高盛最近的一份報告稱，除了聊天機器人和數(shù)字助理之外，缺乏生成式人工智能的“殺手級應用”，可能會阻礙其采用。分析師們寫道，GenAI需要的是能夠自行采取行動的人工智能應用程序。一種被稱為大型動作模型(Large Action Model，簡稱LAM)的新型模型開始嶄露頭角。

LAM概念于2023年底開始出現(xiàn)，作為大型語言模型(LLM)的自然后續(xù)，LLM因其可以生成類似人類的文本響應而引起了全世界的關注。LAM通過在軟件程序中實際執(zhí)行一些操作，超越了LLM的文本生成功能。

位于美國弗吉尼亞的科技咨詢公司3Pillar的首席創(chuàng)新官Pankaj Chawla接受媒體采訪時表示:“LLM擅長于‘問題，回答’這樣的單向交流?！薄暗谀侵笪以撛趺崔k呢?”這就是大型動作模型發(fā)揮魔力的地方。

Chawla表示，3Pillar正在為那些看到LLM價值的客戶打造LLM，這些客戶希望采取下一步行動，將重復性任務自動化，以獲得更高的投資回報。LAM使用現(xiàn)有的編程路徑(如API)執(zhí)行操作，或者在某些情況下直接與應用程序的用戶界面交互，這類似于機器人過程自動化(RPA)。

例如，如果一位高管要出差，LAM可以根據(jù)人工指令做出反應:“為我查找10月10日至17日飛往意大利米蘭的經(jīng)濟艙+航班和四星級酒店。”LAM不僅可以用建議回應請求，還可以導航必要的系統(tǒng)并調(diào)用必要的數(shù)據(jù)來確保預訂。

另一種看待LAMS的方式是，它是數(shù)字助理的延申。

Chawla表示:“在我看來，數(shù)字助理仍然是一種與人互動的東西，但你不會把多個事情拼湊在一起，共同實現(xiàn)一個結(jié)果，無論是商業(yè)結(jié)果還是個人結(jié)果?！薄皵?shù)字助理有點朝這個方向發(fā)展，但LAM是在創(chuàng)造一個自我學習的劇本，因為它不止一次地做這個動作，它會做得更好?！?/span>

并不是所有的公司都使用相同的術語。例如，Gartner將其稱為神經(jīng)符號人工智能(neurosymbolic AI)，即神經(jīng)網(wǎng)絡和符號編程(即傳統(tǒng)的確定性編程)的結(jié)合。

亞馬遜及其AWS子公司在開發(fā)所謂的半自主人工智能代理（AI Agent）方面投入了大量資金，這種代理不僅可以編碼數(shù)字助理，還可以處理基本的編碼任務。兩年前接替杰夫?貝佐斯(Jeff Bezos)掌管AWS的Andy Jassy最近表示，這些代理為公司節(jié)省了4500年的Java代碼維護時間。

另一個LAM的例子是Rabbit r1，這是一個基于GPT -3.5的個人助理，實現(xiàn)了LAM風格的界面，可以與某些網(wǎng)站自動交互，包括Spotify, Apple Music, Midjourney, Suno, Uber和DoorDash。

蘋果智能(Apple Intelligence)目前還處于預覽階段，是LAM類型系統(tǒng)的另一個例子，正如Salesforce正在開發(fā)的企業(yè)計算套件一樣。Chawla說:“Salesforce一直在討論使用LAM在幕后處理他們的Salesforce數(shù)據(jù)，以執(zhí)行一系列行動，比如發(fā)起活動和實際跟蹤輸出?！?/span>

今年7月，麥肯錫發(fā)布了一份題為《為什么代理是生成式人工智能的下一個前沿》的報告，稱贊了代理為下一代GenAI提供動力的潛力。

這家咨詢巨頭的分析師寫道:“我們正在開始從以知識為基礎、以人工智能為動力的工具(比如，回答問題和生成內(nèi)容的聊天機器人)向以人工智能為動力的‘代理’的演變，后者使用基礎模型在數(shù)字世界中執(zhí)行復雜的多步驟工作流程?！薄昂喍灾@項技術正在從思想走向行動。”

麥肯錫表示，人工智能代理將能夠自動化“復雜和開放式的用例”，這要歸功于它們擁有的三個特征，包括:管理多樣性的能力;受自然語言支配的能力;以及與現(xiàn)有軟件工具和平臺協(xié)同工作的能力。

麥肯錫稱這些“超高效的虛擬同事”很快就會出現(xiàn)在貸款承銷、代碼文檔和現(xiàn)代化以及在線營銷活動創(chuàng)建等特定領域。該公司寫道:“盡管代理技術還處于萌芽階段，但增加對這些工具的投資可能會導致代理系統(tǒng)取得顯著的里程碑，并在未來幾年內(nèi)大規(guī)模部署?！?/span>

Chawla承認，在這一點上，使用LAM架構(gòu)構(gòu)建自動化應用程序存在一些挑戰(zhàn)。LLM是概率性的，有時可能會偏離軌道，因此通過將它們與使用確定性技術的經(jīng)典編程相結(jié)合來保持它們在軌道上是很重要的。

例如，3Pillar目前正在開發(fā)一個LAM應用程序，它可以與人交互并向他們提問，但LLM有時會偏離或提出不合法的建議。

他說:“因此，正是確定性編程使它保持在軌道上，保持在護欄之內(nèi)，但它仍然利用了LLM的力量?！薄拔覀冊谀缓筮\行知識圖譜，因此……答案更加集中、精確，不會產(chǎn)生幻覺，因為它與數(shù)據(jù)集相反。”

Chawla表示，后臺應用程序可能是LLM最好的試驗場，因為它們不會讓公司因LLM脫軌而承擔太多責任。大型軟件公司的集成ERP套件可以訪問大量跨行業(yè)數(shù)據(jù)和跨學科工作流程，這將為LAM和基于代理的人工智能提供信息和驅(qū)動。

LAM目前只是一個架構(gòu)概念，但隨著時間的推移，這個概念將得到充實，3Pillar可以使用基于軟件的框架來加速LAM和人工智能代理系統(tǒng)的開發(fā)。

他說:“我認為將會有更多的框架允許您使用預定義的集成、調(diào)用或任何常用系統(tǒng)，就像您今天看到的企業(yè)服務總線的適配器一樣?！薄耙虼?，可能會有一個針對Oracle的適配器，以及可用于執(zhí)行操作的API，然后是通過配置和點擊而不是代碼來實際構(gòu)建和創(chuàng)建這些操作的框架。”

Chawla表示，基于消費者的LAM和自主AI代理的潛在優(yōu)勢確實是巨大的，消費者開始看到這些新科技只是時間問題。

他表示:“我認為，未來兩到五年，這種情況有望出現(xiàn)?！薄澳銓㈤_始看到這些真正的、人工智能驅(qū)動的解決方案，而聊天機器人和LLM只是構(gòu)建模塊，仍然有幻覺之類的問題。但我預計，在我們開始看到實際應用之前，還需要2到5年的時間?！?/span>