什麼是 AI 代理？

根據上方的說明，AI 代理的主要功能是推論和行動 (如 ReAct Framework 所述)，但隨著時間推移，其他功能也有所進化。

• 推論：這個核心認知過程涉及運用邏輯和可用資訊來得出結論、進行推論及解決問題。推論能力強的 AI 代理可分析資料、找出模式，並根據證據和情境做出明智的決策。
• 行動：AI 代理必須具備根據決策、計畫或外部輸入內容採取行動或執行工作的能力，才能與相關環境互動及達成目標。這可能包括物理動作 (如果是具身 AI) 或數位行動，如傳送訊息、更新資料或觸發其他程序。
• 觀察：AI 代理必須透過感知或感應，收集環境或情況的相關資訊，才能瞭解情境並據以做出合適的決策。這可能涉及各種形式的感知，例如電腦視覺、自然語言處理或感應器資料分析。
• 規劃：制定策略性計畫來達成目標，是智慧行為的關鍵要素。具備規劃能力的 AI 代理可根據可用資訊和期望的結果，找出必要步驟、評估可能的行動，並選擇最佳行動方案。這通常涉及預測未來狀態和考量可能遇到的障礙。
• 協作：在複雜且瞬息萬變的環境中，與他人或其他 AI 代理有效合作來達成共通目標，這一點變得越來越重要。協作需要溝通、協調，還要有理解和尊重他人觀點的能力。
• 自我修正：先進 AI 系統的一大特點，就是能自我改進和調整。具備自我修正能力的 AI 代理可從經驗中學習、根據意見回饋調整行為，並隨著時間的累積，持續提升效能和功能。這可能涉及機器學習技術、最佳化演算法，或其他形式的自我調整。

AI 助理是設計成應用程式或產品的 AI 代理，能理解和回應人類自然語言和輸入內容，因而可直接與使用者合作及執行工作。在使用者監督下，AI 助理可以代使用者進行推論並採取行動。

AI 助理通常會嵌入於人類要使用的產品，而且主要有個特色，就是助理會在工作的不同階段與使用者互動。助理會回應使用者的要求或提示，而且還能建議應採取的行動，但決定權仍在使用者手中。

• 自主能力：AI 代理的自主能力是最高的，可獨立運作及下決策來達成目標，AI 助理的自主能力就比較低，要靠使用者輸入內容和下指令才能行事，而機器人是最無法自主的，通常都是照著預先編寫的規則運作。
• 複雜度：AI 代理可處理複雜的工作和工作流程，而 AI 助理和機器人則適用於處理較簡單的工作和互動。
• 學習能力：AI 代理通常會運用機器學習技術，隨著時間的累積持續調整及提升效能，AI 助理可能具備某些學習能力，但機器人通常無法學習，或只具備有限的學習能力。

每個代理在角色、個性和溝通風格上都各有定義，包括具體指示和可用工具的說明。

• 人物角色：如果人物角色定義明確，代理就能維持一致的個性，並根據獲派的角色以適當的方式運作，而且會隨著經驗的累積、與環境的互動而不斷進化。
• 記憶：代理通常會有短期、長期、共識和情節記憶。短期記憶保存即時互動內容，長期記憶存放歷來資料和對話、情節記憶存放過往互動資料，而共識記憶則存放代理之間的共通資訊。代理能回顧過往互動資料，並因應新出現的狀況做出調整，以便持續考量相關脈絡、從經驗中學習，並提升效能表現。
• 工具：工具是指代理可用來與環境互動，及提升自身能力的功能或外部資源。這些工具可讓代理存取資訊、操控資料或控制外部系統，以執行複雜工作，而且可根據使用者介面分成幾種類別，包括實體、圖形和程式型介面。工具學習涉及教導代理如何有效使用這些工具，瞭解工具的功能和適用的情境。
• 模型：大型語言模型 (LLM) 是建構 AI 代理的基礎，代理能夠理解、推論和採取行動，都是拜其所賜。LLM 就像是「大腦」，能讓代理處理及生成語言，而其他元件則有助於推論和採取行動。

我們可以根據能力、角色和環境，透過多種方式將 AI 代理分類。以下列舉幾個主要的代理類別：

代理類型和代理類別的定義皆不相同。

我們可以用多種方式將代理分類，其中一種是根據代理與使用者互動的方式來劃分。某些代理會直接與使用者對話，其他的則是在背景中運作，不需要使用者直接輸入內容，就能執行工作：

• 互動夥伴 (又稱為「表面代理」)：協助我們處理客戶服務、醫療照護、教育和科學探索等工作，提供個人化的智慧支援服務。對話型代理可與人類進行問答、閒聊，及分享世界知識等互動，通常是由使用者透過查詢觸發這類互動，然後代理就會根據使用者查詢傳送回覆或執行交易。
• 自動背景程序 (又稱為「背景代理」)：在幕後運作，自動執行例行工作、分析資料以取得洞察資訊、改良程序來提高效率，以及主動找出並因應潛在問題。工作流程代理也屬於這個類別。這類代理與人類之間的互動有限或完全零互動，通常會因事件發生而採取行動，且會執行排入佇列的工作或一系列的相關工作。

• 單一代理：獨立運作來達成特定目標。這類代理會使用外部工具和資源來完成工作，在各種環境中強化自己的功能，最適合用於定義明確，且無需與其他 AI 代理合作的工作。此外，這類代理只能使用一個基礎模型來處理作業。
• 多代理：這是指透過合作或競爭，來達成特定共通目標或個別目標的多個 AI 代理。這類系統運用具備各種功能和角色的個別代理來處理複雜工作。多代理系統可以在互動情境中模擬人類行為，例如人際溝通。每個代理都可以使用最符合需求的各種基礎模型。

AI 代理雖然有許多優點，但在使用上也有一些難以克服的問題：

需要展現高度同理心/情緒智商，或需進行複雜人際互動和社會互動的工作：AI 代理可能難以分辨人類細微的情緒。從事心理治療、社會服務工作或衝突解決等工作，必須有一定程度的情緒理解能力和同理心，而這些都是 AI 目前所欠缺的。如果遇到複雜的社交情況，需要理解未透過言語表達的線索，AI 可能就無法應對自如。

道德風險極高的情況：AI 代理可以根據資料做出決策，但如果遇到在道德層面上複雜度較高的情況，他們就沒有因應這類情況所需的道德標準和判斷力，相關領域包括執法、醫療照護 (診斷與治療) 和司法決策等。   

實體環境無法預測的領域：在高度動態、無法預測，且需要即時適應和複雜運動技能的實體環境中，AI 代理可能會難以發揮作用，相關工作包括手術、某些類型的建築工作，以及災害應變等。

需要大量資源的應用：開發及部署精密的 AI 代理可能需花費極高的運算成本，及使用大量資源，因此小型專案或預算有限的組織可能就不適合採用這種 AI 代理。