？如果你更想要一個隊友而不僅僅是一個工具怎么辦？如果你想讓人工智能自主思考怎么辦？

想象一下，你創造了一個人工智能工具，可以為其設定目標，即使是像「創造世界上最好的冰淇淋」這樣模糊的目標，它也會擬出一個待辦事項列表，執行待辦事項，并根據進展來添加新的待辦事項。隨后它會繼續重復這個過程，直至完成目標。

這正是「自主智能體」所做的事情。在 AI 開發人員的圈子中，它們的成長趨勢是最快的，但迄今為止，大多數人并不了解它們。（在寫這篇文章的時候，尚無主流出版物寫過關于自主智能體的文章。而且自它面世以來，僅有很少數人報道過它，因此，如果你正在讀這篇文章...... 那么你就是最早了解到它的人之一了。）

何為自主智能體？為何它們背后隱藏著巨大的機會？它們是如何運行的？它們在未來會是什么樣子的？我怎樣才能創造或使用它？

這正是我將為你解答的問題。

「[智能] 自主智能體通常是自動化的自然終點。原則上，智能體可被用于自動化任何其他過程。不難想象，一旦這些智能體變得高度精密、可靠，各個領域和行業的自動化程度將呈指數級增長?！?—— 英偉達機器學習專家 Bojan Tunguz

何為自主智能體？

自主智能體是由 AI 賦能的程序。當給定一個目標時，它們能夠自行創建任務、完成任務、創建新的任務、重新確定任務列表的優先級、完成新的首要任務，并不斷重復這個過程，直到完成目標。

請再多讀一遍上面的描述，它雖然簡單，但卻很瘋狂。

「從自主智能體的發展趨勢來看，每個人都有望成為一名經理?！?——BabyAGI 創始人中島洋平（Yohei Nakajima）

自主智能體可以被設計用于做任何事情，從管理社交媒體賬戶、投資市場到制作最好的兒童讀物。

「這些是真的嗎？現在就能實現嗎」

是的，我知道這聽起來像科幻小說，但這些都是真實存在的。如果會編碼，你可以在幾分鐘內設計出一個。而這僅僅只是開始。

「人們常常會浪費過多的時間來做繁瑣乏味的手工工作，而當計算機可以完成這些工作時，人們便可以被解放出來去實現更具創造性的追求，或者去做目前只有人類才能做的事情。自主智能體將使人們能夠在更短的時間內完成更多的工作，并且，隨著時間的推移，人們盯著屏幕工作的時間也有望縮短！」 ——Redpoint 常務董事 Erica Brescia

實現自主智能體所需的編程技術和 AI 是非?，F實且極其新穎的。許多開源項目，諸如 AutoGPT、BabyAGI 和 Microsoft 的 Jarvis，在 AI 社區、Github 上都很流行。

在創建開源自主智能體代碼庫的前兩周里，有將近十萬名開發人員都在構建自主智能體、優化它們、并尋找它們的能力上限，而這些工作也只是在這些概念被發明的前幾周所做的?，F今，使用該技術的開發人員數量正在以越來越快的速度飆升。

「AI 智能體將無處不在。價值數十億美元的公司將從會一個部署 AI 智能體的小團隊發展而來?！?——Ben"s Bites AI Newsletter 創始人 Ben Tossell

AI 智能體的成長規模已經超過了長期流行的代碼庫，如 laravel、bitcoin、django 和 pytorch 等。

Auto-GPT Github 受歡迎程度呈指數增長，比歷史上任何代碼庫都快。

這不是科幻小說。許多人認為這些自主智能體才是真正的通用人工智能的開端，又或被稱作「AGI」—— 這個術語用于描述已經獲得知覺并變得「有生命」的人工智能。

「自主智能體最終可能會將事實性知識的所有應用商品化。如果對事實性知識的獲取也變得普遍可用，那么創造力、情感和戰略眼光等人類品質將變得更加珍貴、獨特。但是，知識也有可能變得越來越專有化，因為個人和公司試圖在事實知識的應用商品化、人類集體知識開始停滯的世界中獲得經濟利益優勢?！?—— 前美國聯邦調查局新興技術代理主管、Bondoo AI 聯合創始人 Tony Hu

請看一下這個剛剛從 HyperWrite 發布的自主智能體，你可以看到它被安裝在了瀏覽器中，可幫助人們訂購比薩。

你只需說「點一份從 Dominos 配送到 One Vanderbilt 的無餡料大披薩」，然后它就可以自己訂了。

HyperWrite"s 的自主智能體控制瀏覽器來訂購披薩。

或者，看看斯坦福大學和谷歌合作完成的這個實驗，他們創建了一個由 25 個自主智能體組成的虛擬城鎮，并告訴其中的一個來組織一場情人節派對。這個例子也許更令人印象深刻。

這些自主智能體模擬的人們過著它們的日子，互相交談，形成新的記憶，最終它們中的大多數都聽說了情人節派對，并且最終出席了。

圖源：《Generative Agents: Interactive Simulacra of Human Behavior》

所以自主智能體是真實的…… 這就引出一個疑問：只要告訴智能體目標是什么，然后它就會永遠自行管理自己嗎？

答案是肯定的。

你只需給它定一個目標，剩下的會由自主智能體自己完成。它就像一個非常好的員工或隊友。不過，如果你愿意，也可以自行設計自主智能體，使其在某些關鍵決策時刻與你聯系，以便你可以即時協作指導它們工作。

「這是原始 AGI（primitive AGI）。值得注意的是，只需將一個 LLM 包裝在一個循環中，就可以獲得一個自主智能體，它可以自己推理、計劃、思考、記憶和學習。如果包裝和 prompts 正確，LLM 可以被激發出無盡的潛能和靈活性。雖然整個概念誕生還不到一個月時間，但我已迫不及待地想看看由 LLM 構建的復雜智能體將如何影響世界。」 ——Runway 創始人兼 CEO 陳思琪

自主智能體除了能分析目標并分配任務之外，它們還擁有一系列能力，例如：

瀏覽互聯網、會使用應用程序；

長期和短期記憶；

控制你的電腦；

運用 GPT 等大語言模型 (LLM) 進行分析、總結，提出意見并給出答案。

此外，這些自主智能體將具有各種形狀和大小。有些將在用戶不知道他們在做什么的情況下在幕后運行，而有些則是可見的，如上例所示，用戶可以跟蹤人工智能的每一個 “想法”。

「自主智能體將讓每個人都像國家元首一樣生活！你只管提出要求，自主智能體就會處理其余的事情。你無需在例行公事或平凡的事情上浪費腦力?！?——《Blitzscaling 》作者之一 Chris Yeh

接下來我們用一個通俗易懂的示例來說明：假設有一個自主智能體可以幫助研究，我們想要關于某個主題的最新新聞總結，比如說關于 Twitter 的新聞：

我們告訴智能體「你的目標是找出有關 Twitter 的最新消息，然后向我發送摘要」；

因此，智能體在看到目標任務后，借助 OpenAI 的 GPT-4 等 AI，從而理解正在閱讀的內容，并提出第一個任務，即「任務：在谷歌上搜索與 Twitter 相關的新聞」；

然后智能體在谷歌上搜索 Twitter 新聞，找到熱門文章，并返回一個鏈接列表。第一個任務完成；

繼而智能體回顧它的主要目標（找到關于 Twitter 的最新消息，然后發送摘要）以及它剛剛完成的事情（得到一堆關于 Twitter 的新聞鏈接）并決定它的下一個任務需要是什么 ；

之后，它提出了兩個新任務：1）寫新聞摘要。2) 閱讀通過谷歌找到的新聞鏈接的內容；

現在智能體在繼續工作之前停頓了一會兒，它需要確保這些任務的順序是正確的。確定應該先寫摘要嗎？智能體否定了，它決定首要任務是優先閱讀通過谷歌找到的新聞鏈接的內容；

智能體從文章中讀取內容，然后再次返回待辦事項列表。它想添加一個新任務來總結內容，但該任務已經在待辦事項列表中，所以自主智能體并沒有添加；

智能體檢查待辦事項列表，唯一剩下的一項就是總結它閱讀的內容，所以它這樣做了。此時它就會按照用戶要求發送摘要。

下圖表展示了自主智能體是如何工作的：

圖源：Yojei Nkajima 的 BabyAGI

這一新范式剛剛開始，但它并不完美，還未風靡全球，但這個概念非常強大，并且隨著不斷的發展和實驗，它將很快融入到我們的日常生活。

「這將很快改變許多行業。通過使用自主智能體，人們同時可以更輕松地做很多事情。只要給它一個任務，它就會去完成。到目前為止，這是一個非常強大的概念…… 」——The AI Valley Newsletter 創始人 Barsee

在更高程度上理解了什么是自主智能體之后，接下來討論一下為什么自主智能體能夠帶來如此大的機會？

讓我們深入探討下吧。

「如果我們能夠更快地獲得我們需要的信息，這是否會讓我們騰出時間來專注于思考和做事？由于這個 AI 智能體可以執行更多任務，人們可以投入更少的時間在那些繁瑣的工作上，那么人們是否會出現更好、更有創意的想法？」 ——Octane AI 客戶管理總監 Marina Pérez

為何自主智能體能帶來如此大的機會

很明顯，很快你不僅可以選擇雇用人類作為員工，而且還可以以自主智能體的形式雇用 AI。

「過不了多長時間，我相信你會看到結合使用 AutoGPT 和 ChatGPT 等工具的 1 至 2 人的初創公司數量會大幅增加。它們將能夠取得你之前對 100 人規模的初創公司所期望的那種進步。從長期來看，我相信大多數工作可以且將被 AutoGPT 取代?！?——Lore 創始人 Nathan Lands

而且它們不會像雇傭人類一樣昂貴，它們不會睡覺、不會辭職，而且會非常高效地工作。

「我在 2013 年創立 Product Hunt 時的部分觀點是相信構建軟件產品的障礙將繼續降低，能夠使較小的團隊（或單個人）比此前任何時候都更快地創立軟件。在人工智能和自主智能體的推動下，這種事情沒有任何時候會比今天更為真實。這給一些人帶來了焦慮，也給其他人帶來了機會，他們利用這項技術以更少的人員和資金來擴展實現他們的想法。最終，消費者將通過企業間不斷激烈的競爭和新解決方案的不斷提出而受益。」 ——Weekend Fund 和 ProductHunt 創始人 Ryan Hoover

這些自主智能體將存在于每個行業并可運用在每項可以想象的任務中。下圖展示的只是少數幾個例子：

該列表可以不斷加長。人可以做的事情，自主智能體將（最終，但很快，而且在某些情況下已經）能夠做得更好。

「音樂行業在藝術家和成功之間強加了太多不必要的事務。這些事務花費了藝術家近 35% 的凈收入。自主智能體將能夠制定和執行營銷策略、與粉絲互動、建立社區、預訂場地和談判合同等。為藝術家節省金錢和時間?！?——Venice Music 聯合創始人、Lady Gaga 前經理人 Troy Carter

該如何抓住機會呢？有兩個非?，F實的機會。

自己創建自主智能體并讓它們可供其他人雇用；

聘請自主智能體，它們現在可以協助提高你的個人生活質量或業務工作效率。

「自主智能體是下一波浪潮 —— 不僅在科技領域，而且在整個商業領域。我預測在 10 年內，將有多家價值數十億美元的公司完全由自主智能體經營。這是不可避免的。 」——Octane AI 聯合創始人兼總裁 Ben Parr

想象這樣一個世界，其中一個人建立了一家公司，其團隊中只有自主智能體。在你的一生中，你很可能會看到一個人的團隊能夠做到這一點并實現超過 10 億美元的市值，而這通常需要非常多的人一起工作才能完成。

「大規模個性化將成為一個非常有趣的用例。你將能夠獨立操控人類今天執行的自動駕駛多步驟流程，包括生成個性化圖像、視頻、網站、甚至電子郵件甚至大規模呼叫。其中一個能夠引起很大興趣的用例是銷售開拓。」 ——Meta 人工智能產品負責人 Omar Pera

現在，在早期階段，先行者們無論是制造自主智能體還是使用它們，都將在與尚未利用這些系統的競爭者中取得巨大優勢。

「在不久的將來，我希望看到午餐會議、電話和采訪出現在我的日歷上，而無需我參與制定。我的智能體和他們的智能體都能做到這一點，處理好所有細節。我只需要出席即可。」 —— 紐約時報暢銷書 《WOOL》作者 Hugh Howey

通過閱讀這篇文章，你將早已領先于世界 99% 的人。讓我們深入探索一下更多關于這些自主智能體如何工作的細節吧。

「自主智能體有潛力增強較小的內容創作者和社區成員的產出，尤其是那些具有創造性想象力的人。這將是許多 Web3 項目的福音。（“Web3.0” 是對現在的互聯網的底層協議 “萬維網” 的一個衍生。它意味著機器能讀懂任何信息，網站可以根據信息提供智能刪選和提供更好的信息（人工智能），互聯網無處不在（物聯網），更重要的是，互聯網的數據的所有權將是去中心化的。） 」 ——Axie Infinity 聯合創始人 Jeffrey Zirlin

自主智能體是如何工作的

你已經大致了解了自主智能體的工作原理，但我認為給你提供一個整體框架版本并逐步分解幾個自主智能體示例會很有幫助。

「我現在將 AI 視為一個整體，我們正處在將其演變成人工智能助手的構建階段，就像我們在電影中看到的那樣 —— 比如《鋼鐵俠》中的賈維斯或《星際穿越》中的 TARS。

現在是構建框架的時候了。因為 AI 本身仍在改進，給出的答案可能不是很完美，還可能有錯誤。但回顧過去 6 個月人工智能的進步有多大，我想我們幾乎無法想象未來 1-2 年的 AI 的進展。所以這是關于盡早、快速地進行試驗，放眼未來未雨綢繆的舉措?！?—— 微軟消費者洞察員 Jenny Reece

以下是一個自主智能體的通用框架：

初始化目標：定義 AI 的目標；

任務創建：AI 檢查其記憶中最近完成的 X 個任務（如果有），然后使用它的目標和最近完成的任務的環境來生成新任務列表；

任務執行：AI 自主執行任務；

內存存儲：任務和執行結果存儲在矢量數據庫中；

反饋收集：AI 以外部數據或 AI 內部對話的形式收集對已完成任務的反饋。此反饋結果將用于通知自適應過程循環的下一次迭代；

新任務生成：人工智能根據收集到的反饋和內部對話生成新任務；

任務優先級：人工智能通過審查目標并查看最后完成的任務來重新確定任務列表的優先級；

任務選擇：AI 從優先列表中選擇最靠前的任務，然后按照步驟 3 中的描述繼續執行它們；

迭代：AI 在連續循環中重復步驟 4 到 8，使系統能夠根據新信息、反饋和不斷變化的需求進行調整。

Octane AI 工程總監 Gabriel Menezes 表示：「自主智能體真的讓我著迷，因為它們體現了終極生產力助推器的屬性。作為一個高度重視單調工作或重復性任務自動化的人，我發現這些智能體有可能徹底改變我們的工作方式，使我們能夠將我們的精神能量轉向更有意義的追求。」

示例展示

示例 1：社交媒體管理器自主智能體

假設你不想聘請社交媒體經理來管理你的社交媒體帳戶，而是希望自主智能體以極低的成本和全天候的智能為你做所有事情。

「這不僅僅是虛擬助手。這是一場加速所有在線工作、研究甚至娛樂的革命。以前需要花費數小時、數天、數月才能在網上完成的事情，現在可以在幾分鐘內在后臺完成。」 —— 斯坦福大學 CS 教員和谷歌前機器學習產品經理 Sharon Zhou

下面是自主智能體框架可能的樣子：

初始化目標：設置初始參數，例如目標受眾、社交媒體平臺、內容類別和發布頻率；

數據收集：收集有關過去社交媒體帖子、用戶互動和平臺特定趨勢的數據。這可能包括點贊、分享、評論和其他參與度指標；

內容分析：分析收集到的數據，以確定與目標受眾相關的模式、熱門話題、主題標簽和影響者。此步驟可能涉及自然語言處理和機器學習技術，以理解內容及其上下文；

內容創建：根據分析，生成內容創意并創建適合平臺和受眾偏好的社交媒體帖子。這可能涉及使用 AI 生成文本、圖像或視頻，以及合并用戶生成的內容或來自其他來源的精選內容；

日程規劃：根據平臺具體的趨勢、受眾活動和所需頻率確定發布每條內容的最佳時間。相應地安排帖子；

性能監控：根據參與度指標（例如點贊、分享、評論和點擊率）跟蹤每個帖子的表現。如果可能，收集用戶反饋以進一步完善對受眾偏好的理解；

迭代和改進：分析性能數據和用戶反饋以確定需要改進的地方。更新內容策略、創建和計劃流程以納入這些見解。反復執行步驟 2-7 以不斷完善社交媒體管理系統并隨著時間的推移提高其有效性。

「人們將擁有個人智能體從而與其他人以及企業擁有的智能體進行通信。大多數計算設備將主要用作與智能體交談的通信設備?！?——Stability AI 高級軟件工程師 Conner Ruhl

通過將這種循環型系統納入社交媒體管理，你可以創建一個動態的自適應策略，隨著受眾的偏好和不斷變化的社交媒體環境而演進。這將有助于提高社交媒體工作的參與度、影響力和整體有效性。

「另一個讓我興奮的自主智能體用例是它在音樂創作領域的應用。通過利用 AI 驅動算法的能力，這些智能體可以分析我的個人喜好、最喜歡的流派，甚至是與我產生共鳴的特定音樂元素。然后它們可以生成原創的旋律、和聲和節奏，與我一起有效地共同創作音樂。這種創造性的合作有可能拓寬我的音樂視野，使我能夠探索以前可能沒有考慮過的新風格和流派。此外，自主智能體可以對我的作品提供有價值的反饋并提供改進建議，培養我成長為音樂家。人工智能與人類創造力在音樂創作過程中的融合可以帶來創新和獨特的結果，擴大藝術表達的界限?！?——Octane AI 產品總監 Katya Sapozhnina

示例 2：能夠競選職位的自主智能體

如果你正在競選一個職位并且想利用 AI 助手來獲得幫助。

我希望智能體做的工作不必很難，但這些工作需要花費一些時間和精力。例如預訂航班之類的事情，我很樂意外包給智能體。」 ——Gumroad 創始人兼首席執行官 Sahil Lavingia

初始目標：通過確保大多數選票贏得選舉；

數據收集：收集有關選民、人口統計、關鍵問題、競選信息和其他相關信息的數據；

背景分析：分析收集的數據以確定趨勢、機遇和挑戰。根據此分析將初始目標細化為特定的子目標，例如針對未定的選民、增加關鍵領域的選民投票率或改善針對特定問題的競選信息；

任務生成：生成與細化子目標相關的任務，例如規劃選民外展活動、創建有針對性的廣告或制定政策建議；

任務執行：執行最高優先級的任務，根據需要分配資源和分配團隊成員；

績效監測：通過跟蹤選民參與、公眾輿論和籌款指標等關鍵績效指標來評估已完成任務的有效性。評估單個任務的成功和整個活動在實現子目標和初始目標方面的進展；

迭代和改進：分析性能數據以確定需要改進的地方，并結合這些洞察結果來更新活動策略。重復步驟 2-8 以不斷完善競選管理系統，并隨著時間的推移不斷提高其有效性。

「我對遞歸自我克隆能力感到非常興奮。AI 智能體可以創建自己的副本，傳遞任務指令，并開始與自己的兄弟姐妹交談以完成工作。這是一種非常了不起但又奇異的涌現能力?！?——NVIDIA 人工智能科學家 Jim Fan

起初，有一個競選者可能會使用一個自主智能體，他會比其他人擁有巨大 D 優勢，但是想象一下，一旦每個競選者都有一個…… 或多個智能體，那會是什么樣子。

「我不認為每個人都會使用自主智能體。盡管它們無處不在，但隨著人工智能的發展，人類參與的工作將會復興。許多人會重新想到筆和紙，想要人類制造的藝術品…… 我們會看到許多產品和創作標榜 “完全由人類自己制造”。它應該很快成為一個非常受歡迎的標簽。技術發展得越快，我就越享受長時間完全離線的時間，很快也會享受 “脫離 AI” 的時間。」 ——PAWA 創始人兼首席執行官 Loic Le Meur | Loic

示例 3：教授數學的自主智能體

這里還會有設計用于教授孩子們數學的自主智能體。

「這是一個具有很大探索空間的突破性范式。盡管早期實驗限制了智能體搜索查詢，但我們將看到大范圍的研究和輔助項目為自主智能體配備新的工具。而每套工具都將顯著地擴展其潛在用例?！?——Pete Huang，The Neuron Daily AI 時事通訊創始人

初始目標：確定孩子當前的數學技能水平并設置個性化的學習路徑以幫助他們提高；

數據收集：通過評估、互動和反饋收集有關孩子的學習方式、學習過程和學習表現的信息；

上下文分析：分析收集到的數據，以確定孩子的優勢、劣勢、學習偏好，以及影響孩子進步的所有外部因素；

任務生成：根據孩子的需求和學習路徑生成輔導任務，例如選擇合適的練習題，提供講解，或提供現實生活中的例子和應用；

任務優先級：根據輔導任務對孩子學習和技能發展的潛在影響對輔導任務進行排序，找到挑戰性與參與感之間的平衡；

任務執行：執行最高優先級的任務，根據需要調整輔導方法和內容傳遞，以最大限度地提高孩子的學習掌握度和參與度；

績效監測：通過跟蹤關鍵績效指標 (KPI) 評估輔導的有效性，例如學習目標的進展情況、數學技能的提高以及孩子的參與度和滿意度；

反饋循環：持續監測孩子的表現，并根據新數據和見解更新上下文分析、任務生成和任務優先級排序步驟。根據需要調整初始目標和學習路徑，以更好地支持孩子的數學技能發展；

迭代和改進：分析孩子的表現并根據新數據和見解更新上下文分析、任務生成和任務優先級排序步驟。根據需要調整初始目標和學習路徑，以更好地支持孩子的數學技能發展。反復執行步驟 2-9，以不斷完善教育管理系統并隨著時間的推移提高其有效性；

這種自主智能體循環類型系統概述了教學中數學導師自適應幫助和指導孩子學習體驗的過程，重點是根據孩子的需要和進步不斷改善并提供個性化指導方案。

自主智能體的未來

現在人類正處于開發自主智能體的最初階段。我們四處探索、打破一些事物、進行試驗、創造或好或壞的事物。

「通過請求自主智能體的幫助，它們將會把你的想法變為現實。這些智能體可以充當朋友、同事和合作者，為你提供充裕的休閑時間。我很想知道，你會選擇如何度過這種新尋得的自由時間？」 ——Glasp 聯合創始人兼首席執行官 Kazuki Nakayashiki

現在，幾乎沒有任何商業化的自主智能體產品發布，這類產品仍處于開發階段。但很快，這種情況就會改變。自主智能體將開始出現在各個地方。

「與其專注于取代人們的工作，不如專注于增強它們的能力。使某物『智能』在過去意味著通過 API 來使其數據可用。而下一代的智能化將是詢問該產品如何更好地幫助你。例如，『智能』電子郵件地址可能能夠根據你的偏好以有趣的方式采取行動。如果你是一個購物迷，也許它會監控電子郵件，了解你感興趣的商品何時開始銷售、進行價格比較，甚至代表你協商價格，私下了解你對商品的估價以及你樂意為其花費的價錢?！?——Factorial Capital 管理合伙人、HuggingFace 投資人 Matt

人們將通過各種自主智能體來增強他們的活動、決策和行動。如果在未來某個時候我們有神經植入物，那么這一切都會自然地發生，就像今天在你自己的頭腦中思考一樣。

「每個人都可以免費或花很少的錢接觸到虛擬研究員、助理、作家或工作人員。這種接觸是普惠化的?！?——Jeremiah Owyang，人工智能投資人

以下是我對自主智能體未來的預測：

2023 年出現用于游戲、個人使用、營銷和銷售的多個商業化自主智能體；

2024 年出現各個類別的商業化自主智能體，但并未得到主流采用；

2025 年在每個類別可以想象到的事情中普遍采用自主智能體；

2026 年第一世界國家的大多數人每天都在大量自主智能體的協助下過著日常生活；

在接下來的 2-5 年內，大多數人將為自主智能體工作而非人類。

「我看到使用增強現實的 Holodeck（全息甲板），幾乎完全由 AI 驅動，其中很多事情都在自動和手動提示下發生。是的，人們將為 AI 工作。每個人都會使用它們，但只有少數人知道它們是什么或如何制作它們。由于大型語言模型（LLM）和即將到來的自主智能體和系統不斷出現，世界即將發生深刻變化。

LLM 是人類發明的最普惠化的力量。為什么？LLM 現在可以在廉價計算機上運行，而無需連接到中央服務器。那個小引擎基本上包含了所有人類知識。令人難以置信的是，你可以在未連接到互聯網的設備上運行它。自主智能體只是讓這個全息甲板近乎自動運行。從天氣到披薩外賣，一切基本都是自動發生的，幾乎不需要人類輸入的干預?！?——Infinite Retina AI-First 首席戰略官 Robert Scoble

未來將是瘋狂的。那么如何構建和使用自主智能體呢？

「在這個未來，每個人都可能會以某種身份使用自主智能體，無論是為了個人生產力、業務運營還是創作活動。在大多數情況下，人們將充當這些 AI 智能體的『大師』，為它們設定目標并推動它們前進。我們也將『為 AI 智能體工作』，就像我們必須在公司、流程和其他系統的約束下工作一樣。然而，我認為 AI 智能體在許多情況下會比當今社會上的公司和系統做得更好，并且會創造讓所有人受益的機會。」 ——Crowd Cow 聯合創始人 Joe Heitzeberg

如何構建和使用自主智能體

你現在已準備好一頭扎進自主智能體的世界。我將為你列出開始構建或使用自主智能體代理所需的資源。

「找到一個包含大量重復性任務的特定 B2B 用例。如銷售運營、 廣告運營、項目運營、會計服務等?，F在可供選擇的任務很多。」 ——Hustlefund 聯合創始人 Elizabeth Yin

「首先，盡可能縮小你的用例范圍。然后，設計一種包含人機回環（ human-in-the-loop）的產品，以及一種評估過程成功與否的方法，并逐步增加自動化程度，最后再擴展到相鄰的用例?！?——Codium AI 聯合創始人兼首席執行官 Itamar Friedman

構建自主智能體

構建自主智能體有幾個不同的選擇。

自己構建：看看我之前提供的框架，然后從頭開始構建一切的旅程吧！這并不像聽起來那么可怕。推薦使用的軟件解決方案有 OpenAI 的 GPT-4、Pinecone 矢量數據庫和 LangChain 的框架。

Auto-GPT：這是一個流行的開源選項，由 Toran Richards 創建。它包括連接到互聯網、使用應用程序、長期和短期記憶等選項。

BabyAGI：另一個流行的開源選項，由 Yohei Nakajima 創建。雖然這個還沒有連接到互聯網，但它的代碼不到 200 行，非常簡練。

Microsoft 的 Jarvis：與 Auto-GPT 和 BabyAGI 非常相似，但更強大，由 Microsoft 和 HuggingFace 提供。

「我認為我們最初將擁有垂直領域的自主智能體。這些智能體針對一組特定數據進行微調，使它們能夠在該領域發揮作用。到目前為止，我們看到大量運用大型語言模型（LLM）的（僅有的？）兩個領域是文案寫作和編程。進一步推斷，我們認為這兩個領域采用的 AI 將開始變得更加自主是有道理的。一種可能在不久的將來逐漸出現的方式是，人工智能將代替人們給出 prompt 來觸發文案寫作或代碼編寫，它們將每天自動給你新的建議供你考慮，而不需要你先啟動它們或給它們 prompt?！?——godmode.space 的創建者 Lonis Hamaili

使用自主智能體

你可以通過選擇任一選項來創建如上所述的自己的智能體！

AgentGPT：從網站創建并運行自主智能體 (AutoGPT)，無需登錄。

HyperWrite Assistant：添加一個 chrome 擴展程序，讓你可以向瀏覽器發出命令，然后瀏覽器執行。

「各行各業的人們都可以從此前專為社會精英階層保留的專業知識和高效方法中受益。這種個人助理的普惠化可以帶來更高的生產力和更平衡的工作與生活體驗，使人們能夠更專注于他們的興趣、創造力和個人成長，而他們的人工智能助手則負責處理他們日常生活中更單調的部分?！?——HyperWrite 創始人兼首席執行官 Matt Shumer

無論你會不會編程，我都鼓勵你花幾個小時來嘗試這些東西。它并不像看起來那么復雜或困難，而且你越快動手，你就會越快地了解自主智能體。

「作為一名投資者，使用自主智能體來完成分析師和助理的工作，或至少極大地助力他們的工作，這讓我非常興奮。它們可以在特定條件下通過編程尋找交易，針對特定因素進行分析，然后幫我發送自定義電子郵件以開始對話?！?——Boost VC 聯合創始人 Brayton Williams

自主智能體如今可被進行開放式的詮釋和創新。99% 的用例尚未創建或嘗試，擁有無窮無盡的可能性，而機會就在你的手中。

「對于為實現更大的終極目標而對較小的編程任務進行編排和模塊化，我非常感興趣。我們知道大型語言模型擅長基于問題進行編程，但我們還未看到證據表明它們可以將整個代碼庫從 Android 移植到 iOS，甚至可以從頭開始創建應用程序。我認為具有正確編排方案和內存結構的智能體或可實現這一目標?！?——Curai 聯合創始人兼首席執行官 Neal Khosla

原文鏈接：https://www.mattprd.com/p/the-complete-beginners-guide-to-autonomous-agents?continueFlag=d7ee95bb4d852ef440fb8296d95c54e6

本文來源：機器之心，原文標題：《AutoGPT star量破10萬，這是首篇系統介紹自主智能體的文章》

風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務狀況或需要。用戶應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。

關鍵詞：