36 個 AI 智能體的真實應用案例

雖然AI 智能體經常成為全球科技新聞的焦點，但它們在現實生活中的應用其實不那麼顯眼。

本文將帶你認識各類 AI 代理型態，並舉例說明。

但請記住：雖然這些代理有不同分類，大多數先進的 AI 系統其實是多種代理型態的組合。

舉例來說，在 AI 供應鏈管理中，會結合多種代理來優化物流、庫存管理、補貨與配送。自駕車也是如此——結合效用型代理、目標型代理、模型型反射代理和學習型代理，來處理複雜流程。

‍

不過，先從基本原理開始，讓我們來看看每種代理型 AI的設計目標，以及它們在現實世界中的應用實例。

即使你沒有自駕車，也沒在 AI 強化的倉庫工作，你很可能已經和企業用的代理型聊天機器人互動過，例如：

• 電商 AI 代理能協助下單、提供運送進度，並根據用戶需求推薦商品。
• 客服聊天機器人能回答常見問題、處理退款，並協助排解技術問題（像這個來自 Ruby Labs 的案例）。
• 潛在客戶開發代理能與訪客對話、篩選潛在客戶並預約會議（像 Waiver Consulting Group 的這個案例）。
• 銷售聊天機器人與行銷功能，例如AI 潛在客戶開發或其他AI 在銷售上的應用方式。

但不是所有 AI 代理都需要技術高手來打造。其實，現在有許多新型AI 建置平台，讓你輕鬆設計並部署專屬的 AI 代理。

如果你有興趣自己打造 AI 代理，歡迎參考我們的AI 代理建置教學，今天就能開始動手。

接下來，讓我們深入介紹 9 種 AI 代理型態及其 36 個實際應用案例。

1. 效用型智能體

與僅對環境刺激做出反應的簡單智能體不同，效用型智能體會根據預期效用來評估各種行動方案，預測每個選項對其目標的幫助或效益。

效用型智能體特別適合需要複雜決策、結果多元的環境——例如在投資決策時平衡不同風險，或評估治療方案的副作用。

這類智能體的效用函數是一種數學方式，代表其偏好。效用函數會對應外部世界，決定並排序最合適的選項，讓效用型智能體能選擇最佳行動。

由於它們能處理大量資料，在任何需要高風險決策的領域都很有用。

金融交易

效用型智能體非常適合用於股票與加密貨幣市場——它們能根據演算法自動買賣，目標是最大化收益或減少損失。這類效用函數會同時考慮歷史資料與即時市場數據。

動態定價系統

你有沒有在下雨天搭 Uber 或 Lyft 時付過比較高的費用？這就是效用型代理人在運作——他們會根據需求、競爭或預訂時間，實時調整機票、飯店或共乘的價格。

智慧電網控制器

這類智能體就是智慧電網的「智慧」來源：效用型智能體負責控制電力的分配與儲存。

它們會根據需求預測與能源價格，最佳化資源使用，提高效率並降低成本。

個人化內容推薦

你看完一部電影，Netflix 立刻推薦三部類似的片子。

Netflix、Spotify 等串流服務會利用效用型智能體，向用戶推薦類似內容。這裡最佳化的效用就是你點擊的可能性。

2. 目標型智能體

目標型 AI 智能體，顧名思義，就是為了達成特定目標而設計的人工智慧。

這類理性智能體不僅僅對刺激做出反應，還能考慮行動的未來後果，進而做出策略性決策以實現目標。

與根據條件-行動規則直接反應的簡單反射型智能體不同，目標型智能體會評估並規劃行動以達成目標。

它們與其他智能體最大的不同，在於能結合前瞻性與策略規劃，朝特定結果前進。

Roomba

機器人吸塵器——像大家熟悉的 Roomba——就是為了「清潔所有可到達的地板」這個明確目標而設計的。這個目標型智能體目標單純，卻執行得很徹底。

這個目標型智能體的所有決策（例如何時旋轉）都是為了實現這個目標。至於貓咪坐在上面，只是額外的樂趣。

專案管理軟體

雖然也可能結合效用型智能體，專案管理軟體通常聚焦於達成特定專案目標。

這些 AI 智能體會安排任務、分配資源，讓團隊能最佳化地按時完成專案。智能體會評估最有可能成功的路徑，並代表團隊執行。

電玩遊戲 AI

在策略或角色扮演遊戲中，AI 角色通常是目標導向型代理人——他們的目標可能包括防守某個地點或擊敗對手。

這些精心設計的 AI 智能體會考慮多種策略與資源——例如選擇哪種攻擊、何時使用道具——以實現目標。

3. 基於模型的反射型智能體

當你需要應對資訊不完全可見或難以預測的情境時，基於模型的反射型智能體就是最佳工具。

與只根據當前感知做出反應的簡單反射型智能體不同，基於模型的反射型智能體會維護一個內部狀態，讓它們能預測部分可觀察的環境。這個內部模型涵蓋了與其任務相關的世界區塊。

這個模型會隨著環境新資料不斷更新，讓 AI 智能體能推斷看不見的環境部分，並預測未來狀況。

它們會在做決策前評估各種行動的潛在結果，因此能處理複雜情境。這在執行如城市駕駛或管理自動化智慧家庭系統等複雜任務時特別有用。

由於能夠結合過去的知識與即時數據，基於模型的反射型智能體能針對各種任務最佳化表現。就像人類一樣，它們能根據情境做出決策，即使在不可預測的條件下也能應對自如。

自駕車

雖然這些車輛屬於多種類型的智能體，但它們是基於模型的反射型智能體的絕佳範例。

像交通與行人流動這樣的複雜系統，正是基於模型的反射型智能體所設計要解決的挑戰。

它們的內部模型用來在道路上做出即時決策，例如當有車闖紅燈時煞車，或是前方車輛急煞時跟著減速。這套內部系統會根據環境輸入（其他車輛、斑馬線上的活動、天氣狀況）不斷更新。

現代灌溉系統

基於模型的反射型智能體是現代灌溉系統的核心。它們能即時回應突發的環境反饋，非常適合應對天氣與土壤濕度的變化。

AI智能體的內部模型能表示並預測各種環境因素，例如土壤濕度、天氣狀況與植物需水量。

這些智能體會持續從田間的感測器收集數據，包括濕度、溫度與降雨等即時資訊。

透過分析這些數據，基於模型的反射型智能體能判斷何時澆水、澆多少水，以及哪些區域需要特別注意。這種預測能力讓灌溉系統能最佳化用水，確保植物獲得所需的水分（同時不浪費水資源）。

居家自動化系統

這裡的內部模型就是家庭環境本身——這些系統會不斷從感測器接收資料，並根據這些資訊做出決策。

像恆溫器會偵測溫度變化並自動調整；照明系統則會偵測戶外變暗並自動調整——這種黑暗可能來自夜晚，也可能是突如其來的雷雨，因此需要智慧代理來預測並反應各種變化。

4. 學習型代理

學習型代理的最大特點是能根據經驗不斷適應與進步。

與僅依賴預設規則或模型的靜態AI代理不同，學習型代理能隨著經驗調整行為與策略。因此，它們最常應用於變動的環境中。

詐騙偵測

詐騙偵測系統會持續收集資料，並不斷調整以更有效地識別詐騙模式。由於詐騙手法不斷推陳出新，詐騙偵測代理也必須持續進化。

內容推薦

像Netflix與Amazon這類平台，會利用配備學習型代理的系統來優化電影、影集與商品的推薦。

即使你的個人檔案顯示你偏好恐怖片和驚悚片，只要你突然開始看愛情喜劇，推薦內容也會隨之調整。就像我們一樣，系統會持續學習。

語音辨識軟體

Google Assistant與Siri等應用程式會運用學習型代理來更好地理解我們含糊不清的語音。

正因為有學習型代理，這些系統才能越來越懂各種口音與俚語——所以我們才能對Siri說：「Siri，幫我找最近的小吃店，我肚子超餓！」

智慧恆溫器

即使是像Nest這樣的智慧恆溫器，也會學習使用者的行為，例如什麼時候在家、什麼時候外出，以及偏好的溫度設定。

這些資訊隨時都可能變動，因此恆溫器必須能隨時間調整——這也是學習型代理的另一個例子。

5. 階層式代理

階層式代理與其他AI代理最大的不同，在於它們採用結構化、多層次的問題解決方式。

階層式代理就像複雜的組織架構，擁有多層決策機制。系統內的不同代理各自專精於不同領域，能更有效率地處理複雜且多步驟的任務。

階層式代理是部署AI代理較為複雜的方式之一，因為它們由多個較小的AI代理組成。

簡而言之：階層式代理結構強調在系統不同層級間進行結構化決策的過程。

製造業機器人

在先進的製造系統中，階層式代理負責協調整條生產線。

高層代理負責規劃與分配系統內的任務，低層代理則控制像機械手臂這類具體的組裝工作。

各層代理能彼此溝通，確保生產流程順暢——這就是多層次決策的實際應用。

航空交通管制系統

這些系統利用階層式代理來管理航空交通的安全與效率。由於這項任務涵蓋多個功能且極為複雜，因此必須採用階層式代理系統才能妥善執行。

高層代理負責區域範圍的航班管理，低層代理則專注於個別機場的起降與滑行等具體任務。

自動化倉儲機器人

在導入機器學習的倉庫中，階層式代理負責管理庫存與包裹處理。

高層代理會最佳化倉庫佈局與庫存分配，低層代理則操作個別的機器人堆高機與分揀機，執行貨物搬運與整理等實體任務。

6. 機器人代理

這正是我們心中對智慧代理的經典想像：機器人代理。

機器人代理多了實體執行的層面，是人工智慧代理的代表。這些智慧代理實際運作於物理環境中，而不僅僅是軟體代理。

這類AI代理通常配備像攝影機或觸覺感測器等感測裝置。這種AI代理特別適合危險或高度重複性的任務——讓人工智慧代理來做，往往更有效率且更省成本。

這類AI代理會結合其他人工智慧技術，能實際執行各種日常或目標導向的任務，有時也會在多代理或階層式系統中運作。

生產線機器人

生產線上有許多機器人。這些AI代理能執行焊接、噴漆、組裝零件等任務，速度快且精準度高。

由於它們是智慧代理，能在維持固定品質的同時，最佳化生產時間。

手術機器人

手術既高風險又需極高精度，非常適合AI代理輔助。

像達文西手術系統這類機器人代理，能協助外科醫師進行精細且微創的手術。這些AI代理不會獨立執行手術，但能大幅提升醫師的能力。

農業機器人

從播種、收割到田間監控，機器人在農業循環中已經非常常見。

這些AI代理能提升生產效率，因為讓機器種一萬顆紅蘿蔔種子，遠比請人力來得輕鬆。

服務型機器人

最有名的服務型機器人——沒錯，就是WALL-E。其次就是那些在餐廳裡把你點的壽司直接送到桌邊的送餐機器人。

我們在各種地方都會用到服務型機器人：像是掃地機器人、在飯店為賓客提供資訊，還有在各種場所為顧客送貨。

7. 虛擬助理

虛擬助理是由自然語言處理和人工智慧驅動的——它們大概是一般大眾最熟悉的 AI 代理人範例。

這些智慧型個人助理能理解並處理人類語言（透過自然語言處理），來執行各種任務，例如設定提醒、管理電子郵件等。

這類 AI 代理人還具備學習能力：它們會從使用者互動中學習，隨著時間推移變得更個人化、更有效率。

Siri

Siri 是最早進入主流市場的虛擬助理之一，整合在多數 Apple 裝置中，包括 iPhone、iPad、Mac 和 Apple Watch。

Siri 可以協助完成多種任務，例如撥打電話、傳送簡訊、設定提醒、提供路線指引，以及回答一般知識問題。

Alexa

這款虛擬助理可在 Amazon Echo 裝置及其他支援 Alexa 的產品上使用，能播放音樂、控制智慧家庭設備、建立購物清單，並提供新聞更新。也讓“Alexa”這個名字在人類世界變得不再單純。

Google 助理

你在 Android 手機和 Google Home 裝置上一定認識這個代理程式。Google 助理擅長從網路擷取資訊、安排行程、管理智慧家庭產品，還能即時翻譯。

它與 Google 服務的深度整合，讓它在地圖、YouTube 和搜尋等功能上特別強大。

8. 多代理人系統

多代理人系統的美妙之處，在於其多樣性與豐富的互動。

這些系統中的代理人類型多元，從簡單的資料過濾軟體代理人，到管理智慧電網或運輸網路關鍵功能的複雜實體都有。

每個代理人都能半自主運作，但設計上會與其他代理人互動，形成一個動態生態系，集體行為由個體行動產生。對這類代理程式來說，協作是關鍵。

交通管理系統

你可以在交通管理中看到這些智慧代理人，多個代理人分別代表不同的交通號誌、監控攝影機和資訊系統。

這些 AI 代理人協同合作，優化交通流量、減少壅塞，並即時應對事故或道路施工等狀況。每個代理人處理自己區域的資料，並與其他代理人溝通，協調調整號誌——團隊合作不可或缺。

智慧電網能源管理

智慧電網同樣涉及眾多 AI 代理人，各自控制從發電站到家用智慧電表等不同電力分配環節。

這些 AI 代理人協同合作，有效平衡能源供需、整合再生能源，並維持電網穩定。

多代理人系統的協調，確保整個網路的能源分配最佳化並提升成本效益。

供應鏈與物流

在供應鏈管理中，代理人代表供應商、製造商、經銷商和零售商等不同利害關係人。這些代理人協調合作，從採購到配送優化供應鏈流程，提升效率並降低成本。

自主群體機器人

有時在探索或救援任務中，會部署一群機器人。

每個機器人代理人能半獨立運作，但會與其他 AI 代理人協調，擴大覆蓋範圍、共享感測資料，或協同搬運物體。

這在困難環境下特別有用——像是倒塌建築或行星表面——大型 AI 系統的團隊合作能達成遠超單一 AI 代理人的成效。

9. 簡單反射型代理人

簡單反射型代理人就像團隊裡最小的成員。它的智慧非常有限，只能根據直接的條件-行動規則運作。

這些基於規則的代理人不適合複雜任務。不過，對於它們專門設計的特定任務卻非常擅長。

簡單反射型代理人適合在可預測環境下執行簡單任務。這類代理人的行動會影響周遭環境，但僅限於特定任務。

恆溫器

冬天晚上六點？把暖氣打開。夏天中午？這種簡單的反射型代理人，雖然智能有限，還是會自動開啟冷氣。

自動門

雖然它的智慧看起來很低，自動門其實就是簡單反射型代理人的例子。這個 AI 代理人感應到門前有人，就會自動打開。簡單又有效。

煙霧偵測器

這個 AI 代理人安裝在你廚房天花板上。沒錯，它也是簡單反射型代理人。感應到煙霧時，就會發出警報。

基本垃圾郵件過濾器

有些人工智慧代理人已經默默幫助我們多年。電子郵件垃圾郵件過濾器就是其中之一。基本版本不會用自然語言處理，而是根據關鍵字或寄件者信譽來判斷。

打造你自己的 AI 代理人

AI 代理人有很多種類型，有些比其他的難以打造得多。

但如果你想打造一個能在日常系統中執行動作的代理型聊天機器人，例如發送郵件、預約會議——我們可以幫你。

我們的平台提供新手也能輕鬆上手的拖放介面，專業開發者也能無限擴充。

我們還有一個超過 20,000 名機器人開發者的活躍社群，讓你在過程中隨時獲得支援。

立即開始打造，完全免費。

常見問題

AI 代理人有自我意識嗎？

沒有，AI 代理人並沒有自我意識。它們只是依照軟體程式設定的目標行動，雖然能自主執行任務以達成結果。

AI 代理人的決策與行動流程是什麼？

不同類型的 AI 代理人會以不同方式觀察環境並採取行動。有些用模型資料，有些用感測器。它們會根據程式化推理擁有不同目標。

什麼是模型型代理人？

模型型代理人是指模型型反射代理人，是一種結合過去資料與當前輸入來決定最佳行動方案的 AI 代理人。