大模型 时代的“ APP ” ， 探索新一代人机交互及协作范式 出品机构：甲子光年 智库 智库院长：宋涛 撰写分析师：刘瑶、胡博文 发布时间：2024.42024 中国 AI Agent 行业 研究报告 注：AIGC生成内容亦对本报告有贡献CONTENTS目录 Part 01 前世今生：科幻憧憬、学术概念与商业尝试 Part 02 奇点已至 ：让每个人掌握 AI的力量 Part 04 时代先驱：当下商业实践值得关注的里程碑 Part 05 潜力无限：来自于数据、算法、算力的飞轮效应Part 03 百家争鸣：属于大模型时代的 APP繁荣AI Agent 的发展历程梳理：大模型赋予了 AI Agent 核心改变 Agent（代理）一概念起源于哲学，描述了一种拥有欲望、信念、意图以及采取行动能力的实体。在人工智能领域，这一术语被赋予了一层新的 含义： 具有自主性、反应性、交互性等特征的智能“代理” 。大型语言模型（ LLMs）的出现为智能代理的进一步发展带来了希望。 基于符号规则基于统计学习基于深度学习基于大模型 LLM给AI Agent 底层提供了一个 突破性技术方案： LLM带来了深度学习新范 式，思维链和强大的自然语言理解能力有望让 Agent 具备强大的学习能力和 迁移能力，从而让 创建广泛应用且实用的 Agent成为可能 LLM的框架优势：过去等强化学习基于深度学习框架可让 Agent学到技能， 但Agent的泛化性较差，往往用于非常窄的特定领域，例如用在游戏或低维 层面的控制或计划，标志性应用是围棋领域的 AlphaGo 。 •长期以来，研究者们一直在追求与人类相当、乃至超 越人类水平的通用人工智能（ Artificial General Intelligence ，AGI）。 •在1950 年代， Alan Turing 就将「智能」的概念扩展 到了人工实体，并提出了著名的图灵测试。这些人工 智能实体通常被称为 —— Agent （代理 *）过往的工作主要集中在增强代理的特定能力，如符号推理或对特定任务的掌握（国际 象棋、围棋等）。这些研究更加注重算法设计和训练策略，而忽视了模型固有的通用 能力的发展，如知识记忆、长期规划、有效泛化和高效互动等。事实证明， 增强模型 固有能力是推动智能代理进一步发展的关键因素。 *Agent 术语的中文译名并未形成共识，有学者将其翻译为智能体、行为体、代理或智能代理，目前行业出现的“代理”和“智能代理”均指 代Agent，后由于 2023年Open AI 引爆AIGC领域，一般称为 AI Agent 。过往的 AI Agent 类型： ➢符号型智能体： 采用逻辑规则和符号表示来封装知识和促进推理过程，如 1980年前后，出现 的医学诊断专家系统，模拟心理治疗程序等 ； ➢反映型智能体： 关注智能体与其环境之间的交互，强调快速和实时响应，缺乏复杂缺乏复杂 决策和规划能力； ➢基于强化学习的智体题： 关注如何让智能体通过与环境的交互进行学习。 ➢基于迁移学习和元学习的智能体： 使智能体从少量样本中迅速推理出金刃舞的最优策略。AI Agent 的发展历程简述 数据来源：公开资料，专家访谈，甲子光年智库整理www.jazzyear.com