代理式人工智能(Agentic AI)的變革：重新定義人機互動的未來（吳壽冠）

本文作者吳壽冠先生(Ivan Ng)，為數據及人工智能素養協會(DALA)資深創會會員兼Lively Impact創辦人及行政總裁，亦同時是AI研究人員，為《EJTech》撰寫專欄。

隨著人工智能(AI)的快速發展，代理式人工智能(Agentic AI)成為了當前技術領域的一大熱點。這種類型的AI不僅僅是回答單一問題，而是能夠主動地幫助用戶分解問題、執行任務，並在多輪互動中提供更高效、更個性化的解決方案。本文將從概念、技術核心到日常應用，解析代理式人工智能帶來的變革。

什麼是代理式人工智能(Agentic AI)？

著名AI專家吳恩達(Andrew Ng)提出了人工智能領域的一個新趨勢 – 代理工作流程(Agentic Workflow)和人工智能代理(AI Agents)。

代理工作流程是一種創新的與大型語言模型(LLMs)的互動，以完成複雜任務並產生比傳統方法準確得多的輸出。與零樣本(Zero-shot)或少量示例(Few-shot)方法不同，代理工作流程採用更迭代(Iterative)和多步驟(Multi-step)的方法，將一個複雜任務分解為幾個小步驟。這個步驟可以令LLM模型能夠在每一步都能理解你的反饋，並進行自我反思，甚至乎與多個代理協作執行任務。

代理工作流程中使用的4種常見的人工智能代理設計模式：反思(Reflection)，工具使用(Tool use)，规划(Planning)和多智能体协作(Multi-agent collaboration)，這種模式的特點是人工智能系統通過自我反饋和迭代改進來增強其能力。通過反思和分析其初始輸出，人工智能系統可以提高其結果的質量和準確性。

代理人工智能的主要特點

1. 自主決策：這些人工智能代理分析實時數據，並根據預定目標執行決策。
2. 適應性：它們根據變化的情況進行演變，從環境中學習，而無需持續的人類干預。
3. 自我改進：代理人工智能代理隨著時間的推移不斷提高其性能，從過去的經驗中學習。

與傳統LLM「一問一答」交互方式不同，代理式人工智能會與用戶進行一場動態對話，不僅僅是執行單一的任務或回答單一的問題，而是像一個「代理人」一樣，主動幫助用戶分解疑問為多個子問題，甚至是元問題(meta-problems)，然後通過研究、分析找到解決方案，並以總結性結果返回給用戶。例如，當用戶詢問「我想去巴黎旅遊，怎麼安排？」時，代理式AI不會只給出一個回覆，而是進一步詢問用戶的偏好，比如「你想什麼時候去巴黎？」「旅遊幾多日？」「預算範圍是多少？」最終通過多層次的交流，給出一個高度個性化的建議。

代理式人工智能常用的工作流

1. 固定的LLM流程

RAG (Retrieval-Augmented Generation)，中譯為檢索增強生成，是一種將生成式AI與檢索技術結合的方法。Agentic AI能夠從內部數據庫中檢索相關信息，並結合語言模型生成精確的答案。這種方法不僅提高了生成內容的可靠性，還能在特定領域(如法律、醫學等)提供專業級的解決方案。

2. LLM 代理
   傳統的大規模語言模型(LLM)通常遵循固定的流程來回答問題，但Agentic AI則更加靈活，會進行自主迭代，提供綜合貼切的解決方案。

不同的AI平台會根據需求設計不同的代理式工作流演繹方式，沒有絕對的「正確流程」。真正的挑戰在於，如何讓Agentic AI在動態任務中，根據具體情境選擇最適合的策略，從而為用戶提供最佳的體驗。

代理式AI的核心能力：分解問題與多輪互動

Agentic AI 的變革在於，如何將一個複雜的問題分解成若干個更易解決的子問題，甚至是元問題(meta-problems)。這種能力讓AI不再僅僅是單向工具，而是成為一個智能助理，能主動尋找解決方案。例如：

問題分解與研究

當用戶詢問「今晚吃什麼？」時，AI會將這個問題分解為以下幾個子問題：
想吃什麼類型的菜？預算範圍是多少？是否需要考慮地點的便利性？
解決每一個子問題後，AI會總結研究結果，並給出綜合建議。例如，「附近有三家評價很高的中國餐廳，價格範圍為每人$50-$100，距離在1公里內。」

多輪互動與動態調整

與傳統AI一次性回答問題不同，Agentic AI會通過多輪對話逐步了解用戶需求。例如，當用戶改變主意說「其實我想吃日本菜」，AI會迅速調整搜索範圍，並重新提供符合需求的建議。

日常生活中的應用場景

代理式人工智能的多輪互動與問題分解能力，使其在日常生活中展現出極大的應用潛力。以下是幾個典型案例：

1. 餐飲推薦
   如我們每日都會問「今晚吃什麼？」，Agentic AI可以根據用戶的地點、口味、預算等多維度數據，提供個性化的餐廳推薦，而不僅僅是一個普遍性的答案。
   
2. 旅行規劃
   當用戶詢問「我想去義大利旅遊，怎麼安排？」時，AI可以分解問題，包括：最佳季節、航班選擇、住宿建議、景點安排等，並幫助用戶制定一個詳細的旅行計劃。
   
3. 購物助手
   用戶詢問「最近有哪些性價比高的手機？」時，AI會根據用戶需求(如價格範圍、性能要求、品牌偏好等)分解問題，最終給出一個清晰的購物建議。
   
4. 健康管理
   在健康領域，Agentic AI可以協助用戶進行個性化的健身或飲食規劃。例如，用戶詢問「如何減肥？」時，AI會根據用戶的目標、飲食習慣、運動偏好，制定一個專屬計劃。
   
5. 學習與工作輔助
   Agentic AI可以幫助學生或職場人士分解學習或工作任務。例如，當學生詢問「如何準備IELTS考試？」時，AI會建議分階段學習的計劃，並提供相關的學習資源。
   

代理式AI的未來：從工具到智能伙伴

代理式人工智能的價值在於，它不僅僅是回答問題的工具，更是一個能夠理解用戶需求、主動解決問題的智能伙伴。 它能讓AI真正融入日常，成為人類生活中不可或缺的一部分。例如，從解決日常問題(如選擇餐廳)到處理更複雜的工作任務(如制定商業策略)，Agentic AI將實現從 「回答問題」到「解決問題」 的全面進化。

代理式人工智能，正在重新定義我們與機器交互的方式，也將成為下一個技術時代的核心力量。

更多吳壽冠文章：

• 辨識真假AI: 挑戰與應對
• AI 驅動的心理健康數據分析

支持EJ Tech

如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。