人工智能代理、代理人工智能和自主人工智能：它们一样吗？

几周前，我在Medium上发布了一篇题为“AI代理与代理性AI：有什么区别，为什么重要？”的文章，没想到引起了比我预期更大的反响。

这篇文章获得了超过17,000次的浏览，无数评论、转发和平台提及。更令人兴奋的是，它在谷歌上该主题的排名目前为#1！🔥

根据Google Trends的数据，这一主题的关注度正在上升，并且没有减缓的迹象。但真正突出的是关于AI代理、代理性AI，甚至自主AI定义的激烈讨论（坦白说，还有一些争议）。显然，这个话题引起了共鸣——在某些情况下，甚至触动了敏感神经。

这篇文章旨在简化这些概念，但反馈让我意识到，讨论远非简单。许多读者分享了有见地的、甚至是对立的观点。还有一些人直接挑战了我的框架，提出了值得深入探讨的优秀观点。

所以我们现在在这里。

这篇后续文章致力于回应你的评论，澄清困惑，并探讨AI代理、代理性AI与自主AI的细微差别。让我们深入探讨吧！

TL;DR

• AI Agents：专为特定任务设计的工具，通常具有有限的自主性。
• Agentic AI：一种更广泛的范式，使系统能够在定义的范围内适应、学习和做出决策。
• Autonomous AI：能够在开放性挑战中独立操作的系统。

对术语的困惑

评论中最常见的主题之一是对术语的困惑。AI Agents 和 Agentic AI 真的是不同的吗？我们是否应该直接称呼 Agentic AI 为“自主 AI”就可以了？

有读者对此表达得非常准确：

“由于自主性是 AI Agents 和 Agentic AI 之间的决定性差异，为什么我们不直接称后者为自主 AI 呢？语义比语法更能区分。”

这是一个有效的问题，也是我自己一直在思考的。术语“Agentic AI”确实感觉像是对自主 AI 概念的新诠释。但与此同时，它试图开辟一个特定的领域：不仅独立行动的 AI 系统，还能在实时中学习和适应。也许挑战不在于术语本身，而在于我们在不同产品和范式中不一致地应用它。

AI代理只是代理AI的产物吗？

另一个常见的批评是，AI代理和代理AI是否根本上是不同的。一些读者认为，AI代理本质上是代理AI的输出或表现。

一位读者这样表达：

“我不会这样框定问题。我会说代理AI是一个范式，而AI代理是该范式内的产品。”

这很有道理。例如，可以将代理AI视为使自主性成为可能的“大脑”，而AI代理则是执行特定任务的“手”。一个AI代理可能并不是完全自主的，但如果它由一个自适应系统驱动，你可以说它是更广泛的代理AI范式的一部分。当你处理那些位于这个光谱中间的高级AI系统时，区别变得模糊。

层级与自主性的光谱

几位读者指出，AI系统的自主性并不是黑白分明的。相反，它更像是一个光谱，一端是AI代理，另一端是完全自主的代理AI。一位评论者提供了一个精彩的类比：

“在我看来，这更像是一个层级问题，有点像公司内部。我把代理看作是一个员工，属于组织中特定部分并承担特定任务。在他的职责范围内，这位员工能够自主地采取行动和做出决策。但组织中还有其他成员，他们协调他的工作与其他人或设定目标（我们称他们为‘经理’……）。”

这种层级视角既直观又实用。AI代理像员工一样，可以在其预定义的范围内做出决策。而代理AI则更像一个经理，在更广泛的目标和任务之间进行协调和调整。将自主性视为一个连续体而不是二元区分，可能有助于减少对这些术语的混淆。

Agentic AI 与 Autonomous AI

另一个热门话题是“Agentic AI”和“Autonomous AI”是否真的有所不同。一些读者建议这两个术语本质上是可以互换的。另一些人则认为区别在于独立性和适应能力的水平。

另一位读者这样表述：

“Agentic AI 就像一个专家，在特定任务上以目标导向的行为运作，这些任务的范围有限，无论是否有人在环中监督。Autonomous AI 的范围更广。它协调多个这样的代理以成功完成一个目标。”

这种观点表明，Agentic AI 在一个有限的环境中运作，而 Autonomous AI 可能更“自由”，能够应对没有预定义规则的开放性挑战。虽然这种区别微妙，但在构建更复杂的 AI 系统时，这是一个重要的考虑因素。

现实世界的应用及其局限性

许多评论也涉及到现实世界的例子，以及这些技术是否真的达到了它们的宣传效果。以自动驾驶汽车为例，这是一个争论的焦点。它们真的完全自主吗，还是仅仅是预定义规则的高级编排？

另一种观点强调了这一点：

“以自动驾驶汽车为例，一辆车在一座双车道桥上感知到前方的交通拥堵。由于它已经在桥的中间，它不会自己倒退并开始向后行驶（考虑到后面几乎没有交通）。根据规则，它会停下来等待拥堵解除。”

这说明了即使是今天最“自主”的系统也存在局限性。它们在一套经过审核的场景和规则中运行，这与我们在想象自主智能体时常常想到的完全自主相去甚远。

风险、信任与问责

最后，一些读者对代理型人工智能的风险表示担忧。例如，当自主系统出错或虚构数据时会发生什么？

另一位读者写道：

“虽然代理型人工智能似乎更聪明，但它们的判断可能导致虚构数据，例如创建应该相关但不真实或不准确的信息。因此，代理型人工智能应该更好，但它们真的好吗？”

这是一个合理的担忧。随着人工智能系统变得越来越自主，对问责和透明度的需求变得更加重要。当一个自主的人工智能系统做出错误决策时，谁来负责？这些是我们在推动人工智能能力边界时需要解决的问题。

那么，它们是一样的吗？

在深入研究了你们的评论和反馈后，很明显，AI Agents、Agentic AI 和 Autonomous AI 是相关但不同的概念。然而，它们之间的界限模糊，很多混淆源于我们对这些术语的使用。

回顾一下：

• AI Agents：为特定任务设计的工具，通常具有有限的自主性。
• Agentic AI：一种更广泛的范式，使系统能够在定义的范围内适应、学习和做出决策。
• Autonomous AI：具备在开放性挑战中独立操作能力的系统。

关键要点是什么？ 这些术语存在于一个光谱上，随着技术的发展，定义也会随之变化。但目前，重要的是继续进行对话。因此，感谢所有分享你们想法的人——让我们继续辩论、质疑和共同学习。

你对这一切有什么看法？在评论中告诉我！

如果你有兴趣深入探讨这个话题，我强烈推荐查看 Cobus Greyling 关于 AI Agents 的 5 个级别 的文章。Greyling 探讨了像 AI Agents、Autonomous Agents、Agentic Applications，甚至“Agentic X”等术语如何常常被互换使用，提供了一个引人入胜的视角。

此外，如果你对如何自己构建 AI Agents 感兴趣，这篇 逐步指南 来自 Maximilian Vogel 是一个很好的资源。它提供了一个实用且简洁的方法来理解和创建你自己的 AI Agents。

祝阅读愉快！ ☕️