目前，人工智能领域正在投入大量精力开发通用智能体系统。这些智能体利用大模型作为它们的“大脑”来进行推理和规划。比如，利用规划推理、记忆结构、工具使用等模块来解决复杂任务，并已在游戏、科研、软工等领域取得巨大成功。对于目前的智能体系统来说，它们中的绝大部分都是依靠专家经验和领域知识，通过花费大量时间和计算资源，在不断试错之后被设计而来。但是，从机器学习的历史可知，手工设计的解决方案最终往往会被机器学习习得的解决方案所取代。基于这一背景，一支科研团队提出一种名为智能体系统的自动化设计（ADAS，Automated Design of Agentic Systems）的新方法，旨在解决当前智能体系统开发中存在的几个问题：![]()
（来源：arXiv）问题一：在以手工方式设计智能体系统的时候，需要投入大量的人力和时间。即研究人员需要不断尝试各种新的构建模块和组合方式。问题二：随着应用场景的逐渐增多，使用手工方式来为每个特定任务设计智能体正在变得愈发不切实际。因此，人们需要一种自动化的方法，来针对不同任务快速生成智能体系统，并能在相关应用场景的反馈中不断实现自我进化对于 ADAS 算法来说，它基于元智能体搜索打造而来，能够利用 AI 智能体来发现新的 AI 智能体。当通过使用编程语言来定义智能体的时候，元智能体可以通过编程来自动地发现更好的智能体。而在此前的传统方法之中，人们仅仅聚焦于智能体中某个部件例如提示词的优化。但是，ADAS 算法理论上能够发现任何可能的智能体系统，包括发现全新的模块、控制流程和工具使用方式等。同时，作为一种自我指涉式的 AI 算法，它还展示了 AI 的自我提升能力。实验证明，ADAS 算法在多个测试任务上均已大幅击败了其他手工设计智能体。比如，在一些阅读任务和数学任务上，ADAS 算法分别能将性能分数提高 13.6/100（F1）和 25.9%。同时，通过 ADAS 算法自动发现的智能体系统，还可以在不同任务和不同模型之间实现泛化，因此具备一定的鲁棒性和泛用性，能够助力于开发更强大、更通用的人工智能系统。南方科技大学本科校友、加拿大不列颠哥伦比亚大学博士胡圣然是第一作者。研究人员表示，论文发表之后已经有很多开发者尝试将本次方法用于项目开发之中。有开发者表示：“作者的方法简洁有效，我们花了一个小时就将算法用在了系统里。”首先，开发者利用 ADAS 算法能够快速地开发和优化针对特定领域的智能体助手。其次，ADAS 算法甚至可以帮助用户在不使用任何专业开发技术的情况下，为其独特的应用场景自动设计智能体，从而让每个用户在每个独特的使用场景之中，都能拥有自己的专属智能体。再次，ADAS 算法还为智能体上线之后的持续进化提供了可能性。智能体在投入应用之后，往往会收到海量的反馈数据。此前，开发者很难利用这些数据为每个独特的应用场景进行迭代，而 ADAS 算法则能让智能体的持续进化成为可能。课题组表示，ADAS 算法属于一种开放式（Open-ended）算法，因此并不局限于一些提前设计好的目标和模式。在开展算法运行实验的时候，该团队无法针对算法行为做出过多预测，也因此常常会对算法所涌现的行为感到惊讶。比如，他们其中的一个测试任务叫抽象和推理语料库（ARC，Abstraction and Reasoning Corpus）测试，这是目前检测 AI 系统通用智能能力的标准检测任务。测试中该团队发现：ADAS 算法大幅超越了前沿水平的手工设计智能体。而在 ADAS 算法所设计的最好的自动设计智能体里，还涌现出了非常复杂的设计结构。在以往的手工设计智能体系统里，这种复杂结构从未出现过，所以研究人员非常好奇 AI 是如何通过自我进化打造出复杂结构的。仔细观察之后他们发现：这种结构并不是凭空出现的，而是通过继承先前演化过程中的数个设计方案融合而来。这让课题组感到到非常惊喜，因为 AI 展现出了与人类相似的创造力。而在被融合的设计方案里，多数智能体在被设计出来的时候，并没有获得性能上的提升。然而，AI 却注意到了它们的潜力，并能提出新的设计方案。基于这种令人印象深刻的发现，该团队期待本次算法能在不同领域之中探索 AI 的更多创新能力。目前，该团队通过使用一个元智能体来设计其他智能体。但是，既然元智能体本身也是一个智能体，因此理论上他们可以不断地向上堆叠这个过程。这样一来，不仅可以创造元-元智能体，甚至可以创造元-元-元智能体。通过使用上述方法，可能会让课题组发现更强大、更通用的智能体设计策略。想象一下，如能开发一个可以不断自我改进的元智能体系统，它可能会以人类难以预料的方式推动人工智能的发展。当然，这也会带来一些哲学问题和伦理问题，比如当这样的系统最终是会收敛到某个稳定状态，还是会无限制地发展下去？这些都是研究人员急切希望探索的问题。与此同时，他们还打算计划研究多目标 ADAS。在实际应用中，人们通常需要在多个目标之间进行权衡，比如权衡性能、效率、成本和安全性等。因此，该团队希望能够一款能够同时优化多个目标的 ADAS 算法，让开发者能够实现智能体的灵活应用。另外，他们也在考虑如何在 ADAS 算法中整合多个不同模型。目前，他们主要使用单一的大模型来作为研究基础。但是，在不同的任务上，不同的大模型往往也是表现各异。而假如能让元智能体灵活地选择和组合多个大模型，将有希望打造更强大、更通用的智能体系统。参考资料：
1.https://arxiv.org/pdf/2408.08435
运营/排版：何晨龙
![]()
![]()
01/ 与人脑静息态信号相似度达93%，科学家研发数字孪生脑平台，实现对人脑结构和功能的模拟
02/ 水也能用来造芯片？科学家用液态水分子制备神经网络计算芯片，或为AI计算提供新方向
03/ 哈佛团队开发类ChatGPT的AI病理模型，诊断19种类型癌症准确率近94%，为癌症诊疗提供新工具
04/动物模型血糖被控长达一天，浙大团队制备口服胰岛素制剂，小鼠连续给药7天未出现低血糖
05/可同时用于塑料降解与绿色制氢？科学家制备单原子铁催化剂，有望减少依赖传统化石燃料
![]()
