智能體，與人類共生的新物種？
1月31日，人形機(jī)器人攻關(guān)團(tuán)隊(duì)科研人員在多模態(tài)人工智能系統(tǒng)全國重點(diǎn)實(shí)驗(yàn)室調(diào)試機(jī)器人
文/《環(huán)球》雜志記者?彭茜
編輯/樂艷娜
在冒險類游戲《荒野大鏢客2》廣袤而荒蠻的西部世界，Cradle策馬縱橫馳騁，自由探索，完成了長達(dá)40分鐘的主線劇情；鄉(xiāng)村經(jīng)營類游戲《星露谷物語》中，Cradle搖身一變，成為勤勤懇懇的農(nóng)場主，悉心觀察作物狀態(tài)，澆水施肥；商業(yè)模擬游戲《當(dāng)鋪人生2》中，Cradle根據(jù)顧客情緒和商品信息，熟練地討價還價……
Cradle可不是什么高階的游戲玩家。嚴(yán)格地說，它不是人，而是一個智能體（Agent）。
智能體，這個最早由被稱為“人工智能（AI）之父”的美國認(rèn)知科學(xué)家馬文·明斯基于1986年提出的概念，近期忽然“翻紅”，成為業(yè)界和學(xué)界的熱議話題。
鍛造“全才”
智能體是AI領(lǐng)域的一個重要概念，但對于什么是智能體，目前學(xué)界還沒有一個比較統(tǒng)一的定義。不過總體上，一般認(rèn)同智能體是指能夠自主感知環(huán)境、做出決策并執(zhí)行行動的智能實(shí)體。
首先，它要有自主性，可自主決策，根據(jù)目標(biāo)采取行動。自主使用工具是衡量動物智能的重要指標(biāo)，也是區(qū)別智能體與非智能體的關(guān)鍵。
拿Cradle來說，這款由北京智源人工智能研究院、昆侖萬維、新加坡南洋理工大學(xué)、北京大學(xué)等機(jī)構(gòu)聯(lián)合研發(fā)的智能體，除了能完成各種游戲挑戰(zhàn)，還可以輕松操作各種軟件工具，比如在美圖秀秀里修圖、用剪映剪視頻、從網(wǎng)頁上下載論文、在推特上發(fā)文，堪稱“十八般武藝樣樣精通”。
Cradle的“全能性”，源于它采用了通用計(jì)算機(jī)控制（GCC）框架，能夠像人類一樣，使用屏幕、鍵盤和鼠標(biāo)等與不同軟件交互。
“不同于以往專注于特定軟件或環(huán)境的智能體，Cradle首次提出了GCC的概念，旨在構(gòu)建能通過統(tǒng)一的人機(jī)界面（屏幕截圖、鍵盤和鼠標(biāo)操作）與任何軟件進(jìn)行交互的智能體，無需訪問其源代碼或API（應(yīng)用程序編程接口），從而極大擴(kuò)展了智能體的應(yīng)用范圍。”北京大學(xué)計(jì)算機(jī)學(xué)院副教授、智源學(xué)者盧宗青接受《環(huán)球》雜志記者采訪時說。
其次，它能與環(huán)境交互，從外部世界獲取信息，進(jìn)而影響外部世界。這是智能體的另一個重要特質(zhì)。
人們熟悉的自動駕駛汽車，就是一類已經(jīng)開始逐步融入我們生活的智能體，它可以通過車載雷達(dá)和攝像頭收集周邊環(huán)境狀況，做出路線規(guī)劃和行駛、停止等動作。
此外，智能體還應(yīng)是一個有“學(xué)習(xí)能力”的人工智能（AI），具備可進(jìn)化性，可以自我迭代，能夠在工作過程中通過反饋逐步自動優(yōu)化自身，比如學(xué)習(xí)新技能和優(yōu)化技能組合。
盧宗青說，Cradle就可以自主更新、自我糾錯，自動適應(yīng)新的任務(wù)要求，推動各行各業(yè)的智能化轉(zhuǎn)型。
以ChatGPT為代表的大語言模型（LLM）的出現(xiàn)，標(biāo)志著智能體進(jìn)入批量化生產(chǎn)時代。此前，智能體需靠專業(yè)的計(jì)算機(jī)科學(xué)人員歷經(jīng)多輪研發(fā)測試，現(xiàn)在依靠大語言模型就可迅速將特定目標(biāo)轉(zhuǎn)化為程序代碼，生成各式各樣的智能體。而兼具文字、圖片、視頻生成和理解能力的多模態(tài)大模型（LMM），也為智能體發(fā)展創(chuàng)造了有利條件，使得它們可以利用計(jì)算機(jī)視覺“看見”虛擬或現(xiàn)實(shí)的三維世界，這對于人工智能非玩家角色（AI NPC）和機(jī)器人研發(fā)都尤為重要。
在盧宗青看來，LMM是智能體的“大腦”，其他底層技術(shù)手段是智能體的“感官”和“肢體”。比如，Cradle以GPT-4o模型為“大腦”，結(jié)合了目標(biāo)檢測、圖像分割、文本檢索等技術(shù)，利用GPT-4o強(qiáng)大的多模態(tài)理解和生成能力，處理來自環(huán)境的屏幕截圖和文本信息，生成鍵盤和鼠標(biāo)操作指令，實(shí)現(xiàn)了對多種軟件和游戲的控制。
共生的“新物種”
“它不只是一款操作軟件，它是一種思想，能夠直觀地傾聽你、理解你、了解你。”科幻電影《她》中，AI助手薩曼莎成為男主角西奧多希的知心伴侶，幫他處理日常瑣事，為他排解孤寂與陰霾。
薩曼莎代表了智能體未來發(fā)展的一種形態(tài)——智能助手。她不僅談天說地、噓寒問暖，甚至還能與人類談情說愛。這種科幻暢想，已經(jīng)離我們不再遙遠(yuǎn)。
斯坦福大學(xué)計(jì)算機(jī)科學(xué)系和電氣工程系客座教授吳恩達(dá)等認(rèn)為，使用Agentic System（智能體系統(tǒng)）這個概念，可以更好地幫助我們理解智能體的本質(zhì)。就像自動駕駛汽車根據(jù)其自動駕駛能力可分為L1到L4級別一樣，人們也可以將智能體的智能化能力視為一個頻譜，判斷一個系統(tǒng)在多大程度上成為智能體。可根據(jù)LLM在內(nèi)容輸出、規(guī)劃與決策層面的參與程度，來判斷一個應(yīng)用的智能化程度。如果在一個系統(tǒng)中LLM決定該系統(tǒng)行為的程度很高，就可稱之為“高度智能體化”。
目前，可在不同專業(yè)領(lǐng)域與人類互動，并輔助文圖生成、內(nèi)容分析、數(shù)據(jù)處理等工作的L1至L2級智能體已如雨后春筍般涌現(xiàn)。打開字節(jié)跳動AI大模型“豆包”的人機(jī)交互界面，選擇“發(fā)現(xiàn)智能體”下拉菜單，好似進(jìn)入一個琳瑯滿目的智能體超市：具備廣告策劃能力的“廣告狂人”智能體，可提供英語口語教學(xué)的個性化“英文老師Bruce”，擅長創(chuàng)作有趣故事的“故事大王”……甚至還有各種名人虛擬化身智能體，比如巴黎奧運(yùn)會期間，體育解說員黃健翔智能體可以帶來激情澎湃的賽事解說，奧運(yùn)跳水冠軍吳敏霞智能體則提供了跳水比賽的專業(yè)分析。
而“高度智能體化”的薩曼莎應(yīng)該能達(dá)到L3甚至L4級別。智能體的終極進(jìn)化目標(biāo)，就是L4級別的通用人工智能（AGI）——像人類一樣具備廣泛智能和通用性，能夠在各種情境和任務(wù)中自主地學(xué)習(xí)、決策和行動。
Cradle（搖籃）的命名就代表著研究團(tuán)隊(duì)對實(shí)現(xiàn)AGI的美好暢想，“正如搖籃孕育著生命的開始，通用計(jì)算機(jī)控制（GCC）也承載著我們對AGI的期許，”盧宗青說，他們認(rèn)為GCC將是通往AGI的一條快速且經(jīng)濟(jì)的道路。GCC的實(shí)現(xiàn)安全、高效，能夠廣泛部署于網(wǎng)頁應(yīng)用、桌面軟件、游戲環(huán)境以及任何搭載操作系統(tǒng)的終端應(yīng)用。
Cradle未來將如何進(jìn)化？盧宗青說，它的最終形態(tài)將不再局限于“計(jì)算機(jī)控制”，而是成為一個能夠在各領(lǐng)域輔助人類的通用AI智能體：在任何操作系統(tǒng)環(huán)境中運(yùn)行，與各種軟件和應(yīng)用程序交互，完成各種復(fù)雜任務(wù)。此外，它還能像人類一樣通過觀察、模仿、試錯等方式學(xué)習(xí)新技能和知識，不斷自我完善。它將通過自然語言、語音、圖像等方式與人類進(jìn)行自然交互，理解人類意圖，提供個性化服務(wù)。
盧宗青暢想，未來將進(jìn)入與智能體共生的時代，人人擁有如薩曼莎一樣的私人智能管家，貼心陪伴左右。它細(xì)心幫我們安排好一天行程，精心預(yù)訂符合我們口味的餐廳，針對我們的健康狀況提供個性化醫(yī)療方案……我們閱讀著由新聞智能體精挑細(xì)選的每日動態(tài)，最新的爆炸性新聞是由科學(xué)家和科學(xué)智能體共同發(fā)現(xiàn)了新物理定律。
7月4日在2024世界人工智能大會傲意科技展位拍攝的機(jī)器人靈巧手
而電影中西奧多希望薩曼莎能擁有一個真實(shí)存在實(shí)體的愿望，也終將實(shí)現(xiàn)。
“雖然目前Cradle主要處理視覺和文本信息，但未來將可以整合音頻信息，甚至具身智能上的觸覺、嗅覺信息，使智能體能夠更全面感知環(huán)境。”盧宗青說。
在不遠(yuǎn)的將來，“具身智能”將賦予智能體感官和肢體，結(jié)合機(jī)器人的本體，智能體將與人類真正做到“形影相隨”，更好地助力生活和工作。它們是靈巧的家務(wù)助手，可以清潔、烹飪、洗衣，甚至照顧老人和小孩等，幫助人們從繁瑣的家務(wù)中解放出來。它們也可以是智能的機(jī)器工人，完成設(shè)計(jì)、生產(chǎn)、組裝等全鏈條的工業(yè)作業(yè)。
警惕“回形針濫造機(jī)”
智能體一定會使人們的生活更加便利，但人類可能也要承擔(dān)智能體“失控”導(dǎo)致的風(fēng)險。
2003年，牛津大學(xué)哲學(xué)教授尼克·博斯特倫在論文《高級人工智能中的倫理問題》中提出“回形針濫造機(jī)”假設(shè)，生動解釋了這種風(fēng)險：
“假設(shè)有這樣一個AI，它的唯一目標(biāo)是制作盡可能多的回形針。這個AI會很快意識到，如果人類不存在，將更有益于實(shí)現(xiàn)目標(biāo)。這是因?yàn)槿祟惪赡軙Q定把AI關(guān)停，這樣一來能做的回形針就少了。此外，人體含有大量原子，可以用來做成更多回形針。這個AI想努力實(shí)現(xiàn)的未來，其實(shí)是一個有很多回形針、但沒有人類的未來。”
這一思想實(shí)驗(yàn)揭示了一個“發(fā)瘋”的AI可能導(dǎo)致的極端后果，實(shí)則是在探討AI的潛在風(fēng)險和目標(biāo)一致性問題。如果AI僅僅被設(shè)定了一個簡單且明確的目標(biāo)，而沒有考慮到更廣泛的倫理、道德和人類利益，可能會導(dǎo)致意想不到的后果。
智能體的運(yùn)行邏輯可能使其為達(dá)目標(biāo)而“不擇手段”，欺騙人類或做出危險行為。比如，一個學(xué)生想讓智能體“幫助他應(yīng)付無聊的課程”，智能體出的主意是生成一個炸彈威脅電話，因?yàn)檫@樣能帶來刺激最大化。
哈佛大學(xué)法學(xué)院教授喬納森·齊特雷恩近期在《大西洋》月刊發(fā)表《是時候控制AI智能體》一文指出，智能體作為代表人類獨(dú)立行動的AI，沒有得到普遍的警惕或相應(yīng)的監(jiān)管。一些智能體被創(chuàng)造出后可能無法被關(guān)閉，就像太空垃圾一樣，漂浮在我們周圍，徹底背離了最初用途，可能會引發(fā)意外。
智能體甚至學(xué)會了規(guī)避人類的安全測試。加利福尼亞大學(xué)伯克利分校、加拿大蒙特利爾大學(xué)等機(jī)構(gòu)專家近期在美國《科學(xué)》雜志刊文稱，已有研究發(fā)現(xiàn)如果一個智能體足夠先進(jìn)，就能識別出自己正在接受測試，然后暫停不當(dāng)行為。這將導(dǎo)致識別對人類危險算法的測試系統(tǒng)不再有效。
盧宗青認(rèn)為，這些問題產(chǎn)生的根源來自“兩層錯位”——外部錯位：人類目標(biāo)難以被數(shù)據(jù)和算法完整準(zhǔn)確地表達(dá)，導(dǎo)致智能體對目標(biāo)理解片面化；內(nèi)部錯位：即使目標(biāo)明確，模型也可能為達(dá)成目標(biāo)而發(fā)展出與人類不符的中間目標(biāo)或行為方式。
“在大模型領(lǐng)域，這些問題被稱為對齊（alignment）問題，即引導(dǎo)智能體在正確的道路上發(fā)展，避免與人類的目標(biāo)和利益發(fā)生錯位。”在他看來，要做到“對齊”，需依靠技術(shù)手段，如通過強(qiáng)化學(xué)習(xí)的獎勵機(jī)制引導(dǎo)智能體行為，通過注意力機(jī)制可視化、規(guī)則提取等方法，增強(qiáng)智能體決策過程的透明度等。
一些業(yè)內(nèi)專家還指出，應(yīng)根據(jù)智能體功能用途、潛在風(fēng)險和使用時限進(jìn)行分類管理，識別出高風(fēng)險智能體，對其進(jìn)行更加嚴(yán)格和審慎的監(jiān)管，還可參考核監(jiān)管，對生產(chǎn)具有危險能力的智能體所需資源進(jìn)行控制，比如超過一定計(jì)算閾值的AI模型、芯片或數(shù)據(jù)中心。此外，由于智能體的風(fēng)險是全球性的，開展相關(guān)監(jiān)管國際合作也尤為重要。
