Technology
杰弗里·辛顿（Geoffrey Hinton）
说起本月诺贝尔奖最大的彩蛋，非物理学奖莫属！有人调侃道：是ChatGPT做出来的决定吗?
10月8日，诺贝尔物理学奖奖项出人意料地颁给了两位计算机科学家，获奖者之一辛顿有"人工智能教父"之称，也是2018年图灵奖得主，他提出的理论成为了当前主流的神经网络模型的学习方法，为大语言模型筑牢了根基。
常见国产大模型
现在大家都知道大语言模型（简写 LLM）那可是相当厉害！它是靠着海量文本数据训练出来的深度学习模型。它就好比是人类的大脑，如果人类只有大脑呢，没有五官和四肢，就没办法与世界进行互动。这家伙不但能生成自然语言文本，还能把文本含义琢磨得透透的，各种自然语言任务，像文本摘要、问答、翻译啥的，都能轻松搞定。像 GPT-4o、OpenAI o1 可都是大语言模型呢。当然啦，我们的国产大模型也早已是百花齐放！
AI智能体是何方神圣？
Science & Technology
AI Agent是以大语言模型为大脑驱动的系统，具备自主理解、感知、规划、记忆和使用工具的能力，能够自动化执行完成复杂任务的系统。
仿生智能体
• AI 智能体：LLM（接受输入、思考、输出）+ 记忆 + 工具 + 规划
在基于 LLM 的智能体中，LLM 的充当着智能体的“大脑”的角色，同时还有 3 个关键部分：
• 规划（Planning） : 智能体会把大型任务分解为子任务，并规划执行任务的流程；智能体会对任务执行的过程进行思考和反思，从而决定是继续执行任务，或判断任务完结并终止运行。
• 记忆（Memory）: 短期记忆，是指在执行任务的过程中的上下文，会在子任务的执行过程产生和暂存，在任务完结后被清空。长期记忆是长时间保留的信息，一般是指外部知识库，通常用向量数据库来存储和检索。
• 工具使用（Tool use） 为智能体配备工具 API，比如：计算器、搜索工具、代码执行器、数据库查询工具等。有了这些工具 API，智能体就可以是物理世界交互，解决实际的问题。
智能体非常适合应用于需要结合大语言模型执行高确定性业务逻辑的流程型场景。这类场景通常涉及自动化任务、多步骤流程或复杂信息处理，要求智能体既具备语言理解能力，又能按照预设逻辑准确执行。
当前主流的智能体系统可以通过以下五个关键组成部分，最终以工作流形式实现高效落地：
智能体系统结构
好啦，了解了这么多，快来一起探索这个充满魅力的智能体世界吧，下期带你体验AI智能体的黑科技玩法！
【创建生成式课堂系列教程】
开篇：智能体基础入门
介绍大模型，提示词工程，知识库，工作流、智能体。
第二篇：智能体应用开发平台使用
以Coze平台为例，介绍Coze的基本概念、注册流程、界面布局以及核心功能，如机器人创建、插件使用、知识库构建等。
第三篇：教育智能体开发与应用
案例1：课堂设计智能体
该智能体辅助教师进行课堂设计，根据课程标准和学习者学习水平生成合适的教学方案。它能够帮助教师安排课程内容、设计互动活动、设定知识点复习和考试题目，确保教学内容的连贯性和互动性。
案例2：学习评价反馈智能体
该智能体可以根据同学们的学习进度、课堂表现和作业完成情况自动生成个性化的学习反馈。它不仅能评估学习者的知识掌握情况，还能分析学习者的学习习惯，并提供改进建议。
案例3：模拟面试智能体
该智能体能够模拟真实的面试场景，帮助同学们练习面试技巧和应对不同的面试问题。它可以根据学生的表现进行实时反馈，例如回答的逻辑性和流畅性等。
文字撰稿：杨云霄
图片美化：张宇欣
通稿校对：吕子杨 于一鸣
初审：孙萌
复审：于靓
审核：李健
信息技术系组织宣传部出品
