Tác giả: Hu Xiaomeng, Viện nghiên cứu Chen Chuyi Tencent
AI Agent chắc chắn là dòng phát triển thú vị nhất của các mô hình lớn ở thời điểm hiện tại, được gọi là “cuộc chiến tiếp theo của các mô hình lớn”, “sản phẩm sát thủ cuối cùng” và “lấy Agent làm trung tâm mở ra kỷ nguyên mới của cách mạng công nghiệp”. Vào ngày 7 tháng 11, hội nghị nhà phát triển đầu tiên của OpenAI (OpenAI DevDay) đã kích nổ AI Agent. OpenAI đã phát hành dạng GPT sản phẩm AI Agent ban đầu và tung ra công cụ tạo ra GPT Builder tương ứng. Người dùng có thể tạo GPT độc quyền chỉ bằng cách trò chuyện với GPT Builder và mô tả chức năng GPT mà họ muốn. GPT độc quyền có thể được áp dụng nhiều hơn trong cuộc sống hàng ngày, nhiệm vụ cụ thể, cơ quan hoặc ở nhà. Để đạt được mục tiêu này, OpenAI cũng đã mở ra lượng lớn API mới (bao gồm tầm nhìn, hình ảnh DALL·E3 và giọng nói), cũng như API Trợ lý mới tung ra, cho phép các nhà phát triển dễ dàng phát triển GPT của riêng họ hơn. Bài viết mới nhất của Bill Gates nêu rõ rằng AI Agent sẽ trở nên phổ biến trong vòng 5 năm tới và mỗi người dùng sẽ có một AI Agent độc quyền. Người dùng không còn cần phải sử dụng các ứng dụng khác nhau cho các yêu cầu chức năng khác nhau mà chỉ cần nói với Đại diện của mình những gì anh ấy muốn làm bằng ngôn ngữ hàng ngày. [1]
Trong vòng một tuần sau khi GPT được phát hành, nó đã tích lũy được hơn 17.500
Vậy chính xác AI Agent là gì? Tại sao điều quan trọng lại được ngành công nghiệp quan tâm đến vậy, thậm chí có học giả còn khẳng định “sự phát triển tốt đẹp của American Agent Store sẽ tiếp tục làm gia tăng khoảng cách giữa các mô hình lớn giữa Trung Quốc và Mỹ” [2]
Đại lý AI là gì?
Trong các lĩnh vực chuyên môn kỹ thuật của máy tính và trí tuệ nhân tạo, Agent thường được dịch là “thông minh”, được định nghĩa là tự chủ, phản ứng, xã hội, đi trước, suy đoán (có chủ ý) và nhận thức trong một hoàn cảnh nhất định. thực thể phần cứng có một hoặc nhiều đặc điểm thông minh như trí thông minh. [3]
OpenAI định nghĩa AI Agent là một hệ thống sử dụng mô hình ngôn ngữ lớn làm bộ điều khiển não, có khả năng tự động hiểu nhận thức, lập kế hoạch, trí nhớ và cách sử dụng công cụ, đồng thời có thể tự động thực hiện nhiệm vụ phức tạp. [4] Khung cơ bản của AI Agent như sau:
Khung cơ bản của Agent dựa trên trình điều khiển LLM[5]
Nó có bốn mô-đun chính: bộ nhớ, lập kế hoạch, hành động và sử dụng các công cụ:
(1) Trí nhớ. mô-đun nhớ chịu trách nhiệm lưu trữ thông tin, bao gồm các tương tác trong quá khứ, kiến thức đã học và thậm chí cả thông tin nhiệm vụ tạm thời. Đối với một tác nhân thông minh, một cơ chế ghi nhớ hiệu quả có thể đảm bảo rằng nó có thể sử dụng kinh nghiệm và kiến thức trong quá khứ khi đối diện các tình huống mới hoặc phức tạp. Ví dụ: một chatbot có chức năng ghi nhớ có thể ghi nhớ sở thích của người dùng hoặc các cuộc trò chuyện trước đó để mang lại trải nghiệm giao tiếp mạch lạc và cá nhân hóa hơn. Nó được chia thành trí nhớ ngắn hạn và trí nhớ dài hạn: a. Trí nhớ ngắn hạn, tất cả việc học theo ngữ cảnh đều sử dụng trí nhớ ngắn hạn để học; b. Trí nhớ dài hạn, cung cấp cho tác nhân khả năng ghi nhớ và nhớ lại Thông tin (vô hạn) trong một thời gian dài, thường là thông qua việc sử dụng cơ sở dữ liệu vectơ bên ngoài và truy xuất nhanh chóng, chẳng hạn như lượng lớn dữ liệu và kiến thức lắng đọng trong một lĩnh vực ngành nhất định. Với bộ nhớ dài hạn, rất nhiều dữ liệu có thể được tích lũy, giúp tác nhân trở nên hữu dụng hơn và có các ưu điểm như độ sâu ngành, tính cá nhân hóa và khả năng chuyên môn.
(2) Lập kế hoạch. mô-đun lập kế hoạch có hai giai đoạn: lập kế hoạch trước và sau phản ánh. Trong giai đoạn lập kế hoạch trước, bao gồm dự đoán và ra quyết định về các hành động trong tương lai, chẳng hạn như khi thực hiện nhiệm vụ phức tạp, tác nhân sẽ phân tách các mục tiêu lớn thành các mục tiêu phụ nhỏ hơn, có thể quản lý được để có thể lập kế hoạch sê-ri các bước hoặc hành động một cách hiệu quả , để đạt được kết quả mong muốn. Ở giai đoạn hậu phản ánh, tác nhân có khả năng kiểm tra, cải thiện những thiếu sót trong kế hoạch, phản ánh những sai sót, thiếu sót, đồng thời rút ra bài học để hoàn thiện, hình thành và bổ sung trí nhớ dài hạn giúp tác nhân tránh được sai sót và cập nhật. sự hiểu biết của nó về thế giới trong tương lai. .
(3) Sử dụng công cụ. mô-đun sử dụng công cụ đề cập đến khả năng của tác nhân sử dụng các tài nguyên hoặc công cụ bên ngoài để thực hiện nhiệm vụ. Ví dụ: học cách gọi các API bên ngoài để lấy thêm thông tin còn thiếu trong tỷ trọng mô hình, bao gồm thông tin hiện tại, khả năng thực thi mã, quyền truy cập vào các nguồn thông tin độc quyền, v.v., để bổ sung cho những điểm yếu của LLM. Ví dụ: dữ liệu đào tạo của LLM không được cập nhật theo thời gian thực, trong trường hợp này, bạn có thể sử dụng các công cụ truy cập Internet để lấy thông tin mới nhất hoặc sử dụng phần mềm cụ thể để phân tích lượng lớn dữ liệu. Hiện đã có lượng lớn các công cụ kỹ thuật số và thông minh trên thị trường. Các đại lý sử dụng các công cụ trơn tru và hiệu quả hơn con người. Bằng cách gọi các API hoặc công cụ khác nhau, họ có thể hoàn thành nhiệm vụ phức tạp và đưa ra kết quả chất lượng cao. Cách sử dụng công cụ này cũng đại diện cho Một tính năng và lợi thế quan trọng của tác nhân thông minh.
(4) Hành động. mô-đun hành động là một phần của tác nhân thực sự thực hiện quyết định hoặc phản hồi. Đối diện nhiệm vụ khác nhau, hệ thống tác nhân có một bộ chiến lược hành động hoàn chỉnh và có thể chọn các hành động sẽ thực hiện khi đưa ra quyết định, chẳng hạn như truy xuất bộ nhớ nổi tiếng, lý luận, học tập, lập trình, v.v.
Nhìn chung, bốn mô-đun này phối hợp với nhau để cho phép các tổng đài viên thực hiện hành động và đưa ra quyết định trong nhiều tình huống hơn, thực hiện nhiệm vụ phức tạp theo cách thông minh hơn và hiệu quả hơn. [6]
Đặc vụ AI sẽ mang lại
Tích hợp con người-máy rộng hơn
Các đặc vụ dựa trên các mô hình lớn sẽ không chỉ cho phép mọi người có một trợ lý thông minh chuyên dụng với các khả năng nâng cao mà còn thay đổi mô hình cộng tác giữa người và máy và mang lại sự tích hợp giữa người và máy rộng hơn. Cuộc cách mạng thông minh của AI tạo sinh đã phát triển cho đến nay và ba phương thức cộng tác giữa con người và máy móc đã xuất hiện:
(1) Chế độ nhúng. Người dùng giao tiếp với AI thông qua ngôn ngữ và sử dụng các từ gợi ý để đặt ra mục tiêu, sau đó AI sẽ hỗ trợ người dùng hoàn thành các mục tiêu này. Ví dụ: người dùng thông thường nhập các từ gợi ý vào AI để tạo ra tiểu thuyết, tác phẩm âm nhạc, nội dung 3D, v.v. Trong mô hình này, AI hoạt động như một công cụ thực hiện mệnh lệnh, trong khi con người đóng nhân vật là người ra quyết định và chỉ huy.
(2) Chế độ lái phụ. Trong mô hình này, con người và AI giống như những đối tác hơn, tham gia vào quá trình làm việc và mỗi người đóng một vai trò. AI can thiệp vào quy trình làm việc, từ việc đưa ra đề xuất đến hỗ trợ trong các giai đoạn khác nhau của quy trình. Ví dụ, trong phát triển phần mềm, AI có thể giúp lập trình viên viết mã, phát hiện lỗi hoặc tối ưu hóa hiệu suất. Con người và AI làm việc cùng nhau trong quá trình này, bổ sung khả năng của nhau. AI giống như một đối tác hiểu biết hơn là một công cụ đơn thuần.
Trên thực tế, vào năm 2021, Microsoft đã giới thiệu khái niệm Copilot (đồng phi công) lần đầu tiên trên GitHub. GitHub Copilot là một dịch vụ AI hỗ trợ các nhà phát triển viết mã. Vào tháng 5 năm 2023, với sự hỗ trợ của các mô hình lớn, Microsoft Copilot đã mở ra một nâng cấp toàn diện, tung ra Dynamics 365 Copilot, Microsoft 365 Copilot và Power Platform Copilot, v.v., đồng thời đề xuất khái niệm "Copilot là một cách làm việc mới". Cũng như công việc, cuộc sống cũng cần có “Phi công phụ”, Li Zhifei, người sáng lập Mobvoi, cho rằng công việc tốt nhất cho những người mẫu lớn là trở thành “Phi công phụ” cho con người.
(3) Chế độ đại lý. Con người đặt ra mục tiêu và cung cấp các tài nguyên cần thiết (chẳng hạn như sức mạnh tính toán), sau đó AI thực hiện hầu hết công việc một cách độc lập và cuối cùng con người giám sát quá trình và đánh giá kết quả cuối cùng. Ở chế độ này, AI thể hiện đầy đủ các đặc điểm tương tác, tự chủ và thích ứng của các tác nhân thông minh và gần gũi với các tác nhân độc lập, trong khi con người đóng nhân vật giám sát và đánh giá nhiều hơn.
Ba cách để con người và AI cộng tác[7]
Đánh giá từ phân tích chức năng trước đây của bốn mô-đun chính của tác nhân: bộ nhớ, lập kế hoạch, hành động và sử dụng công cụ, chế độ tác nhân chắc chắn hiệu quả hơn chế độ nhúng và chế độ đồng điều khiển và có thể trở thành chế độ chính của con người- sự hợp tác của máy móc trong tương lai. .
Dựa trên mô hình cộng tác giữa người và máy của Đặc vụ, mỗi cá nhân bình thường đều có thể trở thành siêu cá nhân. Một siêu cá nhân có đội ngũ AI và quy trình thực hiện nhiệm vụ tự động hóa riêng, đồng thời thiết lập mối quan hệ cộng tác thông minh và tự động hơn với các siêu cá nhân khác dựa trên Tác nhân. Ngày nay, không thiếu các công ty một người và các siêu cá nhân đang tích cực khám phá trong ngành. Có một số đội ngũ tự động dựa trên Đại lý trên nền tảng Github - dự án GPTeam. GPTeam sử dụng các mô hình lớn để tạo ra nhiều tác nhân được giao nhân vật và chức năng, đồng thời nhiều tác nhân cộng tác để đạt được các mục tiêu định trước. Ví dụ: Dev-GPT là một đội ngũ cộng tác gồm nhiều tác nhân để phát triển, vận hành và bảo trì tự động, bao gồm Đại lý quản lý sản phẩm, Đại lý nhà phát triển, đại lý vận hành và bảo trì cũng như các bộ phận nhân vật khác. Đội ngũ đa đại lý này có thể đáp ứng và hỗ trợ các hoạt động bình thường của một công ty tiếp thị mới thành lập, đây là công ty một người. Một ví dụ khác là NexusGPT, được tuyên bố là nền tảng tự do AI đầu tiên trên thế giới. [8] Nền tảng này tích hợp nhiều dữ liệu gốc AI khác nhau trong cơ sở dữ liệu mã nguồn mở và có hơn 800 tác nhân AI với các kỹ năng cụ thể. Trên nền tảng này, bạn có thể tìm thấy các chuyên gia trong các lĩnh vực khác nhau, chẳng hạn như nhà thiết kế, nhà tư vấn, đại diện bán hàng, v.v. Nhà tuyển dụng có thể chọn một tác nhân AI trên nền tảng này bất cứ lúc nào để giúp họ hoàn thành nhiều nhiệm vụ khác nhau.
AI Agents sẽ thay đổi luật chơi phần mềm
Thúc đẩy cơ sở hạ tầng AI
Đại lý AI đang định nghĩa lại phần mềm. Bill Gates cho rằng rằng AI Agent sẽ Sự lật đổ hoàn toàn ngành công nghiệp phần mềm và ảnh hưởng đến cách chúng ta sử dụng phần mềm cũng như cách chúng ta viết phần mềm. [9]
Tác nhân AI sẽ chuyển mô hình kiến trúc phần mềm từ hướng quy trình sang hướng mục tiêu. Phần mềm hiện có (bao gồm APP) khắc phục quy trình thông qua sê-ri các hướng dẫn, logic, quy tắc và thuật toán heuristic được xác định trước để đảm bảo rằng kết quả vận hành phần mềm đáp ứng mong đợi của người dùng, nghĩa là người dùng vận hành từng bước theo logic hướng dẫn để đạt được mục đích. Kiến trúc phần mềm hướng quy trình như vậy có độ tin cậy và chắc chắn cao. Tuy nhiên, kiến trúc hướng đến mục tiêu này chỉ có thể áp dụng cho các lĩnh vực ngành dọc và không thể áp dụng phổ biến cho tất cả các lĩnh vực, do đó, làm thế nào để cân bằng giữa tiêu chuẩn hóa và tùy chỉnh đã trở thành một trong những vấn đề đối diện.
Di chuyển mô hình kiến trúc phần mềm[10]
Mô hình Tác nhân AI đã dần chuyển từ phát triển chức năng ban đầu do con người dẫn dắt sang AI làm động lực chính. Với mô hình lớn là cơ sở hạ tầng kỹ thuật và Tác nhân là dạng sản phẩm cốt lõi, hệ thống phân cấp nhiệm vụ gồm các hướng dẫn, logic, quy tắc và thuật toán heuristic được xác định trước bởi phần mềm truyền thống được phát triển thành thế hệ tự trị của các tác nhân thông minh hướng đến mục tiêu. Theo cách này, kiến trúc ban đầu chỉ có thể giải quyết một phạm vi nhiệm vụ hạn chế, trong khi kiến trúc trong tương lai có thể giải quyết nhiệm vụ trong một miền vô hạn. [11] Trong hệ sinh thái phần mềm tương lai, không chỉ lớp trên cùng sẽ tương tác với mọi người thông qua Tác nhân, mà sự phát triển của toàn bộ ngành, cho dù đó là công nghệ cơ bản, mô hình kinh doanh, các thành phần trung gian hay thậm chí là thói quen và hành vi sống của con người, sẽ tất cả đều thay đổi xung quanh Đặc vụ. , đây là sự khởi đầu của kỷ nguyên Lấy đặc vụ làm trung tâm. [12]
So sánh giữa mô hình RPA (Robotic Process Automation) và mô hình APA (Agentic Process Automation) [13]
Lấy nền tảng phát triển phần mềm thông minh ChatDev, sản phẩm cấp SaaS "mô hình lớn + tác nhân" đầu tiên do Mianbi Intelligence phát hành làm ví dụ. Nền tảng này giống như một công ty phát triển phần mềm bao gồm toàn bộ các Đại lý AI, với nhiều nhân vật Đại lý khác nhau như CEO, CTO, giám đốc phát triển, giám đốc sản phẩm, chuyên gia kiểm tra và người giám sát. Người dùng chỉ cần cho Đại lý trong nhân vật CEO biết nhu cầu rõ ràng của mình và CEO sẽ tổ chức toàn bộ quy trình phát triển phần mềm dựa trên nhu cầu của người dùng. Việc phân phối cuối cùng tới người dùng bao gồm sản phẩm phần mềm và mã trong suốt quá trình phát triển và tất cả các quy trình đều được tự động hóa. [14] Điều này sẽ cho phép ngành công nghiệp phần mềm giảm chi phí sản xuất, cải thiện khả năng tùy biến và bước vào kỷ nguyên "in 3D" của phần mềm.
Triển vọng và thách thức của AI Agent
AI Agent là động lực quan trọng để trí tuệ nhân tạo trở thành cơ sở hạ tầng. Nhìn lại lịch sử phát triển công nghệ, mục đích cuối cùng của công nghệ là trở thành cơ sở hạ tầng, ví dụ như điện đã trở thành cơ sở hạ tầng vô hình đối với con người như không khí nhưng lại rất cần thiết, như điện toán đám mây. Tất nhiên, quá trình này sẽ trải qua ba giai đoạn sau: Giai đoạn đổi mới và phát triển - công nghệ mới được phát minh và bắt đầu được áp dụng; Giai đoạn phổ biến và ứng dụng - khi công nghệ trưởng thành, nó bắt đầu được sử dụng rộng rãi trong nhiều lĩnh vực khác nhau, có ảnh hưởng sâu sắc. Giai đoạn cơ sở hạ tầng - khi công nghệ trở nên phổ biến đến mức gần như có mặt ở khắp mọi nơi, nó biến thành một loại cơ sở hạ tầng và trở thành một phần không thể thiếu trong cuộc sống hàng ngày của con người. Hầu hết mọi người đều đồng ý rằng trí tuệ nhân tạo sẽ trở thành cơ sở hạ tầng của xã hội tương lai. Và các đặc vụ đang thúc đẩy cơ sở hạ tầng của trí tuệ nhân tạo. Điều này không chỉ do lợi thế của việc sản xuất phần mềm Tác nhân chi phí thấp mà còn do Tác nhân có thể thích ứng với nhiệm vụ và hoàn cảnh khác nhau, đồng thời có thể học hỏi và tối ưu hóa hiệu suất của nó để có thể sử dụng nó trong nhiều lĩnh vực và sau đó trở thành nền tảng cho các ngành công nghiệp và hoạt động xã hội khác nhau.
Tổng quan về ứng dụng tác nhân trí tuệ nhân tạo[15]
Tác nhân có thể lặp lại đồng thời theo cả hai hướng trong bước tiếp theo. Đầu tiên là một tác nhân thông minh hỗ trợ con người bằng cách thực hiện nhiều nhiệm vụ khác nhau, tập trung vào các thuộc tính của công cụ; thứ hai là sự lặp lại theo hướng nhân hóa, có khả năng ra quyết định độc lập, trí nhớ dài hạn và một số đặc điểm giống tính cách nhất định, tập trung về các thuộc tính giống con người hoặc siêu nhân.
Từ góc độ lặp lại và triển khai tối ưu hóa kỹ thuật, việc phát triển Tác nhân AI cũng gặp phải một số điểm nghẽn:
Trước hết, qua GPT của OpenAI, chúng ta cũng có thể thấy khả năng suy luận phức tạp của LLM chưa đủ mạnh và độ trễ quá cao, điều này cản trở sự trưởng thành thực sự của các ứng dụng Agent. Đây cũng là hướng đi cho những đột phá tiếp theo về tối ưu hóa kỹ thuật và nghiên cứu công nghệ trong ngành.
Thứ hai, việc phát triển đa tác nhân vẫn còn gặp nhiều khó khăn lớn. Đa tác nhân là một hướng nghiên cứu học thuật rất phức tạp, khi các tác nhân bắt đầu lan rộng ra thị trường đại chúng, nó đã trở thành một vấn đề thực tế kỹ thuật quan trọng. Ví dụ: thị trấn ảo của Stanford chứa nghiên cứu đa tác nhân với 25 tác nhân. Tuy nhiên, sau khi khung thị trấn mã nguồn mở , theo thử nghiệm của nhà phát triển, Đại lý cần tiêu thụ 20 đô la Mỹ tiền token mỗi ngày vì nó đòi hỏi nhiều trí nhớ và tư duy hành động. Mức giá này cao hơn so với nhiều nhân công và yêu cầu tối ưu hóa kép tiếp theo của khung Tác nhân và phía suy luận LLM.
Vượt qua tình thế tiến thoái lưỡng nan về phát triển đa tác nhân là điều kiện tiên quyết quan trọng để thành lập Hiệp hội đại lý trong tương lai. Sự hợp tác đa tác nhân có thể hình thành một xã hội thông minh, hình thức cao nhất của hệ thống xã hội công nghệ. Xã hội thông minh rất phức tạp, năng động, tự tổ chức và thích ứng, có khả năng hợp tác, cạnh tranh và phát triển liên tục. Trong hệ thống xã hội này, các tác nhân thông minh có thể thực hiện nhiệm vụ phức tạp và linh hoạt tùy theo mục tiêu và sự thay đổi hoàn cảnh , đồng thời tiến hành các tương tác và cộng tác ở cấp độ cao, đa chiều với con người và các tác nhân thông minh khác. Xã hội thông minh không chỉ giúp con người khám phá, mở rộng thế giới vật chất và ảo mà còn nâng cao và mở rộng khả năng, trải nghiệm của con người.
Đồng thời, những xu hướng phát triển này cho thấy Tác nhân AI có thể phải đối mặt với nhiều thách thức như an ninh và quyền riêng tư, đạo đức và trách nhiệm, tác động kinh tế và việc làm, v.v.
(1) Bảo mật và quyền riêng tư là các tính năng chính của một tác nhân thông minh, rất quan trọng đối với hoạt động ổn định của nó và bảo vệ người dùng và xã hội. Hai yếu tố này ảnh hưởng trực tiếp đến tín nhiệm và kiểm soát của các tác nhân AI. Nếu tác nhân AI có lỗ hổng, bị tấn công hoặc rò rỉ dữ liệu, nó có thể gây thiệt hại cho người dùng hoặc xã hội. Ví dụ: ngay sau khi phát hành GPT của OpenAI, lỗ hổng bảo mật đã xảy ra, dẫn đến rò rỉ dữ liệu do người dùng tải lên.
(2) Đạo đức và trách nhiệm là nguyên tắc cốt lõi của một tác nhân thông minh, xác định các giá trị và mục tiêu của nó cũng như sự tôn trọng và bảo vệ người dùng và xã hội. Những nguyên tắc này ảnh hưởng trực tiếp đến độ tin cậy và khả năng kiểm soát của đại lý. Nếu tác nhân thông minh bộc lộ các vấn đề như không công bằng, thiếu minh bạch hoặc không đáng tin cậy, điều đó có thể khiến người dùng hoặc xã hội từ chối công nghệ. Việc phân bổ trách nhiệm cũng là một vấn đề then chốt đối với các tác nhân thông minh. Việc phân bổ trách nhiệm không rõ ràng hoặc không công bằng trong sự hợp tác giữa con người và các tác nhân thông minh cũng sẽ gây ra những hậu quả nghiêm trọng.
(3) Tác động về kinh tế và xã hội tới việc làm. Một thách thức quan trọng trong công việc trong tương lai là sự cạnh tranh giữa con người và tác nhân. Ví dụ, sự xuất hiện của nền tảng làm việc tự do AI NexusGPT đã tác động đến những người làm việc tự do truyền thống. Trong sự hợp tác công tác xã hội trong tương lai, ngày càng có nhiều tác nhân thông minh xuất hiện.Dựa trên những cân nhắc về hiệu suất và hiệu quả, người sử dụng lao động có thể cố gắng giảm đầu tư vào con người. Khi công nghệ tác nhân trưởng thành, chúng ta phải suy nghĩ trước về tác động lâu dài của những phát triển công nghệ này đối với xã hội và sự nghiệp cá nhân.
Với việc phát hành ChatGPT như một bước ngoặt, số lượng và thu nhập của người hành nghề viết/biên tập trên các nền tảng làm việc tự do toàn cầu đã bước vào giai đoạn suy giảm như vách đá [16]
