2024 年滿城盡帶 AI Agent。上個月還說在做 AI Copilot 的人，這個月就改做 Agent 了，現在流行 AI 駭客馬拉松，一場至少能看見幾十個「AI Agent」。
大語言模型爆發這年，我們在「概念陷阱」裡鬼打牆，大談各種新名詞：Agent、Copilot、RAG、Reasoning、Grounded、Alignment……說實話有點膩了，嘴邊不常掛著這些詞，就不能做AI了？
如「AI Agent」，做了自動寫IG發文的GPTs，說這是寫作Agent；做基於大語言模型的RPG角色模擬器，說是遊戲開發Agent……這時有人說：都是AI輔助工具，充其量只是Copilot（副駕駛），你看史丹佛大學和Google搞的「史丹佛小鎮」，25個AI互相溝通和協作，那才是真正的AI Agent。究竟誰說的對？什麼才是AI Agent？這其實是現狀：當下討論AI概念，人們卻以缺乏共識的定義為前提，所以認知從沒「對齊」（align）過。
很多人拿「AI Agent」當成大語言模型時代的新名詞討論，殊不知Agent是個骨灰級AI概念。Agent第一次成為AI術語，是1995年出版的經典AI教科書《人工智慧：現代方法》（Artificial Intelligence: A Modern Approach），定義AI是：「智慧代理的研究和設計」（study and design of intelligent agents），看來將Agent當成AI發展的終極目標，至少也是快30年前的事了，折射出人類發展AI的初衷，即尋找人類所有行為的「代理人」。
不少人還忽略Agent其實也是經濟學和組織行為學概念，現代經濟社會充斥各種Agent，如公關代理公司（PR Agency）、旅行社（Travel Agency）等，都具機構代表某方行動和交易的意思。AI定義的Agent，意義與經濟學和組織行為學很接近，即AI為一人或組織代表，進行某種特定行為和交易，降低一人或組織的工作複雜程度，減少工作量和溝通成本。
AI真正成為Agent就是靠大語言模型。AI Agent這古老概念2023年翻紅並不是巧合，OpenAI 安全團隊負責人Lilian Weng知名文章〈LLM Powered Autonomous Agents〉，普遍視做OpenAI對AI Agent的官方定義，文章將Agent定義為大語言模型（LLM）、記憶（Memory）、任務規劃（Planning Skills）和工具使用（Tool Use）集合，LLM是大腦，記憶、任務規劃和工具使用是Agent三個核心元件。值得注意的是，文章強調Agent自動調取外部API工具，自動子目標分解任務，自動建立思維鏈（CoT）、自我批評和自我回饋能力，都指向文章標題的關鍵詞「autonomous」，即Agent自動化。
AI革命普遍視作「第四次工業革命」，前三次是19世紀初蒸汽革命、19世紀末的電力革命、20世紀中葉的資訊技術革命。貫穿前三次人類工業革命的關鍵詞當屬「自動化」（automation）。蒸汽機和電力革命實現工業生產體力勞動的自動化，提高生產效率。資訊技術革命提高工業生產自動化程度同時，也可取代人類部分腦力勞動。第四次工業革命的AI革命，一方面將工業生產自動化執行更徹底（如機器人和滿是感測器的無人工廠），另一方面前所未有開啟腦力勞動自動化。腦力勞動自動化的載體，就是AI Agent。
從這個意義，什麼是AI Agent爭論有點無聊。史丹佛小鎮是基於論文的先鋒實驗，當作評判AI應用是否Agent的座標，無助AI Agent提高智力密集型效率。筆者暴論：AI Agent本質就是automation of human action（人類行為自動化），只要它不是人類要求的完成任務，就像ChatGPT對話框輸入prompt、啟動Office 365的Copilot完成工作，而具備一定程度完成任務的自主性甚至不完全可控，就是AI Agent。
現在較尷尬的是：你可能讀過不少AI Agent論文和社群討論，卻沒真的用過順手的Agent，這恐怕是Agent這新物種注定要經過的階段。人們常提到AI Agent典範是接入GPT能力的AutoGPT，不過無論美國或中國，已有更好用AI Agent的雛形。
第一個是ChatGPT新升級付費版ChatGPT Team，提供小型企業用個人ChatGPT帳號協作的「私域空間」，ChatGPT Team用戶數據不會用來反向訓練GPT模型，使用者還可創建企業GPTs，讓這些GPTs合作。筆者覺得ChatGPT Team比GPT Store更重要也更實用，GPT Store太亂，多數GPTs品質粗糙，對話框指令幫忙做什麼，且不能用API。但私密環境ChatGPT Team，GPTs互相調用介面、合作順利多了。ChatGPT Team是ChatGPT走向AI Agent的第一步，畢竟ChatGPT已有15萬企業客戶。
第二個是中國智譜AI的GLM模型智慧體（GLMs），是中國清華大學體系出身最像OpenAI的公司，剛推出的GLM-4一切向GPT-4看齊，許多評測基準達GPT-4 85%以上。GLMs是GLM-4的副產品，也是GLM-4模型能力的外溢。GLM-4的All Tools支援GLM-4依使用者需求決定是用繪圖、搜尋、製表還是程式設計解決問題，本身就具AI Agent屬性。與Open AI只追求通用性不同，智譜AI對金融、醫療和教育等都有系列客製服務，積累不少to B客戶基礎和業界know-how，讓客戶基於GLM-4部署GLMs智慧體更合理也更容易。
第三個也為中國清華大學背景的「面壁智慧」：有自己的「史丹佛小鎮」，基於面壁智慧的ChatDev框架，但此小鎮不是虛擬社會，而是AI版軟體公司，不同AI智慧體設為工程師、產品經理、測試工程師和設計師等角色，可互相合作，還能站在自己立場互相博弈，就與人類上班會發生的事一樣。面壁智慧ChatDev框架支援開發者搭建自己的AI Agent，結合單體和群體智慧，讓AI Agent成為每個員工都能用的「逃避」很多狗屎工作的自動化工具。順提ChatDev框架成形並不比史丹佛小鎮論文發表晚，最大啟示是原生AI應用開發可能性：AI Agent實現AI應用開發自動化。
第四、五為中國釘釘和飛書「智慧體」。AI Agent本質更接近產品而非技術，如果認為AI Agent是生產力工具，就不能忽略釘釘和飛書的上億使用者，百萬政企組織，大量文件、會議摘要、溝通記錄、表格和自建工具，都讓釘釘「智慧助理」和飛書「智能夥伴」更容易化身成每個使用者的助理，部分自動完成例行瑣事，如工作總結、會議摘要、報帳和出差流程、追蹤回饋，甚至代理吵架。身為使用者，筆者得說釘釘智慧助理和飛書智能夥伴離好用還差得很遠，恐怕是通義大模型和雲雀大模型的鍋，但場景豐富、數據真實、用戶數量大，釘釘「智慧助理」和飛書「智能夥伴」更容易被用。Agent也是在使用過程有更佳理解能力，模型進步後，釘釘和飛書Agent化就會往前大步走。筆者再下暴論：釘釘和飛書會成為中國AI Agent的重要產品。
好用和好玩選一，筆者堅信對AI Agent好用比好玩重要，因首先是生產力工具，AI紙片男女友也有理解能力和情緒價值，但可叫成「智慧體」或「智慧玩偶」，卻不是「智慧代理」，因不具代理人類完成某項任務或使命的功能。所以AI Agent翻成「智慧體」不適合，它就是「智慧代理」，「代理」屬性是AI Agent的經濟學和組織行為學，也是推動腦力勞動自動化的本質。
今年CES史丹佛大學知名AI學者李飛飛提出一個重要觀點：應該確定AI Agent取代的是人類「任務」而不是「工作」。達沃斯論壇時，OpenAI CEO Sam Altman面對「AI讓人失業」這老生常談詰問時，只說：AI取代人們工作的方式，而不是工作本身。
筆者同意李飛飛和Sam Altman的觀點，腦力勞動者的工作是由每個具體關鍵任務組成，但不是工作的全部，目標設定、創造性、資源取得和分配、設定更高目標、規劃不同任務、判斷力、說服力與表現力……我們工作有太多更有意義的元素，將流程、事務性和庶務性任務交給Agent，少寫幾行常規代碼，少發幾封吵架信，少做機器操作表格，少調幾次PPT格式，少複製黏上，少親自填寫和審查出差和報帳流程，人類工作應該更愉快，也更有創意。
當然AI Agent普及，也許會讓某些「白領工人」無所適從甚至失去工作，但也會提高很多職位，甚至基層聰明人的創造性、格局感、整體感和生產力，提高工作效率，創造更高生產力同時，更重要的是減少工時。
八小時工作制成為通用標準已是百年前的事了，人們之所以每天工作八小時，是工人抗爭的結果，也是電力工業革命後生產力大爆發的產物。在更高生產效率面前，人們有底氣爭取更少工時、更高工資和更多學習、休閒、旅遊消費時間。但計算機革命後，人類生產效率又前所未有地提高，為什麼工時卻沒有減少，反而某些號稱最高智力密集的科技和網路公司甚至更長？這裡面一定出了問題。
筆者再來暴論：將來衡量AI Agent智慧化程度如何，可看是否讓人類每天只需工作四小時，重複性、流程性、條件反射式性、經驗主義可奏效、強化學習可理解，甚至表演性質工作，統統交給AI Agent：可能是釘釘和飛書，可能是面壁智慧的工作坊，也可能是GLM和GPT企業版，反正筆者只要結果，因真的只想每天工作四小時。
不久前和釘釘總裁葉軍聊天，筆者問這玩意能讓我們每天只上班四小時嗎？他說：如果可能每天只需工作一小時。事後筆者覺得葉軍誇張了，不過他還說AI Agent能讓更多人當自己老闆，筆者倒是同意這點。
（本文由 品玩 授權轉載；首圖來源：shutterstock）
科技新報粉絲團
加入好友
訂閱免費電子報
