雖然人工智慧代理已成為世界各地的科技頭條新聞，但人工智慧代理的現實例子並不總是顯而易見的。
在本文中，我將通過 每種類型的示例向您介紹 AI 代理的類型。但請記住：儘管這些是按類型劃分的，但大多數高級 AI 系統都是多種類型的 AI 代理的組合。
例如，自動駕駛汽車或 自動駕駛汽車 涉及基於效用的代理、基於目標的代理、基於模型的反射代理和學習代理。這是一個複雜的過程，因此需要大量的活動部件。
這與 供應鏈管理中的人工智慧代理的前提相同。他們將使用幾種類型的代理來優化物流、庫存管理、庫存和交付。
但為了方便起見，讓我們深入瞭解每種類型的人工智慧旨在實現什麼，並舉幾個例子來說明它是如何在現實世界中表現出來的。
企業用例
企業越來越多地使用人工智慧代理來執行以前無法自動化的任務。靈活的人工智慧建置平台意味著用例是無窮無盡的。
電子商務
電子商務人工智慧代理用於下訂單、追蹤和提供運輸更新、促進基於圖像的搜尋、發送有關購物車放棄的後續資訊、提供以前客戶的產品評論，並向用戶提供個人化的產品建議。
銷售和行銷
大多數人工智慧代理是在Botpress 用於銷售和行銷功能，例如人工智慧潛在客戶開發或建立人工智慧銷售漏斗。
這些代理商可以建立潛在客戶名單、發送個人化通訊並確定潛在客戶資格（甚至比人類更好）。他們可以製定策略並促進行銷活動，並對競爭對手進行分析。
客戶支援
人工智慧聊天機器人長期以來一直用於客戶支援 - 謝天謝地，它們現在可以被人工智慧代理取代。
人工智慧代理能夠代表用戶採取行動，例如更改密碼或管理退款。他們可以提供產品建議甚至先進的技術支援。我們的客戶透過 AI 代理將支援請求減少了 65% 。
款待
飯店和其他飯店業非常適合人工智慧助理：它們支援多種語言，24/7，並且方便客人使用。飯店的人工智慧代理商可以簡化客房服務、建議附近的設施、追加銷售飯店服務並幫助員工協調需求。
按類型劃分的 AI 代理應用程式
基於實用程式的代理
與可能僅對環境刺激做出反應的簡單智慧體不同，基於效用的智慧體根據 預期的效用評估其潛在行動。他們將預測每個選項對他們設定的目標有多麼有用或有益。
基於效用的代理人在具有多種潛在結果的複雜決策環境中表現出色——例如平衡不同的風險以做出投資決策，或權衡治療方案的副作用。
這些智慧代理的效用函數是其偏好的數學表示。效用函數映射到它周圍的世界，決定並對哪個選項進行排名。然後，實用程式代理可以選擇最佳操作。
由於它們可以 處理大量數據，因此它們在涉及高風險決策的任何領域都很有用。
金融交易
基於公用事業的代理非常適合股票和加密貨幣市場——他們能夠根據旨在最大化財務回報或最小化損失的演算法進行買賣。這種類型的效用函數既可以考慮歷史數據，也可以考慮即時市場數據。
動態定價系統
有沒有在雨中為Uber或Lyft支付額外費用？這是一個基於公用事業的代理商在工作——他們可以根據需求、競爭或預訂時間實時調整航班、酒店或拼車的價格。
智慧電網控制器
這些類型的智慧代理是智能電網中的「智慧」：它是基於公用事業的代理，控制電力的分配和存儲。
它們根據需求預測和能源價格優化資源使用，以提高效率並降低成本。
個性化內容推薦
你看完一部電影，Netflix 推薦另外 3 部類似的電影。
Netflix和Spotify等流媒體服務使用基於實用的代理向用戶推薦類似的內容。這裡優化的實用程式是您點擊它的可能性。
基於目標的代理
你猜對了，基於目標的 AI 代理旨在通過人工智慧實現特定目標。
這些理性的代理人不僅對刺激做出反應，還能夠考慮他們行為的未來後果，因此他們能夠做出戰略決策以實現他們的目標。
與簡單的反射代理不同，簡單的反射代理根據條件動作規則直接對刺激做出反應，而基於目標的代理則評估和計劃行動以實現他們的目標。
它們與其他類型的智慧代理的不同之處在於它們 能夠將遠見和戰略規劃相結合，以實現特定的結果。
Roomba的
機器人吸塵器——就像心愛的 Roomba 一樣——的設計有一個特定的目標：清潔所有可觸及的地面空間。這個基於目標的代理有一個簡單的目標，而且它做得很好。
他們由這個基於目標的代理人做出的所有決定（比如何時輪換）都是為了追求這個崇高的目標而做出的。坐在它們上面的貓只是一個獎勵。
專案管理軟體
雖然它也可能使用基於實用程式的代理，但專案管理軟體通常專注於實現特定的項目目標。
這些 AI 代理通常會安排任務並分配資源，以便優化團隊以按時完成專案。座席評估最有可能的成功過程，並代表團隊採取行動。
視頻遊戲AI
在策略和角色扮演遊戲中，AI 角色充當基於目標的代理——他們的目標可能從保衛一個地點到擊敗對手。
這些裝模作樣的 AI 代理會考慮各種策略和資源——使用哪種攻擊，燃燒哪種動力——以便他們能夠實現自己的目標。
基於模型的反射代理
當您需要適應並不總是可見或可預測的資訊時，基於模型的反射代理就是您的最佳選擇。
與僅根據當前感知做出反應的簡單反射代理不同，基於模型的反射代理保持內部狀態，使它們能夠預測部分可觀察的環境。這是與其職責相關的世界部分的內部模型。
該模型會根據來自其環境的 傳入數據不斷更新 ，因此 AI 代理可以對環境的看不見的部分進行推斷並預測未來的條件。
他們在做出決定之前評估自己行動的潛在結果，使他們能夠處理併發症。這在執行複雜任務時特別有用，例如在城市中駕駛汽車或管理自動化智慧家居系統。
由於基於模型的反射代理 能夠將過去的知識和實時數據相結合，因此無論任務是什麼，都可以優化其性能。像人類一樣，即使條件不可預測， 他們也可以做出上下文感知決策。
自動駕駛汽車
儘管這些汽車跨越了多種類型的智慧代理，但它們是基於模型的反射代理的一個很好的例子。
交通和行人運動等複雜系統正是基於模型的反射代理所設計的挑戰。
它們的內部模型用於在道路上做出實時決策，例如在另一輛車闖紅燈時制動，或者在前車做同樣的事情時快速減速。他們的內部系統根據他們的環境輸入不斷更新：其他汽車、人行橫道上的活動、天氣。
現代灌溉系統
基於模型的反射劑是現代灌溉系統背後的動力源。它們對意外環境反饋做出反應的能力非常適合天氣和土壤濕度水準。
AI 代理的內部模型表示並預測各種環境因素，例如土壤濕度水準、天氣條件和植物需水量。
這些代理不斷從其領域的感測器收集數據，包括有關濕度、溫度和降水的實時資訊。
通過分析這些數據，基於模型的反射代理可以就何時澆水、分配多少水以及田地的哪些區域需要更多關注做出明智的決定。這種預測能力使灌溉系統能夠優化用水量，確保植物準確地獲得茁壯成長所需的東西（而不會浪費水）。
家庭自動化系統
這裏的內部模型是家庭環境的模型——這些系統會不斷更新來自感測器的數據，並使用這些資訊來為他們的決策提供資訊。
恒溫器將檢測溫度變化並根據需要進行配置。或者，照明系統可能會檢測到室外的黑暗並做出相應的調整——由於這種黑暗可能來自夜間，或者來自意外的雷暴，因此它需要一個智慧代理來預測差異並做出反應。
學習代理
學習代理之所以脫穎而出，是因為他們能夠根據自己的經驗 隨著時間的推移進行適應和改進 。
與僅根據預程式設計規則或模型運行的靜態 AI 代理不同，學習代理可以發展其行為和策略。由於這種學習元素，它們最常用於不斷變化的環境。
欺詐檢測
欺詐檢測系統的運作方式是不斷收集數據，然後進行調整以更有效地識別欺詐模式。由於詐騙者總是在改變他們的策略，欺詐檢測代理也需要不斷適應。
內容推薦
Netflix 和亞馬遜等平臺使用配備學習代理的系統來改進他們對電影、節目和產品的推薦。
即使你的個人資料說你應該喜歡恐怖和驚悚電影，如果你突然切換到浪漫喜劇，你的推薦也會適應。就像我們一樣，它一直在學習。
語音辨識軟體
Google Assistant 和 Siri 等應用程式利用學習代理來更好地理解與他們交談的酸澀、混亂的嘗試。
多虧了學習代理，這些系統才能更好地理解口音和俚語——所以我們可以問 Siri 這樣的事情，“哦，Siri，你們能找到離我最近的一個吃晚飯的人嗎？我純粹是餓人！
自適應恒溫器
即使是像 Nest 這樣的智慧恒溫器也會從使用者行為中學習，例如使用者何時傾向於在家或外出，以及他們喜歡的溫度。
這些資訊可能總是在變化，因此恒溫器必須能夠隨著時間的推移進行適應——這使它們成為學習代理的另一個例子。
.webp)
分層代理
分層代理與其他類型的 AI 代理不同，很大程度上是因為它們採用結構化的、多層的方法解決問題。
等級代理類似於 複雜的組織結構，具有不同的決策級別。系統內的不同座席將具有不同的專業領域，使他們在處理複雜的多步驟任務時更有效。
分層代理是部署 AI 代理的更複雜的方法之一，因為它們由多個較小的 AI 代理組成。
用一句話來說：分層代理結構是關於系統 不同級別的結構化決策過程 。
製造機器人
在高級製造系統中，分層代理協調生產線。
高級代理在整個系統中規劃和分配任務，而較低級別的代理則控制特定機械，例如用於裝配任務的機械臂。
每個部門都可以相互通信，以確保生產的順利進行——這是工作中的多層次決策。
空中交通管制系統
這些系統使用分層代理來管理安全高效的空中交通流量。由於該任務是一項跨越多個功能的複雜任務，因此需要分層代理系統才能正確執行。
較高級別的座席處理更廣泛的區域交通管理，而較低級別的座席則專注於特定任務，例如在各個機場起飛、降落和滑行。
自主倉庫機器人
分層代理用於管理倉庫中的庫存和包裹處理，並通過機器學習進行增強。
高級座席優化倉庫佈局和庫存分配，而較低級別的座席則操作單獨的機器人叉車和分揀機來執行移動和組織貨物的物理任務。
機器人代理
這正是我們在想像一個智慧代理時喜歡想到的：機器人代理。
通過增加性能元素，機器人代理是人工智慧代理的典型代表。這些智慧代理在物理環境中運行，而不僅僅是作為軟體代理存在。
AI 代理的這些物理實施體通常配備攝像頭或觸控感測器等感測器。這種 AI 代理在危險或非常重複的任務中特別有用——讓人工智慧代理執行這些任務可能更有效、更具成本效益。
這種類型的 AI 代理與其他類型的人工智慧相結合，因此它可以物理執行實用任務或目標任務，有時在多代理系統或分層系統中。
流水線機器人
流水線上有很多機器人。這些 AI 代理以高精度和速度執行焊接、噴漆和組裝零件等任務。
由於它們是智慧代理，因此他們可以優化生產時間，同時保持固定的性能標準。
手術機器人
手術既高風險又精確，使其成為 AI 代理的理想選擇。
像達芬奇手術系統這樣的機器人代理在外科醫生執行精確和微創手術時為他們提供説明。這些 AI 代理不能自主執行手術，但它們擴展了外科醫生的能力。
農業機器人
機器人通常用於農業週期，從播種到收割莊稼，再到監測田間條件。
這些 AI 代理有助於提高生產力，因為機器種植 10,000 顆胡蘿蔔種子比讓人類種植更容易。
服務機器人
最著名的服務機器人——沒錯，它就是 WALL-E。緊隨其後的是餐廳機器人，它可以將您無窮無盡的所有自助壽司訂單直接帶到您的餐桌上。
我們到處都在使用服務機器人：機器人吸塵器，在酒店為客人提供資訊，並在各種場所為顧客供應商品。
虛擬助手
虛擬助手由自然語言處理和人工智慧提供支援，它們可能是公眾最熟悉的 AI 代理範例。
這些智慧個人助理可以理解和處理人類語言（具有 自然語言處理功能）以執行任務，例如設置提醒和管理電子郵件。
這種類型的 AI 代理還包括一個學習元素：它們可以從使用者交互中學習，隨著時間的推移，它們變得更加個人化和有效。
Siri的
作為最早的主流虛擬助手之一，Siri 已集成到大多數 Apple 設備中，包括 iPhone、iPad、Mac 和 Apple Watch。
Siri 可説明完成各種任務，例如撥打電話、發送文本、設置提醒事項、提供路線和回答常識問題。
亞歷克薩
這款虛擬助手可在 Amazon Echo 設備和其他支援 Alexa 的產品上使用，可以播放音樂、控制智慧家居設備、製作購物清單並提供新聞更新。並毀了人類的“Alexa”這個名字。
Google 助理
您可以從 Android 手機和 Google Home 裝置中瞭解此代理程式。Google Assistant 擅長從網路中提取資訊、安排活動、管理智慧家居產品以及促進實時翻譯。
它與Google服務的深度集成使其在涉及地圖、YouTube和搜索功能的任務中特別強大。
多智慧體系統
多智慧體系統的美妙之處在於它們的多樣性和交互的豐富性。
這些系統中的代理通常種類繁多，從過濾數據的簡單軟體代理到管理智慧電網或運輸網路中關鍵功能的複雜實體。
每個智慧體都是半自主運行的，但被設計為與其他智慧體互動，形成一個動態生態系統，集體行為從個人行為中產生。對於這種代理計劃， 協作是關鍵。
交通管理系統
您可以在交通管理中找到這些智慧代理，多個代理代表不同的交通信號燈、監控攝像頭和信息系統。
這些 AI 代理協同工作，優化交通流量，減少擁堵，並回應事故或道路施工等實時狀況。每個代理處理來自其所在地區的數據，並與其他代理進行通信以相應地調整交通信號燈 - 因此團隊合作是必要的。
用於能源管理的智能電網
智能電網還涉及許多人工智慧代理，每個代理都控制著配電的不同方面，從發電站到家庭中的單個智慧電錶。
這些人工智慧代理協同工作，以有效地平衡能源供需，整合可再生能源，並維持電網穩定。
多代理系統的協調確保了整個網路的最佳能源分配和成本效益。
供應鏈與物流
在供應鏈管理中，代理商代表供應商、製造商、分銷商和零售商等各種利益相關者。這些代理商進行協調，以優化從採購到交付的供應鏈流程，確保效率並降低成本。
自主群體機器人
有時在探索或救援任務中，會部署成群的機器人。
每個機器人代理都半獨立運行，但與其他 AI 代理協調以覆蓋更大的區域、共用感官數據或協作移動物體。
這在具有挑戰性的環境中特別有用，例如倒塌的建築物或行星表面，在這些環境中，大型 AI 系統之間的團隊合作可以實現的不僅僅是單個 AI 代理。
簡單反射劑
一個簡單的反射因數是垃圾的落葉。它的智力非常有限，並且按照直接的條件-行動規則運作。
這些基於規則的代理不適合執行複雜的任務。但是，他們完全擅長為他們設計的特定任務。
簡單的反射代理適合在可預測的環境中執行簡單的任務。這種智慧體的行為會影響它周圍的世界，但僅限於特定任務。
溫控 器
冬天是下午6點？讓它升溫。夏天是中午嗎？這種簡單的反射劑，以其有限的智力，將打開空調。
自動門
雖然其感知智慧度較低，但自動門通常是簡單反射劑的例子。這個 AI 代理感應到門前有一個人，然後門就打開了。美麗簡單。
煙霧探測器
這個 AI 代理在您的廚房天花板上運行。是的，它也是一個簡單的反射劑。它感應到煙霧，併發出警報。
基本垃圾郵件篩檢程式
多年來，人工智慧領域的一些代理每天都在幫助我們。垃圾郵件過濾器就是其中之一。基本版本不使用自然語言處理，而是使用關鍵字或寄件人的聲譽。
構建您自己的 AI 代理
AI 代理有很多類型，有些比其他代理更難構建。
但是，如果您想構建一個代理聊天機器人——它可以在您的日常系統中發揮作用，例如發送電子郵件和預訂會議——我們可以為您提供説明。
我們的平臺為初學者提供了簡單的拖放介面，併為專業開發人員提供了無限的可擴充性。
我們甚至擁有一個由20,000 +機器人構建者組成的活躍社區，如果您希望在整個過程中得到支援。
立即開始構建。 它是免費的。
常見問題
AI 代理有感知能力嗎？
不，AI 代理沒有感知能力。他們遵循表明其目標的軟體程式，儘管他們可以自主行動以實現結果。
AI 代理的決策和行動過程是什麼？
不同類型的 AI 代理會觀察他們的環境並採取不同的行動。有些使用建模數據，有些則使用感測器。他們根據自己的程式化推理有不同的目標。
什麼是基於模型的代理？
基於模型的代理是引用基於模型的反射代理的另一種方式，反射代理是一種 AI 代理，它結合過去的數據和當前的輸入來確定最佳行動方案。
.svg)
