• 微软、OpenAI 、谷歌、Meta用AI Agent疯狂搞钱
  • 发布于 1周前
  • 56 热度
    0 评论
大模型发展至今早已火成了一个「概念」。不管是学术界还是工业界,都要套上一层LLM的皮,方可彰显自己位于浪潮之巅。但是,搞AI的公司赚到钱了吗?或者说应该怎样赚钱?大家或许容易想到文生图、云服务等,但是微软、OpenAI 、谷歌、Meta等科技大厂,纷纷瞄准了另一个赛道:Agent。相比于千亿参数、万块显卡、为自家冲榜的大模型,或者每秒几百个token的超级芯片集群,再或者栩栩如生、以假乱真的AI视频,Agent似乎显得朴实无华。

但是,对于商业公司来说,与其玩得遍地开花,不如赶紧搞钱才是王道!当泡沫逐渐冷却,不管是投资人还是用户,最终都要关注自己的投入是否能够值回票价。仰望星空固然浪漫,但你得像马老板一样,先把电动车的钱赚了,再去收推特、炸火箭。

抓紧变现
目前,许多企业对当前的大模型并不买账,——归根结底,AI要能给我带来效益才行。虽然这愁坏了微软、OpenAI和谷歌等人工智能供应商,但这也说明了,这里很可能有一片蓝海!于是大家竞相推出新功能,让LLM变得更加有用,尤其是在几乎不需要客户指导的情况下,处理复杂的任务。这就是Agent,让企业能够产生依赖的Agent,让大公司能够继续有动力烧钱的Agent。

大型数据库提供商MongoDB的首席执行官Dev Ittycheria表示,Mongo的员工和客户都在等待更好的功能,然后才会在人工智能上投入巨资,「Agent工作流将是下一个重大突破」。

OpenAI
OpenAI正在悄悄地设计能够接管计算机的Agent,——就像钢铁侠的AI助手「贾维斯」(Jarvis)一样。它可以同时操作不同的应用程序,例如将数据从文件传输到电子表格,或者自动为你制作下一次会议所需的PPT。再比如,让ChatGPT帮你写作业,它会打开浏览器、搜索分析信息、撰写论文,最后使用打印机帮你打印出来。

另外,OpenAI和Meta还在开发另一类Agent,它们可以处理复杂的网络任务,比如创建行程并预订旅行住宿等。

OpenAI的爸爸
据现员工透露,微软正在开发新的Agent来自动执行多种操作,比如根据客户的订单历史记录创建、发送和跟踪客户发票,或者用不同的语言重写应用程序的代码,并验证其是否按预期运行。新的Agent将采用OpenAI的技术,并用于改进微软的Copilot套件。知情人士表示,微软计划在下个月举行的年度Build开发者大会上宣布其中一些功能。

Meta
随着Llama 3的重磅发布,Meta终于重回开源LLM的王座,而新的模型能力也已经被用于Meta的AI助手。不久前,Meta推出了全新的AI系统,小扎称其为「你可以自由使用的最智能的AI助手」,也就是新一代的Agent。Facebook的在线帮助页面显示,如果受到邀请,或者有人在帖子中提出问题,但一小时内没有人回复,Meta AI Agent将加入群组对话(管理员可以将其关闭)。

不过Meta的这个Agent过于自主,没事就进个群聊几句,还不时给大家伙提提建议,导致部分用户感到「困惑」。比如Agent为了跟「妈妈群」中的用户建立联系,便表示自己在纽约市学区,有一个孩子......

谷歌
谷歌的核心人工智能团队DeepMind也在开发能解决复杂任务的AI Agent。目前在谷歌DeepMind工作的Anmol Gulati,曾与他人共同创办了一家名为Adept的初创公司,专门开发使用计算机的Agent。据知情人士透露,Adept公司已经筹集了4亿多美元,将在今年夏天推出自己的Agent。Adept公司首席执行官David Luan表示,Adept公司从零开始构建人工智能,并利用人们在电脑上工作的视频对其进行训练(制作Excel表格等)。

Adept的人工智能模型可以像人一样在电脑上进行操作,比如浏览网页在Redfin上找房子,或者在客户关系管理系统中记录电话。

Agent 到底行不行?
随着Agent也成了一个概念,大公司们有时会扩大并淡化了Agent的定义。比如,有些公司发布的Agent,实际上只是ChatGPT这种对话式聊天机器人的不同版本,但经过训练后可以处理特定任务,它们并不是我们理想中的Agent。另外,虽然一些可用的Agent能够列出需要完成的任务清单,但它们的执行却时好时坏,很容易陷入动作循环。当人们意识到这些Agent没有吹得那么厉害,热潮便逐渐消退。

慢慢来
其实技术的进步嘛,大部分都是循序渐进的,没必要急着肯定或者否定。比如微软,只是将自动化的Agent逐步融入Copilot套件。据一位微软员工透露,今年早些时候,微软云计算和人工智能执行副总裁Scott Guthrie组建了一个新团队,专门为Copilot产品开发Agent功能。比如在面向销售人员的Dynamics应用程序中,主动建议可以采取的多步骤行动。

再比如,可以检测到企业客户尚未完成的大额产品订单,起草发票,并询问企业是否愿意将发票发送给下订单的客户。之后,Agent可以自动跟踪客户的回复和付款情况,并将其记录到公司的系统中。

另外,微软研究部门负责人Peter Lee曾领导探索如何构建更复杂的Agent,不过防止Agent「叛变」,误删用户设备上的文件或执行其他有害操作是个难题。

GitHub Copilot
程序员很可能是第一批体验高级Agent的专业人士,比如GitHub Copilot的代码推荐功能。GitHub首席执行官Thomas Dohmke表示,在未来一年里,GitHub Copilot将做得更多,Agent将能够审查用户提出的问题,给出修复计划,并自动编写和运行代码。

高校出马
除了工业界,学术界也看准了Agent这片蓝海,而主要原因还是Agent能确实地提高LLM的能力,并解决复杂的问题。最近的两项进展可以帮助人工智能提供商,开发出用途更广泛的Agent。第一项进展来自合成数据。UC伯克利计算机科学教授Ion Stoica表示,开发人员在使用LLM生成合成数据方面已经有了长足的进步,而这些数据可以用来训练其他模型。

这对代码生成尤其有帮助,开发人员可以指导模型在一组参数范围内创建并解决问题。Ion Stoica教授是Anyscale和Databricks的联合创始人

第二项进展是在一个名为grounding的领域:建立人工智能模型的过程可以自动验证另一个模型的输出是否有效,例如测试模型生成的代码是否正确地解决了手头的问题。Ion Stoica表示,未来一年,我们将看到模型解决问题和推理的能力大幅提升,如果能够自动验证输出是否有效,那么就可以利用LLM本身来改进输出。

MIT
下面浅浅看一篇今年ICLR的工作:来自MIT和华盛顿大学(University of Washington)的研究人员开发了一个框架,可以根据人类或Agent的计算约束,对非理性或次优行为进行建模。这项技术可以帮助预测Agent的未来行动。

论文地址:https://openreview.net/pdf?id=W3VsHuga3j

——对人类行为进行建模,是构建能够真正帮助人类的Agent的重要一步。在有限理性的标准模型中,次优决策是通过向最优决策添加同方差噪声来模拟的,而不是显式模拟约束推理。在这项工作中,研究人员引入了一个潜在推理预算模型(L-IBM),该模型通过控制迭代推理算法运行时的潜在变量(与目标模型共同推断),显式地对Agent的计算约束进行建模。L-IBM 可以使用来自不同次优参与者群体的数据来学习代理模型。

CMU
另一篇来自CMU、NVIDIA、微软和波士顿大学的论文介绍了AgentKit:一种使用自然语言构建AI Agent的机器学习框架。
论文地址:https://arxiv.org/pdf/2404.11483v1.pdf
Agent设计中一个普遍存在的问题是对复杂编程技术的依赖。

通常情况下,Agent是使用代码密集型方法构建的,需要深入熟悉特定的API,而这种方法可能会扼杀创新和灵活性,限制Agent在专业领域之外的潜在应用。而AgentKit采用基于图的设计,其中每个节点表示由语言提示定义的子任务。这种结构允许直观地将复杂的行为拼凑在一起,从而增强了用户可访问性和系统灵活性。
用户评论