如果你这个月关注了谷歌I/O大会、OpenAI的春季更新或微软Build大会，你可能在过去一个月里经常听到“AI智能体”这个词。它们正迅速成为科技界的下一个大热门，但到底什么是AI智能体？为什么大家突然都在谈论它们？

谷歌首席执行官桑达尔·皮查伊在谷歌I/O大会上描述了一个能够代替你送回一双鞋的人工智能系统。在微软，该公司宣布了Copilot AI系统，该系统可以像虚拟员工一样独立行动。与此同时，OpenAI发布了一个名为GPT-4 Omni的AI系统，该系统能够看、听和说。在此之前，OpenAI首席执行官萨姆·阿尔特曼告诉麻省理工学院技术评论，有用的智能体是这项技术最大的潜力所在。这些类型的系统是所有AI公司都在努力达到的新标准，但说起来容易做起来难。

简单来说，AI智能体就是能够独立执行某些操作的AI模型。它们类似于《钢铁侠》中的贾维斯（Jarvis）、《星际穿越》中的塔尔斯（TARS）或《太空漫游2001》中的HAL 9000。它们的功能比我们所熟悉的聊天机器人更进一步——它们能够执行操作。起初，谷歌、微软和OpenAI都在尝试开发能够处理数字操作的智能体。这意味着他们正在教AI智能体与计算机上的各种API协同工作。理想情况下，它们可以按下按钮、做出决策、自主监控渠道并发送请求。

“我同意未来是智能体的天下，”Echo AI的创始人兼首席执行官亚历山大·克瓦姆（Alexander Kvamme）表示。他的公司开发的AI智能体可以分析企业与客户的对话，并提供如何改善客户体验的见解。“这个行业已经谈论了多年，但至今尚未实现。这只是一个非常困难的问题。”

克瓦姆表示，一个真正的智能体系统需要独立地做出数十或数百个决策，这很难实现自动化。以退回一双鞋为例，正如谷歌的皮查伊所解释的那样，AI智能体可能需要扫描你的电子邮件以查找收据，提取你的订单号和地址，填写退货表格，并代表你执行各种操作。在这个过程中，有很多决策是你甚至没有意识到的，但你却在潜意识中做出了这些决策。

正如我们所见，即使在受控环境中，大型语言模型也不完美。当你要求LLM在开放的互联网上独立工作时，它们容易出错。但这就是无数初创公司（包括Echo AI）以及谷歌、OpenAI和微软等大型公司正在努力解决的问题。

如果你能在数字世界中创建智能体，那么创建与物理世界交互的智能体就没有什么障碍了。你只需要将任务编程到机器人中。然后你就真正进入了科幻小说的领域，因为AI智能体有可能为机器人分配诸如“接受那张桌子的订单”或“在这个屋顶上安装所有木瓦”之类的任务。我们离这个目标还很远，但第一步是教AI智能体执行简单的数字任务。

在AI智能体的世界中，经常讨论的一个问题是：确保你没有设计出一个过于擅长执行某项任务的智能体。如果你构建了一个用于退回鞋子的智能体，你必须确保它不会退回你所有的鞋子，或者可能退回你Gmail收件箱中所有带有收据的物品。虽然这听起来很愚蠢，但有一小部分AI研究人员担心AI智能体可能会给人类文明带来灾难。我想，当你正在构建科幻小说的内容时，这是一个合理的担忧。

另一方面，也存在着乐观主义者，如Echo AI，他们相信这项技术将具有赋权作用。AI社区中的这种分歧相当明显，但乐观主义者看到了AI智能体的解放效应，这与个人电脑相当。

“我坚信，智能体将解决许多人类不愿意做的工作，”克瓦姆说。“而且他们在生活中有更高价值的使用时间。但是，他们必须适应。”

AI智能体的另一个用例是自动驾驶汽车。特斯拉和Waymo目前在这一技术中处于领先地位，汽车使用AI技术在城市街道和高速公路上导航。虽然这是一个小众领域，但自动驾驶技术是AI智能体中相当发达的一个领域，我们已经在现实世界中看到了AI的运行。

那么，什么将引领我们走向AI可以退回你的鞋子的未来？首先，底层的AI模型可能需要变得更好、更准确。这意味着ChatGPT、Gemini和Copilot的更新可能会先于完全运行的智能体系统。AI聊天机器人仍然需要克服它们巨大的幻觉问题，这是许多研究人员尚未找到解决方案的问题。但智能体系统本身也需要更新。目前，OpenAI的GPT商店是开发智能体网络的最努力尝试，但即使如此，它目前也还不是非常先进。