点击蓝字，关注我们
AI Agent（智能体）被定义为能够感知环境、做出决策并采取行动的人工智能实体。受美国汽车工程师学会（SAE）提出的自动驾驶六个级别启发，在论文《Levels of AI Agents: from Rules to Large Language Models》中，作者把人工智能智能体也基于效用和强度分为以下级别：
L0—— 无人工智能，只有工具（具备感知能力）加上行动
L1—— 使用基于规则的人工智能
L2—— 用基于模仿学习（IL）/ 强化学习（RL）的人工智能替代基于规则的人工智能，并增加推理和决策功能
L3—— 用基于大型语言模型（LLM）的人工智能替代基于 IL/RL 的人工智能，另外设置记忆和反思模块
L4—— 在 L3 的基础上，促进自主学习和泛化
L5—— 在 L4 的基础上，添加个性（情感 + 性格）和协作行为（多智能体）
可以把AI Agents的五个能力级别用下图来表示，我们来对这张图做简单理解：
图中展示了AI智能体的五个级别，并从不同的维度对不同级别AI智能体的能力与性能进行了定义与描述。图表从左至右详细说明了每个级别的技术手段、性能、能力、关键特性、使用案例、以及领域的应用情况。
以下是对每个级别的简单分析和理解：
Level 0: No AI (无AI)
技术手段：无AI，仅基于简单的规则和操作。
性能：无AI，无法执行智能行为。
能力：无AI能力，仅执行预定义的规则和操作。
关键特性：无智能行为，没有自主决策能力，完全依赖于预定义的规则。
用例场景：无。
Level 1: Rule-Based AI + Tools (基于规则的AI + 工具)
技术手段：基于规则的AI与工具组合，完成简单的步骤序列。
性能：等同于未具备技能的初级人类。
能力：仅能执行按照明确步骤设定的任务。
关键特性：遵循预定义规则完成任务，缺乏应对变化的能力。
用例场景：例如使用语音助手来执行特定指令（如打开应用或读邮件）。
Level 2: IL/RL-Based AI + Tools (基于监督学习/强化学习的AI + 工具)
技术手段：通过监督学习和强化学习驱动，带有推理和决策能力。
性能：等同于具备50%技能的成年人。
能力：能够在用户定义的任务范围内进行推理和执行决策。
关键特性：可以在特定的领域中，通过数据反馈进行自动调整和改进，但范围有限。
用例场景：例如天气查询、简单的对话式AI，可以根据输入完成预定任务。
Level 3: LLM-Based AI + Tools (基于大型语言模型的AI + 工具)
技术手段：基于大型语言模型（LLM），具备意图、行动、推理、决策、记忆与反思的能力。
性能：等同于具备90%技能的成年人。
能力：具备自动化任务的战略能力，可以通过工具自动规划任务并根据反馈调整执行步骤。
关键特性：在用户定义的任务下，能够自主完成复杂任务，具备较强的推理能力和记忆能力。
用例场景：AI能够自主规划并执行任务，例如通过多轮对话完成复杂的用户需求。
Level 4: LLM-Based AI + Tools + Autonomous Learning(基于大型语言模型的AI + 工具，自主学习与泛化)
技术手段：基于LLM和工具，具备自我学习、泛化和推理能力，记忆与反思进一步增强。
性能：等同于99%技能的成年人，接近人类顶尖专家的水平。
能力：能够通过上下文感知，提供高度个性化的服务，主动满足用户需求。
关键特性：具备深度理解和记忆功能，可以在复杂环境中提供最优解决方案或服务。
用例场景：个性化虚拟助手能够根据用户需求主动调整和优化行为。
Level 5: Superhuman AI (超人类AI)
技术手段：基于LLM与多智能体协作的AI，具备超越人类的推理、记忆、反思、自主学习和决策能力，情感、个性与协作能力也进一步发展。
性能：超越100%技能的成年人，展现出超人类智能。
能力：具备真正的数字化人格，能够在人类的角色中执行任务，确保安全与可靠性。
关键特性：AI能够在复杂的社交环境中代表用户完成任务，并与他人交互。
使用案例：能够代替用户进行交互，安全且可靠地完成复杂任务。
这里展示了AI智能体的五个级别，从最基础的规则驱动系统到潜在的超级智能，逐步提升了AI的能力和应用范围。每个级别的性能与功能均依赖于不同的技术手段，展示了AI逐渐从简单的任务自动化向复杂的、自主学习的系统发展。
转载须知
