【新智元導讀】吳恩達認為，智能體的發展將會成為AI時代重要的力量，甚至比基礎模型還要重要。工作之余，「吳老師」連發多篇博客，向大家介紹了AI智能體的四大設計模式。
AI時代的風口在哪裏？
吳恩達認為，AI Agent將在今年推動人工智能的大規模進步。
——甚至，有可能超過下一代基礎模型所帶來的影響。
他希望所有從事人工智能工作的人，都能關注 AI智能體的發展。
Andrew Ng
大佬「退役」後，作為專業的「教書先生」，仍然孜孜不倦，授業傳道解惑。
最近在工作之余，吳恩達連續分享了很多關於智能體的見解，並定義了AI Agent的四大設計模式，
Reflection（反思）、Tool use（工具使用）、Planning（規劃）和Multi-agent collaboration（多智能體協同）：
* -反思：LLM檢查自己的工作，並提出改進的方法。
* -工具使用：LLM利用Web搜索、代碼執行或任何其他功能的工具，來幫助自己收集信息、采取行動或處理數據。
* -規劃：LLM提出並執行實現目標的多步驟計劃（比如一篇論文，首先寫大綱，然後搜索和研究各部分內容，再寫草稿）。
* -多智能體協作：多個AI agent協同工作，分工任務，討論和辯論想法，提出比單個智能體更好的解決方案。
智能體工作流
我們大多數人使用LLM通常是zero-shot模式，模型根據提示逐個輸出token，沒有返回修改的機會。
——這相當於要求人類從頭到尾一口氣寫完一篇文章，不允許回退，——盡管是個比較困難的要求，不過大模型們目前都做得非常出色。
但事實上，我們人類正常的工作流程一般是叠代式的。
比如對於一篇文章，可能需要：計劃一個大綱；通過網絡搜索來收集更多信息； 寫初稿； 通讀初稿，發現不合理的論點或無關的信息； 反復修改......
這種工作模式對於人類寫出好文章至關重要，——那麽對於AI來說，是不是也應如此？
前段時間，世界上第一個AI程序員Devin的演示，在社交媒體上引起了轟動。
吳恩達團隊於是研究了多個相關算法，在HumanEval編碼基準測試中的表現，如下圖所示：
在zero shot的情況下，GPT-3.5的正確率為48.1%，GPT-4的表現更好，達到67.0%。
然而，加入了叠代智能體工作流程之後，GPT-3.5的正確率直接飆到了95.1%，——Agent工作流效果顯著，而且GPT-3.5比GPT-4得到的提升更加可觀。
目前，各種開源智能體工具和相關研究的數量正在激增，擅於利用這些工具和經驗，將使你的LLM更加強大。
Reflection
反思，作為容易迅速實現的一種設計模式，已經帶來了令人驚訝的性能影響。
我們可能有過這樣的經歷：當LLM（ ChatGPT/Claude/Gemini等）給出的結果不太令人滿意時，我們可以提供一些反饋，通常LLM再次輸出時，能夠給出更好的響應。
——如果這個反饋的過程留給LLM自己執行，是不是會更好？這就是反思（Reflection）。
以編碼任務為例，可以通過類似的提示，讓LLM反思自己的輸出：
這是用於任務 X 的代碼，仔細檢查代碼的正確性、風格和效率，並就如何改進它提出建設性的批評。
接下來，將之前生成的代碼和反饋放進提示的上下文，並要求LLM根據反饋重寫代碼。
當然，我們也可以利用一些評估LLM輸出質量的工具，使上面這個過程更進一步，
比如通過單元測試檢查代碼在測試用例上的結果，或者通過web搜索來比對輸出的正確性。
此外，也可以像上圖那樣，使用多智能體框架實現Reflection：一個負責生成輸出，另一個負責對輸出提出建議。
如果諸位對Reflection感興趣，這裏推薦下面幾篇文章，可以提供更多相關的知識：
論文地址：https://arxiv.org/pdf/2303.17651.pdf
論文地址：https://arxiv.org/pdf/2303.11366.pdf
論文地址：https://arxiv.org/pdf/2305.11738.pdf
Tool Use
工具使用，LLM可以調用給定的函數，來收集信息、采取行動或操作數據，——這是AI智能體工作流的關鍵設計模式。
最常見的例子就是LLM可以使用工具，執行Web搜索或執行代碼。事實上，一些面向消費者的大型公司已經采用了這些功能。
比如如果你問Copilot這樣的在線LLM：「最好的咖啡機是哪一款？」，它可能會決定進行網絡搜索，並下載一個或多個網頁以獲取上下文。
畢竟，僅依靠預訓練的Transformer來生成輸出答案是有局限性的，而提供Web搜索工具可以讓LLM做更多的事情。
LLM使用特殊的字符串，例如 {tool：web-search，query：coffee maker reviews} ，以請求調用搜索引擎。
後處理步驟會查找字符串，調用具有相關參數的Web搜索函數，並將結果附加到輸入上下文，傳遞回LLM。
再比如，如果你問，「如果我以12年復利7%，投資100美元，最後會獲得多少收益？」，
LLM可能會使用代碼執行工具，運行Python命令來計算：{tool：python-interpreter，code：100 *（1+0.07）**12}。
現在這個過程更近一步，我們可以搜索不同的來源（Web、Wikipedia、arXiv等），與各種生產力工具交互（發送電子郵件、讀/寫日歷條目等），並且我們希望LLM自動選擇正確的函數調用來完成工作。
此外，當有太多函數可供使用時，無法將所有函數都放入上下文中，這時可以使用啟發式方法，在當前處理步驟中選擇要包含在LLM上下文中的最相關子集。
事實上，當有太多的文本無法作為上下文包含，檢索增強生成（RAG）系統也是采用同樣的方法，選擇要包含的文本子集。
這裏同樣推薦幾篇相關文章：
論文地址：https://arxiv.org/pdf/2305.15334.pdf
論文地址：https://arxiv.org/pdf/2303.11381.pdf
論文地址：https://arxiv.org/pdf/2401.17464.pdf
Planning
規劃，使用LLM將目標任務分解為更小的子任務，然後自主決定執行的步驟。
例如，如果我們要求智能體對給定主題進行在線研究，LLM可以將其拆解為特定的子主題、綜合發現、編寫報告。
曾經，ChatGPT的發布讓很多人經歷了「ChatGPT時刻」，AI的能力大大超出了人們的預期。
——而類似的「AI Agent時刻」，也許很快就會到來。
吳恩達回憶了之前的一次現場展示，因為網速問題，Agent的Web搜索API返回了錯誤，——眼看就要被公開處刑，Agent居然轉到了維基百科的搜索工具，最終完成了任務（救大命了）。
吳恩達表示，看到一個Agent以出人意料的方式執行任務，並獲得成功，是一件美好的事情。
不過也有網友表示，大事不好啦，Agent失控啦！
現實中，有許多任務無法通過單個步驟或單個工具調用完成，但Agent可以決定要執行哪些步驟。
例如，要求智能體參照一張男孩的照片，畫一張相同姿勢的女孩的照片，則該任務可以分解為兩個步驟：（i）檢測男孩圖片中的姿勢，（ii）以檢測到的姿勢渲染女孩的圖片。
LLM可能會通過輸出類似 {tool：pose-detection，input：image.jpg，output：temp1 } {tool：pose-to-image，input：temp1，output：final.jpg} 這樣的字符串來指定計劃。
Planning是一種非常強大的能力，不過它也會導致難以預測的結果。
吳恩達表示Planning仍是一項不太成熟的技術，用戶很難提前預測它會做什麽，——不過我們可以期待技術的快速發展來解決這個問題。---[新智元報導*編輯：alan/來源:新智元]
這裏同樣推薦3篇相關的優秀工作：
論文地址：https://arxiv.org/pdf/2201.11903.pdf
論文地址：https://arxiv.org/pdf/2303.17580.pdf
論文地址：https://arxiv.org/pdf/2402.02716.pdf
參考資料：https://twitter.com/AndrewYNg/status/1779606380665803144
