文/王吉伟
自AutoGPT火出圈后，业内对AI Agent的讨论从没停止过。
Lilian Weng在其六千字博文中对AI Agent的系统介绍，直接对当代基于大语言模型的AI Agent做了全新定义，至此“LLM+记忆+任务规划+工具使用”就成了全新的AI Agent四件套。
搞懂了AI Agent原理，业内外对于AI Agent探索与交流自然就更多。尤其是经历了一段时间的“LLM落地难”声音的洗礼后，现在只要谈到AI Agent，创业者们就会双眼放光，投资人们也是热情高涨，大企业们更是跃跃欲试。
由此，AI Agent成了继LLM之后产学研用各界无人不知的崭新焦点。
从人人皆谈大语言模型，到张口就是AI Agent，意味着大家对LLM的关注真正落点到了应用层，如何落地也真正成了所有领域探索LLM的压轴戏。
谈到AI Agent，很多人都认为它是LLM的产物，毕竟大部分人接触Agent是从基于GPT-4的AutoGPT、BabyGPT、GPT-Engineer等开源Agent程序开始的。
但了解AI Agent的人应该知道，Agent概念并不是当今的产物，而是伴随人工智能而出现的智能实体概念不断进化的结果。
有人认为AI Agent起源于20世纪80年代Wooldridge等人将Agent引入到人工智能，也有人认为最早的Agent概念应该是上世纪50年代阿兰图灵把“高度智能有机体””扩展到了人工智能。
也有论文（见复旦大学《基于大型语言模型的Agent的兴起和潜力：综述》，文末可获取），将最早的Agent概念追溯到了丹尼斯·狄德罗的“聪明的鹦鹉”学说。
如果从哲学启迪的角度来看 Agent，大概可以上溯到公元前280年到公元前485年之间的庄子、亚里士多德、老子等思想家的学说与著作。
从这些观点、学说与论文中，沿着哲学思想到人工智能实体的发展方向，大体可以梳理出一个AI Agent发展的大体脉络。
在此基础上，王吉频道总结了这篇AI Agent发展简史，以让大家更全面地了解AI Agent。
全文约7000字，文章略长，建议大家先收藏再阅读。如果感觉对你有用，不要忘了点赞、转发和收藏。
起源：哲学启蒙阶段
“Agent”是一个有着悠久历史的概念，在许多领域都得到了探索和解释。
关于AI Agent的最早起源，还要从能够启发人类思考的哲学领域开始探寻。一些论文将其追溯到公元前350年左右的亚里士多德（Aristotle）时期，当时的一些哲学家就曾在哲学作品描述过一些拥有欲望、信念、意图和采取行动能力的实体。
若从古代哲学家的思想著述中寻找Agent踪迹，还可以把时间继续上溯到公元前485年左右的中国春秋时代，老子在其对后世影响深远的思想巨著《道德经》中也可以看到智能体的影子。
该书在四十二章写道：“道生一，一生二，二生三，三生万物”。用现在计算科学眼光来看，它所描绘的”道”或许正是一个生生不息、包容万物并且能够自身演化的实体，这种实体小到种子的生发荣枯，大到宇宙天体的周天运转，这是典型的自主智能体。
时间再晚一些的庄子，在“庄周梦蝶”的时候，他不知道自己是庄子还是蝴蝶，分不清是梦境还是现实。如果用现代计算科技技术来看，这个梦可以理解为元宇宙，那么梦里的蝴蝶包括所有具备生命的物体，便都如“西部世界小镇”游戏那样的生成智能体。
▲ 图片由必应生成，关键词：庄周梦蝶
时间来到18世纪，法国思想启蒙运动时期的丹尼斯·狄德罗（Denis Diderot ）也提出了类似的观点：如果鹦鹉可以回答每个问题，它就可以被认为是聪明的。虽然狄德罗在著作中写的是鹦鹉，但谁都能体会到这里的“鹦鹉”并不是指一只鸟，而是突出了一个深刻的概念，即高度智能的有机体可以有着类似于人类的智能。
是不是很有意思，我们认为近代人们在科技取得一定进展后才设想的AI Agent，其实古人早就思考并探索过。
或许正是因为这种思想，造就了人类对于各种工具的极致追求，诞生了春秋战国时期鲁班打造的能飞三天三夜的“木鹊”与墨家打造的机关城，三国时期的木牛流马和指南车，唐代“酌酒行觞”的木人“女招待”，以及明朝帮人干活的多种“机关转捩”木头人。
这些人类早期出现的自动化工具，并非具备分析及推理能力并能够采取行动的智能体。但自古至今一直存在的这些想法与做法，恰恰也反映了人类数千年来对于智能体或者说自动化的持续追求。
当然通过这些思想我们也能获悉，Agent的哲学概念泛指具有自主性的概念或实体，它可以是人造的物体，可以是植物或动物，当然也可以是人。
发展：人工智能实体化
不管最早的Agent描述出自哪里，这些哲学思想都不同程度启发了近代Agent的发展。
20世纪50年代，阿兰图灵（Alan Turing）把“高度智能有机体”概念扩展到了人工实体，并提出了著名的图灵测试。这个测试是人工智能的基石，旨在探索机器是否可以显示与人类相当的智能行为。
这些人工智能实体通常被称为“Agent”，形成了人工智能系统的基本构建块。至此，人工智能领域提到的Agent，通常是指能够使用传感器感知其周围环境、做出决策、然后使用致动器采取响应行动的人工实体。
随着人工智能的发展，术语“Agent”在人工智能研究中找到了自己的位置，用来描述显示智能行为并具有自主性、反应性、主动性和社交能力等素质的实体。此后，Agent的探索和技术进步成为人工智能领域的焦点。
50年代末到60年代是人工智能的创造时期，所出现的编程语言、书籍及电影到现在还在持续影响更多的人。
在经历第一次人工智能寒冬后，80年代出现了一股人工智能热潮。这段时间的各项研究都有所突破，来自政府等机构的投资也开始增多，研究者对AI Agent的探索也在逐步增加。
但这股热潮仅维持了7年，到1987年迎来了第二次人工智能寒冬。
这股寒潮延续了很多年，尽管在这期间大部分机构都缺少资金支持，人工智能还是沿着既有技术路线刚毅发展。
其中，AI Agent就在1995年被Wooldridge和Jennings定义为一个计算机系统：它位于某个环境中，能够在这个环境中自主行动，以实现其设计目标。他们还提出AI Agent应具有自主性、反应性、社会能力与主动性等四个基本属性。
而在AI Agent正式被经济学接纳后，它也被进一步定义为具备感知其环境并采取行动以最大限度地提高成功机会的系统。根据这个定义，能够解决特定问题的简单程序也是“AI Agent”，所以后来能够在各种棋类游戏中与人类对弈的机器人也算是AI Agent的一种。
AI Agent范式将AI研究定义为“智能代理研究”，它研究各种智力，超越了研究人类智能。
在AI Agent被赋予“四种基本属性”期间，1993年到2011年，出现了很多基于当时AI技术且令人印象深刻的Agent类项目。
这些项目的出现时间和简介如下：
进化：AI Agnet的演变
伴随着AI 技术的发展，至2000年左右，Agent已经衍生出不少种类。
根据其感知的智能和能力程度的不同，罗素、诺维格、彼得等人在《Artificial Intelligence: A Modern Approach》一书中将AI Agent分为以下五类：
简单反射智能体（SIMPLE REFLEX AGENTS）：一种简单的代理类型，它基于当前的感知而不是基于感知历史的其余部分。这种类型的问题包括智力非常有限，对状态的非感知部分一无所知，生成和存储规模巨大以及无法适应环境变化。
基于模型的智能体（MODEL-BASED AGENTS）：这种代理利用条件操作规则，通过查找允许满足基于当前情况的条件的规则来工作，通常由两个重要因素组成，即模型和内部状态。它可以通过获取有关世界如何演变以及代理的操作如何影响世界的信息来更新代理的状态。
基于目标的智能体（GOAL-BASED AGENTS）：此类型根据其目标或理想情况做出决定，以便它可以选择可以实现所需目标的操作。这种智能体可以通过搜索以及不同的计划，具备思考一长串可能的行动来确认其实现目标的能力，使代理具有主动性。
基于实用程序的智能体（UTILITY-BASED AGENTS）：公用事业代理的最终用途是其构建块，当需要从多个替代方案中采取最佳行动和决策时使用。它考虑了代理的幸福感，并给出了代理由于效用而有多幸福的想法，因此具有最大效用的行动。
学习型智能体（LEARNING AGENTS）：具有从过去的经验中学习的能力，并根据学习能力采取行动或做出决定。它从过去获得基础知识，并利用这些学习来自动行动和适应。一般由四部分组成，分别是学习元素、批评者、性能元素和问题生成器。
从这些分类和基本定义而言，很多AI工具以及早期的智能程序都可以归类为Agent的一种。包括早期的IBM用于象棋比赛的深蓝以及后文出场的AlphaGO，都算是基于当时最新AI技术的AI Agent。
当代：基于LLM的智能体
在2012年的ImageNet计算机视觉挑战赛中，AlexNet卷积神经网络的深度学习模型取得了第一名，深度学习从此真正在人工智能领域大显身手。
2016年，AlphaGO（谷歌专门从事围棋游戏的AI Agent）将击败欧洲冠军（范慧）和世界冠军（李世石），并很快被自己的兄弟（AlphaGo Zero）打败。
2017年，谷歌提出transformer。
2018年，谷歌发布基于Transformer模型的BERT，拉开了大语言模型序幕。
2019年，谷歌AlphaStar在视频游戏《星际争霸2》上达到了Grandmaster，表现优于除0.2%以外的所有人类玩家。
2019年，OpenAI发布GPT-2的自然语言处理模型，并分别在2020年和2022年发布了GPT-3、DALL·E 2及GPT-3.5，ChatGPT的火爆为AI Agent在大语言模型时代的发展与应用提供了新的契机。
从2023年1月开始，全球厂商发布了多个LLM，其中包括LLaMA、BLOOM、StableLM、ChatGLM等多个开源LLM。
与此同时，全球科技厂商所推出的数以千计的LLM，为AI Agent在各领域多元化应用提供了更广泛的基础。
2023年3月14日，OpenAI发布GPT-4。3月底，AutoGPT横空出世，迅速火遍全球。
Auto GPT是Github上由OpenAI推出的一个免费开源项目，结合了GPT-4和GPT-3.5技术，通过API创建完整的项目。
与ChatGPT不同的是，用户不需要不断对AI提问以获得对应回答，在AutoGPT中只需为其提供一个AI名称、描述和五个目标，AutoGPT就可以自己完成项目。它可以读写文件、浏览网页、审查自己提示的结果，以及将其与所说的提示历史记录相结合。
AutoGPT也是OpenAI的一个实验性项目，用以展示GPT-4语言模型的强大功能。由此开始，更多人在了解与体验AutoGPT的同时，也逐渐认知到了AI Agent。
由此开始，基于LLM的AI Agent开始雨后春笋般涌现，出现了Generative Agent、GPT-Engineer、BabyAGI、MetaGPT等多个项目，这些项目的爆发将LLM的发展与应用带入了新阶段，也将LLM的创业与落地引向了AI Agent。
5月，OpenAI拿下新一轮3亿美元融资后，创始人Sam Altman透露更加关注如何使用聊天机器人来创建自主AI Agents，并会将相关功能部署到ChatGPT助手中。
6月，扎克伯格在全体员工会议上宣布了一系列处于不同开发阶段的技术，其中一个就是将发布能为用户提供帮助或娱乐功能的具备不同个性和能力的AI Agents。
6月底，OpenAI Safety团队负责人Lilian Weng发表了一篇名为《LLM Powered Autonomous Agents》的文章，详细介绍了基于LLM的AI Agent，并认为这将使LLM转为通用问题解决方案的途径之一。
至此，人们终于对AI Agent有了全面的了解，AI Agent的神秘面纱终于被揭开。
人工智能领域对于AI Agent的探索从未停止，在每个AI技术获得全新突破之后都会有组织将其探索与应用纳入新课题。以AlphaGo为代表的深度学习与神经网络技术崭露头角后，就出现了基于深度学习及神经网络的Agent，被应用于游戏、医疗等诸多领域。
而近几年大语言模型获得突破，在谷歌发布Bert及OpenAI 发布GPT-2后，很多组织都开始与其合作开始打造基于LLM的Agent。
我们还在谈论AI Agent的时候，海外已经出现很多AI Agent框架与产品。比如在8月末刚完成1500万美金融资的Voiceflow，现在已是最受开发者欢迎的Al Agent构建平台之一，有超过13万团队在这里高效协同构建自己的Al Agent。
从这类AI Agent构建平台来看，目前已经有不少组织正在或者已经构建自己的AI Agent，且每个组织都可以面向不同业务场景的多个Agent。
王吉伟频道也在之前盘点了全球60个AI Agent项目，目前已经提出项目清单1.0，这个名单将会不断迭代，也欢迎已经推出AI Agent的团队或者AI Agent爱好者，共同完善这份清单。（PS：回复agent+，获取完整名单图。）
定义：当代AI Agent特性
Lilian Weng在其博文《LLM Powered Autonomous Agents》 中，对基于LLM的AI Agent 做了系统综述。（PS：嫌麻烦不想找的朋友，后台回复agent+获取该文及翻译。）
原文地址：https://lilianweng.github.io/posts/2023-06-23-agent/
她将Agents定义为LLM、记忆（Memory）、任务规划（Planning Skills）以及工具使用（Tool Use） 的集合，其中 LLM 是核心大脑，Memory、Planning Skills 以及 Tool Use 等则是 Agents 系统实现的三个关键组件，并对每个模块下实现路径进行了细致的梳理和说明。
▲ Agent系统架构图，出自博文《LLM Powered Autonomous Agents》
从文章中不难看出，目前我们所说的AI Agent本质是一个控制LLM来解决问题的代理系统。LLM的核心能力是意图理解与文本生成，如果能让LLM学会使用工具，那么LLM本身的能力也将大大拓展。AI Agent系统就是这样一种解决方案，可以让LLM“超级大脑”真正有可能成为人类的“全能助手”。
在AI发展到大语言模型时代，很多AI工具看起来已经具备了初步的Agent能力。虽然AI工具包括机器人和Agent都是旨在自动化任务的软件程序，但特定的关键特征将AI智能体区分为更复杂的AI 软件。
业内认为，当AI工具具备以下特征时，就可以将该工具视为AI Agent：
在这个更为广义的特征之下，今后AI Agent存在的环境将更加宽泛，种类也将更加繁多。
与此同时，在大语言模型的加持之下，AI Agent也逐步衍生出了自主智能体（Autonomous Agent）和生成智能体（Generative Agent）。
自主智能体如AutoGPT，能够根据人们通过自然语言提出的需求，自动执行任务并实现预期结果。在这种合作模式下，自主智能体主要是为人类服务，更像是一个高效的工具。
大家目前所聊的智能体多数是基于LLM自主智能体，它已被认为是通向通用人工智能（AGI）最有希望的道路。
如果说AutoGPT拉开了自主智能体的帷幕，今年4月份斯坦福和谷歌的研究者共同创建的“西部世界小镇（Westworld simulation）”则开启了生成智能体之路。小镇里的25个AI Agent，每天都在乐此不疲地散步、约会、聊天、用餐以及分享当天的新闻。
▲ 生成智能体Westworld simulation运行截图
生成智能体基于GPT-3 、BERT等LLM构建，以自然语言存储代理体验的完整记录。生成智能体体系结构包括三个主要组件：观察、规划和反思。这些组件协同工作，使生成代理能够生成反映其个性、偏好、技能和目标的现实且一致的行为。此外，此体系结构允许用户、代理和其他代理之间进行自然语言通信。
简单的讲，生成智能体就像美剧《西部世界》中的人形机器人以及《失控玩家》中的智能NPC，它们在同一环境中生活，拥有自己的记忆和目标，不仅与人类交往，还会与其他机器人互动。
未来：AI Agent无处不在
Agent的核心在于LLM，可以说大语言模型的能力决定了AI Agent的能力半径，所以目前基于GPT-4的Agent表现得更加智能。未来随着更多大语言模型的完善、迭代与优化，基于这些LLM构建的Agent自然能力也会更强。
以后的AI Agnet，将主要呈现以下几种特征：
Agent将会成为大模型在各行业及领域应用的主体形式，未来LLM的开发与应用的都将围绕Agent以工具或者助手的形式呈现。随着Agent以标准化产品形态出现，广大组织引入与应用AI Agent将变得更加简单。
相关企业与组织也可以基于引入的大语言模型或者垂直领域模型构建面向领域的Agent，以帮助客户高效释放LLM的能力。也可以构建内部或者面向客户的AI Agent平台及社区，方便自身及客户运营中随时构建所需的Agent。
更多的AI Agent构建平台，也将促使大量Agent的出现，个人构建与应用Agent也将更加容易。未来只要大家愿意，随时都可以通过各种Agent平台打造适合自己的个性化Agent，通过更加个性化的功能与服务增强沟通和协作、拓展知识和技能等。
甚至还能在不同业务场景构建多个不同的Agent，并让这些Agent协同工作，多Agent系统协同可以输出更加准确的结果以及完成更加复杂的任务。
AI Agent无视行业与业务场景，只要能应用LLM的地方都可以构建相应的Agent。它可以应用于各行业，例如教育、医疗、金融、制造、娱乐等，帮助提高效率、降低成本、创造价值。
未来，AI Agent可能会更加智能、自适应、多样化，能够处理更复杂的问题和场景，与人类形成更紧密的合作和共生。
如Lilian Weng在博文中所说，AI Agent可以让LLM从“超级大脑”进化为人类的“全能助手”，这意味着基于LLM的Agent助手以后将会服务更多的人与组织。
随着AI Agent的广泛应用，大语言模型时代的人机交互也将升级人类与AI Agent的自动化合作体系。这种新型人机合作可以称之为人机智能体，它将推动人类社会的生产结构进一步升级，进而影响社会的各个方面。
同时，一个具备交流能力并能自主/自动执行任务的智能网络将是互联网的下一阶段，AI Agent将是人类与之交互和执行任务的智能工具。
未来的趋势，AI agent大概率会出现在人类工作、学习、生活、娱乐的各个场景中，人人都将配备一个基于AI agent系统的智能助手，《钢铁侠》《星际穿越》《星球大战》等电影中人机协同的场景将会真正变成现实。
这，又将是一个多大量级的市场。
写在最后：本来还想在这篇文章中探讨“Agent游戏的进化”与“人类与智能体的界限”这两个话题。限于篇幅以及这两个话题与本文的相关性，只能在新的选题中与大家探讨了。对这些感兴趣的朋友，可以与我交流。
参考资料：复旦大学NLP团队论文《基于大型语言模型的Agent的兴起和潜力：综述》
全文完
【王吉伟频道，关注AIGC与IoT，专注数字化转型、业务流程自动化与RPA，欢迎关注与交流。】
