GPT只是开始,Autonomous Agents即将到来

生成式AI虽然很早便已经引起了广泛关注,但直到ChatGPT的出现,许多公司的领导层才切身感受到了大语言模型(LLM)带来的深远影响。面临这种行业变革,诸多企业正争先恐后地加入到这场潮流中,但生成式AI的进步速度预计将远超企业适应的步伐。人工智能的下一阶段“Autonomous Agents”预计在未来几年内将成为趋势的主导力量,其带来的变革潜力有望超越当前的大语言模型。
PS:Autonomous Agents通常是指在软件或机器人技术领域,拥有一定自主决策能力的实体。它们能够在没有外部指令或直接人类控制的情况下,自行执行任务或进行决策。自主代理依靠预设的规则、人工智能算法、机器学习模型等技术,来感知环境、处理信息、做出判断,并采取行动。
虽然目前基于大规模语言模型的应用程序已经改变了我们获取和分享信息的方式,但它们尚未能完全独立运作。这些应用程序虽能自动处理特定任务,但仍需人来输入指令和监控其结果。随着Autonomous Agents技术的发展,这些Agents整合了LLM的功能,可以重塑并自动化整个工作流程。Autonomous Agents不仅可以规划任务的全程执行,还能通过应用程序编程接口(API)与LLM进行实时数据交换,监控进度,并借助其他数字工具实现既定目标。它们可用于策划、执行并优化营销活动,或在研发测试中进行广泛模拟。可以说,Autonomous Agents是一种能感知环境并相应做出反应的系统。
如果把LLM比作强大的大脑,Autonomous Agents就是让这个大脑得以实际“行动”的四肢。
目前,Autonomous Agents技术尚未完全发展到足以广泛应用的成熟度,控制性和可预测性上还有待提高,但许多科技企业正不懈努力推动其进步。OpenAI最近发布的定制机器人项目,就标志着向这个目标迈进的一个重大进展。这些机器人已能够通过外部API检索信息,或执行一些基础动作,例如协助完成网上购物等任务。
Autonomous Agents的巨大潜力
Autonomous Agents通过吸收和运用LLMs的能力来感知其所处环境并施加影响,它们通过构建任务、执行和优先排序来达成既定目标。这个过程从Agents设定一个目标开始,接着把这个目标拆分成多个单独的任务,并为每个任务制定一套清晰的操作指南。这些指南会不断输入给LLM,Agents根据完成的任务生成新的、更优的操作指令,同时整合之前迭代的成果。

生成指令和基于成果的构建过程,或是并行发生,或是按部就班,具体取决于系统的设计。根据执行的结果,Agents还将主动调整任务的顺序和优先级。这个循环会一直进行下去:从拆分目标到任务、制定操作指南、评估结果、调整任务排序,直至目标被实现或判定为不可行(在这种情况下,Agents会停止流程)。
在企业环境中,Agents自动化一整套任务的潜力可以有多种用途,这里我们将探讨两种:减少工作流中人工干预需求的能力,以及在大规模地测试产品、服务和情境的能力。
为了最大化利用AutonomousAgents在自动化工作流程中的潜力,关键是认识到一旦它们与数字工具正确结合,就能实现有效的利用。在配置Agents的过程中,向它们提供数字工具的操作文档,Agents则能“理解”如何操作这些工具。此后,Agents便可向这些工具发送指令,并通过API调用来获取操作结果。换句话说,Autonomous Agents能够直接向企业系统发出指令。这种做法有可能从根本上转变企业的运营模式,使企业能够更广泛地实施自动化,并显著减少劳动力成本。
Autonomous Agents可以直接“告诉”企业系统要做什么,这可能从根本上改变公司的运营方式,使其能够更全面地部署自动化。
此外,Autonomous Agents不仅有可能超越现有的RPA技术,而且可能会大大扩展其应用领域。与基于严格的“if-then”逻辑规则运作、适用范围有限的RPA不同,Autonomous Agents更具有通用性。它们不受预设场景的束缚,也无须预先定义明确的规则。因此,Autonomous Agents带来的自动化将更具适应性,能够覆盖更多种类的任务。

考虑到这些特点,Autonomous Agents未来带来的变革或许将远超现今主要作为辅助工具使用的LLMs。举个例子,在不久的将来,市场营销高级管理人员可能通过Autonomous Agents来拆分并自动化整个工作流程。基于公司以往的市场活动,Autonomous Agents能够自主分析哪些策略成功,哪些失败,并据此做出关于邮件设计、定时发送、图形设计以及标题选择的决策。它还能识别出营销活动应当针对的消费者类型,并评估各项指标,如邮件打开率、阅读次数、点击量和回应情况是否值得向管理层汇报。如果活动的结果没有达到预定目标,Autonomous Agents能够独立地重新出发,根据先前活动的反馈创建一个新的、更有针对性的顾客名单。

目前企业正开始利用LLMs进行大规模的人类行为模拟,这一点在使用人工智能虚拟焦点小组评估新产品或服务的市场适配性时尤为明显。LLMs的使用范围还扩展到了学术研究,其中模拟社会系统的任务在传统的代理基础建模方法上获得了进一步的发展。然而,这些模拟过程仍旧需要依赖人和LLMs之间的互动才能洞察价值,且它们有可能因LLMs训练数据中存在的偏差而产生误导。

Autonomous Agents技术可能成为解决这些问题的关键,它能够使得在更广泛的场景中实施大规模模拟成为现实。作为初始步骤,Agents可以承担起设计问卷和面试等基础研究任务,创造出更加真实的虚拟用户模型,这有助于使模拟活动更加符合目标用户群体的真实特点。更重要的是,Agents的运用可以无需人工干预,直接引导LLMs进行模拟和洞察提取,这样我们就能够以更低的成本和更快的速度进行一系列复杂的AI支持测试。也就是说,Agents技术将为企业提供一个强大的自动化大规模模拟工具,以便更加便捷地应用。

然而,Autonomous Agents并不意味着会替代企业使用的深度细致的面对面定性研究方法。相反,它们通过提供低成本的精细模拟,帮助企业识别哪些问题或议题需要利用更为耗时、成本较高的传统市场研究方法进行深入分析。
公司如何做好准备
Autonomous Agents目前的应用仍然受限,这主要是因为它们在可靠性方面存在风险和局限性,还有被恶意使用的潜在可能性,以及受到网络攻击后带来的更大影响。然而,这些挑战似乎都不构成根本性障碍。科技公司正在解决这些问题,在调研中我们发现,Autonomous Agents将在未来三到五年内会成为主流;还有一些人认为,届时我们甚至可能会看到既可靠又具备一定自主性的系统。
虽然三到五年可能在技术发展的时间线上显得较长,但对于那些需要进行广泛转型并精心规划的公司来说,这样的时间窗口实际上已迫在眉睫。领导者应当立即采取以下四个步骤:

1、为Agents软件打造合适的架构。当前,侧重于部署LLM的公司可能正专注于建立单向信息流,使得LLM能从企业系统中检索信息。但是,考虑到未来Autonomous Agents的出现,还应确保LLM能双向操作,即不仅能检索数据,还能通过API向系统发送指令。

2、寻找机会并准备进行试验。密切关注Autonomous Agents技术的最新进展,并挑选那些即便处于早期发展阶段也能进行测试的解决方案,以此在产品、服务或运营模式上构建新的竞争优势。目前对生成式AI应用的研发投资应进一步增加,以辨识那些适合未来Autonomous Agents全流程自动化的工作流程。

3、对人员策略进行重新配置。当前的人工智能已能协助完成某些任务,未来Autonomous Agents的发展将实现工作流程的全面自动化。在此背景下,企业在人力资源规划时必须考虑到这一趋势,并着力于培养那些长期有价值的技能。特别是对于专业服务行业而言,Autonomous Agents有潜力将原本复杂的多步骤工作标准化,这些工作以前难以自动化。因此,相关企业需要重新思考其人才招聘策略,确保其团队的技能配置能够适应自动化带来的改变。
4、预期社会许可的需求。确保这项技术广泛部署的前提是获得社会许可。虽然法规可能需要时间来适应技术进步,但公司在此期间应实施自律机制,确保技术的适当与安全使用,无论是在内部还是面向客户的应用。尽管强有力的自我监管是获得社会许可的基础,但它本身并不是长久之计。因此,公司还需要与监管机构积极合作,帮助他们制定监管Autonomous Agents及未来类似技术使用的正确策略。
对很多企业来说,生成式AI的迅猛发展既带来兴奋也引发担忧,他们迫切地想要采纳这项技术,同时也清楚地看到了其中潜在的风险和挑战。而就在他们忙于应对当前情况的同时,生成式AI的变革仅仅拉开了序幕,预计它将以惊人的速度继续发展,未来的趋势已不容忽视。
文章信息来源:BCG Henderson研究所,由RPA中国编译发布,如有侵权,请联系删除。

-  END  -

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/643300.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

【力扣 445】两数相加 II C++题解(链表+模拟+数学+头插法)

给你两个 非空 链表来代表两个非负整数。数字最高位位于链表开始位置。它们的每个节点只存储一位数字。将这两数相加会返回一个新的链表。 你可以假设除了数字 0 之外,这两个数字都不会以零开头。 示例1: 输入:l1 [7,2,4,3], l2 [5,6,4]…

indexedDB的基本操作

indexedDB概述 IndexedDB 就是浏览器提供的本地数据库,它可以被网页脚本创建和操作。IndexedDB 允许储存大量数据,提供查找接口,还能建立索引。这些都是 LocalStorage 所不具备的。就数据库类型而言,IndexedDB 不属于关系型数据库…

算法训练营Day55(子序列--编辑距离)

392.判断子序列 392. 判断子序列 - 力扣(LeetCode) 这道题目算是 编辑距离问题 的入门题目(毕竟这里只是涉及到减法),慢慢的,后面就要来解决真正的编辑距离问题了 和最长公共子序列相似 他那道题区别就是e…

期待已久!阿里云容器服务 ACK AI 助手正式上线

作者:行疾 大模型技术的蓬勃发展持续引领 AI 出圈潮流,各行各业都在尝试采用 AI 工具实现智能增效。 2023 年云栖大会上,阿里云容器服务团队正式发布 ACK AI 助手,带来大模型增强智能诊断,帮助企业和开发者降低 K8s …

Spark运行架构以及容错机制

Spark运行架构以及容错机制 1. Spark的角色区分1.1 Driver1.2 Excuter 2. Spark-Cluster模式的任务提交流程2.1 Spark On Yarn的任务提交流程2.1.1 yarn相关概念2.1.2 任务提交流程 2.2 Spark On K8S的任务提交流程2.2.1 k8s相关概念2.2.2 任务提交流程 3. Spark-Cluster模式的…

BACnet网关BA100实现Modbus转BACnet,专为Modbus协议设备与BA系统的高效对接设计

随着物联网技术的迅猛发展,人们深刻认识到在智能化生产和生活中,实时、可靠、安全的数据传输至关重要。在此背景下,高性能的物联网数据传输解决方案——协议转换网关应运而生,广泛应用于工业自动化和数字化工厂应用环境中。 钡铼…

搜维尔科技:【简报】元宇宙数字人赛道,《莉思菱娜》

个性有些古灵精怪时儿安静时而吵闹,虽然以人类寿命来算已经200多岁但在 吸血鬼中还只是个小毛头,从中学开始喜欢打扮偏爱黑白灰色系的服装喜欢时 尚圈,立志想成为美妆或时尚网红不过目前还是学生,脸上的浅色血迹是纹身 贴纸&#…

深度学习-循环神经网络-RNN实现股价预测-LSTM自动生成文本

序列模型(Sequence Model) 基于文本内容及其前后信息进行预测 基于目标不同时刻状态进行预测 基于数据历史信息进行预测 序列模型:输入或者输出中包含有序列数据的模型 突出数据的前后序列关系 两大特点: 输入(输出)元素之间是具有顺序关系。不同的顺序,得到的结果应…

安全基础~通用漏洞1

文章目录 知识补充Acess数据库注入MySQL数据库PostgreSQL-高权限读写注入MSSQL-sa高权限读写执行注入Oracle 注入Mongodb 注入sqlmap基础命令 知识补充 order by的意义: union 操作符用于合并两个或多个 select语句的结果集。 union 内部的每个 select 语句必须拥有…

哈希--73. 矩阵置零/medium 理解度A

73. 矩阵置零 1、题目2、题目分析3、复杂度最优解代码示例4、适用场景 1、题目 给定一个 m x n 的矩阵,如果一个元素为 0 ,则将其所在行和列的所有元素都设为 0 。请使用 原地 算法。 示例 1: 输入:matrix [[1,1,1],[1,0,1],[1,…

express 项目支持 typescript 实战

首先创建一个express项目 初始化项目 mkdir myapp cd myapp npm init (都用默认值)添加依赖包 npm install express nodemon修改 package.json {"name": "myapp","version": "1.0.0","description": "","…

$.ajax与同源策略

1.jQuery中的ajax请求 学习Jquery中的ajax,我们借助官方文档 $.ajax(url,[settings]) | jQuery API 3.2 中文文档 | jQuery API 在线手册 使用$.ajax()方法完成图书案例 <!DOCTYPE html> <html lang"en"><head><meta charset"UTF-8&quo…

Oracle dbms_sql 的用法

DBMS_SQL 是 Oracle 数据库中的一个包&#xff0c;用于动态执行 SQL 语句。它允许您在运行时构建和执行 SQL 语句&#xff0c;提供了对动态 SQL 的支持。以下是 DBMS_SQL 的基本用法&#xff1a; 打开游标: 使用 DBMS_SQL.OPEN_CURSOR 打开一个游标。 DECLARE l_cur INTEGER;…

mc我的世界服务器多少钱一个月?

我的世界服务器多少钱一个月&#xff1f;低至7元一个月&#xff0c;阿里云和腾讯云均可以选择mc服务器&#xff0c;阿里云2核2G3M轻量服务器87元一年、腾讯云轻量2核2G3M服务器88元一年&#xff0c;阿里云ECS云服务器2核2G3M带宽99元一年&#xff0c;腾讯云2核4G5M带宽轻量应用…

RabbitMQ中交换机的应用 ,原理 ,案例的实现

&#x1f389;&#x1f389;欢迎来到我的CSDN主页&#xff01;&#x1f389;&#x1f389; &#x1f3c5;我是平顶山大师&#xff0c;一个在CSDN分享笔记的博主。&#x1f4da;&#x1f4da; &#x1f31f;推荐给大家我的博客专栏《RabbitMQ中交换机的应用及原理&#xff0c;案…

8.Gateway服务网关

3.Gateway服务网关 Spring Cloud Gateway 是 Spring Cloud 的一个全新项目&#xff0c;该项目是基于 Spring 5.0&#xff0c;Spring Boot 2.0 和 Project Reactor 等响应式编程和事件流技术开发的网关&#xff0c;它旨在为微服务架构提供一种简单有效的统一的 API 路由管理方式…

JVM工作原理与实战(二十五):堆的垃圾回收-垃圾回收算法

专栏导航 JVM工作原理与实战 RabbitMQ入门指南 从零开始了解大数据 目录 专栏导航 前言 一、垃圾回收算法介绍 1.垃圾回收算法的历史和分类 2.垃圾回收算法的评价标准 二、垃圾回收算法详解 1.标记清除算法 2.复制算法 3.标记整理算法 4.分代垃圾回收算法 总结 前言…

密码学的100个基本概念

密码学作为信息安全的基础&#xff0c;极为重要,本文分为上下两部分&#xff0c;总计10个章节&#xff0c;回顾了密码学的100个基本概念&#xff0c;供小伙伴们学习参考。本文将先介绍前五个章节的内容。 一、密码学历史 二、密码学基础 三、分组密码 四、序列密码 五、哈希…

生命在于折腾——WeChat机器人的研究和探索

一、前言 2022年&#xff0c;我玩过原神&#xff0c;当时看到了云崽的QQ机器人&#xff0c;很是感兴趣&#xff0c;支持各种插件&#xff0c;查询游戏内角色相关信息&#xff0c;当时我也自己写了几个插件&#xff0c;也看到很多大佬编写的好玩的插件&#xff0c;后来因为QQ不…

数据结构:搜索二叉树 | 红黑树 | 验证是否为红黑树

文章目录 1.红黑树的概述2.红黑树的性质3.红黑树的代码实现3.1.红黑树的节点定义3.2.红黑树的插入操作3.3.红黑树是否平衡 黑红树是一颗特殊的搜索二叉树&#xff0c;本文在前文的基础上&#xff0c;图解红黑树插入&#xff1a;前文 链接&#xff0c;完整对部分关键代码展示&a…