- AI 代理的範圍從對目前輸入做出反應的簡單反射系統，到可規劃、學習及協調各領域複雜任務的精密代理。
- 簡單的反射型代理程式純粹依據即時狀況行動，而以模型為基礎的反射型代理程式則利用內部模型來追蹤和預測環境變化，以加強決策能力。
- 多代理系統的特點是多個 AI 代理一起工作或互相競爭，可實現自動駕駛汽車在交通中協調或管理複雜的供應鏈等先進應用。
近年來，人工智慧代理呈爆炸式增長。憑藉其複雜的技術和功能，如今有許多不同類型的 AI 代理。
AI 代理是一種執行任務的軟體。與標準聊天機器人不同，它可以代表使用者執行操作。
AI 代理的種類繁多，從智慧型溫度計、自動駕駛汽車，到具備聊天介面的代理。所有這些使用案例都屬於七大類 AI 代理之一。在這篇文章中，我將分享 7 種主要的 AI 代理類型，以及一些AI 代理的實際案例。
1. 簡單反射劑
一個簡單的反射代理是一個人工智能系統，它只根據環境的當前輸入做出決策。
它使用一組條件-動作規則，將觀察到的輸入對應到特定的反應。當它偵測到環境中的特定狀態時，就會執行相對應的規則。
它沒有記憶體，也沒有世界的內部模型 - 因此它只能在完全可觀察的環境中有效運作，在這種環境中，每個決策都只能根據當前的輸入做出。
.webp)
2. 基於模型的反射代理
基於模型的反射代理是一種人工智能代理，它可以根據當前輸入和世界的內部模型做出決策。
與簡單的反射式代理不同，這類代理會持續追蹤環境的狀態。當環境無法完全被觀察到時，它會使用模型（基本上是關於世界如何運作的儲存資訊）來填補空隙。
當它接收到新的輸入時，它會更新內部狀態、查詢它的條件-動作規則，並根據目前的感知和它從之前的互動中所知道的，選擇最佳的回應。
基於模型的反射代理範例
- 機器人吸塵器能記住房間的佈局，並避开已清掃過的區域
- LLM 代理可繼續進行對話，同時追蹤使用者過去的輸入內容
- 遊戲 AI 不僅會對它所看到的做出反應，也會對它在較早前的比賽中所知道的做出反應
3. 學習代理
學習型代理是一種人工智慧代理，可透過從經驗中學習，隨著時間的推移改善其效能。
它有四個主要組成部分：學習元素、表現元素、批評者和問題產生者。
表現元件選擇行動，而學習元件則根據回饋調整其行為。批判者會使用預先定義的標準來評估行動的結果，而問題產生器會建議嘗試新的行動以獲得更好的學習。
這種結構可讓代理體適應變化、精進策略，即使在不熟悉的環境中也能有效運作。
學習代理的範例
- 可根據市場表現調整交易策略的加密貨幣 AI 代理商
- 能根據使用者行為更好地推薦產品的推薦引擎
- 醫療照護聊天機器人可從病患互動中學習，以提高分流準確度
4. 基於實用程式的代理
以效用為基礎的人工智慧代理是一種人工智慧代理，它會根據預期提供最高整體價值或 「效用 」的結果來選擇行動。
這個代理不是只為了達成目標，而是評估不同的可能結果，並選擇能使預先定義的效用函数最大化的結果。
這讓它能夠處理有多種方法達成目標或必須做出取捨的情況。這需要比較選擇、預測後果，以及根據偏好或優先順序排列結果的能力。
基於效用的代理範例
- 用於銷售的聊天機器人，可根據轉換的可能性排定銷售線索的優先順序
- 平衡風險與回報的股票交易機器人，可將長期收益最大化
- 商業聊天機器人可安排會議，以減少衝突，並提供最大的便利性
5. 分層代理
層級式代理是一種將決策過程組織為多層或多級的 AI 代理，較高層級處理抽象目標，較低層級則管理具體動作。
這個代理程式將複雜的任務分解成較小的子任務，每個層級負責不同範圍的決策。
高階層可規劃長期策略，而低階層則處理即時感測器資料和即時回應。溝通在層與層之間流動，讓代理可以協調廣泛的目標與詳細的執行。
此結構可讓您更容易管理複雜性，並在不同的時間框架或優先順序中擴展行為。
層級代理的範例
- 在製造過程中，高階代理程式會規劃組裝流程，而低階代理程式則會控制機械手臂和時序。
- 在智慧工廠中，不同層級管理生產排程、機器協調和實體操作
6.基於目標的代理
以目標為基礎的代理是一種 AI 代理，它透過評估哪些行動可以幫助它達成特定目標來做出決策。
代理被賦予一個或多個目標 - 它想要達到的預期結果。它會使用搜尋或規劃演算法來探索可能的行動順序，然後選擇最有可能達成目標的順序。
與反射式代理不同的是，它不只是做出反應，而是在行動之前先思考未來的後果。這使得它在動態或不熟悉的環境中更具彈性和能力，但對計算的要求也更高。
基於目標的代理範例
- 可計算前往目的地最佳路線的導航系統
- 解謎的 AI，會尋找能完成謎題的步驟
- 可規劃一連串動作以成功組裝產品的機械手臂
7.多主動系統 (MAS)
最後但並非最不重要的：多重代理系統。
多重代理系統 (MAS) 是由多個互動的 AI 代理所組成的系統，這些代理共同合作（或有時相互競爭）以完成個別或共同的目標。
系統中的每個代理程式都獨立運作，有自己的能力、目標和對環境的感知。
這些代理程式可以直接透過訊息或間接透過觀察環境的變化進行溝通與協調。系統作為一個整體，可以解決太複雜或太分散的問題，而這些問題是單一代理無法處理的。
多重代理系統可以是合作性的、競爭性的，或是兩者的混合體，這取決於設計和目標。
多主動系統實例
- 自動駕駛汽車在十字路口協調以避免碰撞
- 一套財務機器人透過AI 工作流程自動化管理發票、詐欺偵測和報告
- 由不同代理商管理庫存、運送和需求預測的供應鏈系統
建立自訂 AI 代理
要建立一個客製化的 AI 代理並不難，而且您可以免費完成。
Botpress 提供拖放式視覺流程建立工具、企業等級的安全性、廣泛的教育資料庫，以及由 20,000 多位機器人建立者組成的活躍Discord 社群。
我們可擴充的平台意味著您可以使用任何自訂整合建立任何自訂聊天機器人，而我們的整合集線器 (IntegrationHub) 包含許多預先建立的連接到最大頻道的連接器。
今天就開始建立。這是免費的。
常見問題
什麼是 7 種 AI 代理？
這 7 種類型是：簡單反射式代理、基於模型的反射式代理、基於目標的代理、基於效用的代理、學習代理、層級代理和多代理系統。
ChatGPT 是 AI 代理嗎？
是的，ChatGPT 可被視為 AI 代理 - 它會接收輸入、處理輸入並產生回應，通常會使用目標或效用驅動的方式，這取決於它的部署方式。
什麼是智慧代理，它們如何在數字環境中運行？
智慧代理是設計用於在各種數位環境中運行的實體。他們從周圍環境中收集知識，評估當前情況，並採取行動以實現預定的目標。它們的性能受它們在可觀察環境中採取的外部操作的影響。
人工智慧如何在代理功能中發揮作用？
人工智慧通過為智慧代理提供學習、推理和適應的能力來增強智慧代理的能力。代理利用人工智慧來增強他們的知識庫，允許在各種環境中做出更複雜的決策。
智慧代理的知識庫由什麼構成？
智慧代理的知識包括有關環境的資訊、預定義的規則以及對當前情況的基本理解。這些知識構成了他們決策過程的基礎。
智慧代理上下文中的性能元素是什麼？
智慧代理的性能要素是指它們在給定環境中實現目標和做出優化其操作的決策的能力。它是決定代理效率和有效性的關鍵組成部分。
代理可以在分層結構中運行嗎？
是的，分層代理是一種在結構化級別中運行的智慧代理。高級代理負責監督一般決策，而較低級別的代理則在更廣泛的框架內處理特定任務。這種分層結構可在複雜環境中實現高效運行。
智慧代理是否在有限的智慧下運行？
是的，許多智慧代理在有限的智慧下運行，這意味著它們具有明確的知識和能力範圍。這種限制有助於他們專注於與其專業知識最相關的特定任務和環境。
.webp)
