人工智能从思想走向行动

LAMS不仅能够导航必要的系统，还能调用所需数据以确保预订流程的顺利进行。

从另一个角度来看，LAMS可以被视为数字助理功能的扩展。Chawla指出：“在我看来，数字助理本质上是与人互动的工具，但它们并不是将多个任务组合起来以达成一个共同目标，无论是商业上的还是个人的。”“数字助理正朝着这个方向发展，但LAMS则是在创造一个能够自我学习的系统，因为它会重复执行同样的动作，并且随着时间的推移，它会做得越来越好。”

不同的公司可能会使用不同的术语来描述类似的技术。例如，Gartner将这种技术称为神经符号人工智能（neurosymbolic AI），即结合了神经网络和符号编程（即传统的确定性编程）的技术。

亚马逊及其子公司AWS在开发所谓的半自主人工智能代理（AI Agent）方面投入了大量资源，这些代理不仅能够编码数字助理，还能处理基础的编码任务。AWS的现任CEO Andy Jassy最近表示，这些代理已经为公司节省了相当于4500年的人工Java代码维护时间。

Rabbit r1是另一个LAM的例子，它是一个基于GPT-3.5的个人助理，实现了LAM风格的界面，并能自动与包括Spotify、Apple Music、Midjourney、Suno、Uber和DoorDash在内的某些网站交互。

苹果智能（Apple Intelligence）目前仍处于预览阶段，它代表了LAM类型系统的另一个实例，正如Salesforce正在开发的企业计算套件一样。Chawla提到：“Salesforce一直在讨论如何在幕后使用LAM来处理他们的Salesforce数据，以执行一系列行动，比如发起活动和实际跟踪输出。”

今年7月，麦肯锡发布了一份名为《为什么代理是生成式人工智能的下一个前沿》的报告，赞扬了代理技术为下一代GenAI提供动力的潜力。

这家咨询巨头的分析师写道：“我们正开始从基于知识、以人工智能为动力的工具（例如，回答问题和生成内容的聊天机器人）向以人工智能为动力的‘代理’演变，后者使用基础模型在数字世界中执行复杂的多步骤工作流程。”“简而言之，这项技术正在从理论走向实践。”

麦肯锡表示，人工智能代理将能够自动化“复杂和开放式的用例”，这得益于它们所具备的三个特征：管理多样性的能力、受自然语言支配的能力，以及与现有软件工具和平台协同工作的能力。

麦肯锡称这些“超高效的虚拟同事”很快就会出现在贷款承销、代码文档和现代化以及在线营销活动创建等特定领域。该公司指出：“尽管代理技术还处于起步阶段，但增加对这些工具的投资可能会导致代理系统取得显著的里程碑，并在未来几年内实现大规模部署。”

Chawla承认，在当前阶段，使用LAM架构构建自动化应用程序确实存在一些挑战。LLM是概率性的，有时可能会偏离预期，因此，将它们与使用确定性技术的传统编程相结合，以保持其稳定运行是非常重要的。

例如，3Pillar目前正在开发一个LAM应用程序，它可以与人交互并向他们提问，但LLM有时会偏离轨道或提出不合法的建议。

他说：“因此，正是确定性编程使它保持在正确的轨道上，保持在安全的范围内，但它仍然利用了LLM的力量。”“我们在后台运行知识图谱，因此……答案更加集中、精确，不会产生幻觉，因为它与数据集相反。”

Chawla表示，后台应用程序可能是LLM最好的试验场，因为它们不会让公司因LLM的失误而承担过多责任。大型软件公司的集成ERP套件可以访问大量跨行业数据和跨学科工作流程，这将为LAM和基于代理的人工智能提供信息和动力。

LAM目前只是一个架构概念，但随着时间的推移，这个概念将得到充实。3Pillar可以使用基于软件的框架来加速LAM和人工智能代理系统的开发。

他说：“我认为将会有更多的框架允许您使用预定义的集成、调用或任何常用系统，就像您今天看到的企业服务总线的适配器一样。”“因此，可能会有一个针对Oracle的适配器，以及可用于执行操作的API，然后是通过配置和点击而不是代码来实际构建和创建这些操作的框架。”

Chawla表示，基于消费者的LAM和自主AI代理的潜在优势确实是巨大的，消费者开始看到这些新科技只是时间问题。

他表示：“我认为，在未来两到五年内，这种情况有望出现。”“你将开始看到这些真正的、人工智能驱动的解决方案，而聊天机器人和LLM只是构建模块，仍然存在幻觉之类的问题。但我预计，在我们开始看到实际应用之前，还需要2到5年的时间。”