新火種
2023-10-21 
實在智能行業首發塔斯“Agent”智能體，續ChatGPT后成為最熱AI焦點
近日，中國信通院正式發布并解讀“2023人工智能十大關鍵詞”，AI Agent、生成式AI等紛紛上榜。隨著ChatGPT的百花齊放，大模型之戰的下半場拉開序幕，AI Agent成為了舞臺上科技巨頭們爭搶的焦點。8月16日，人工智能準獨角獸公司“實在智能”正式推出了行業首款的AI Agent落地產品“塔斯”智能體產品。
什么是Agent？在大模型語境下，可以理解成能自主理解、規劃、執行復雜任務的系統。AI Agent（AI智能體）是一種能夠感知環境、進行決策和執行動作的智能實體。不同于傳統的AI，AI Agent 具備通過獨立思考、調用工具去逐步完成給定目標的能力。AI Agent 的工作僅需給定一個目標，就能夠針對目標獨立思考并做出行動，它會根據給定任務詳細拆解出每一步的計劃步驟，依靠來自外界的反饋和自主思考，為自己創建 prompt以實現目標。在類別上，AI智能體分目前可分為自主智能體（Autonomous Agent）和生成智能體（Generative Agent）。自主智能體如Auto-GPT，能夠根據人們通過自然語言提出的需求，自動執行任務并實現預期結果。在這種合作模式下，自主智能體主要是為人類服務，更像是一個高效的工具。讓大模型“看得見動起來”:行業首發TARS-RPA-Agent
實在智能進入超自動化賽道以來,不斷將AI技術與RPA產品進行深度融合,持續推動創新應用。曾在業內首創“融合拾取”技術,支持頂層拾取與CV拾取無縫融合,使得傳統RPA“拖拉拽”專家模式穩定絲滑;進而首創“智能屏幕語義理解”技術(ISSUT),支持對電腦、手機、平板等屏幕的理解,通過實在IPA開創“點選用”的小白模式。大模型時代開啟后,實在智能一直在思考如何將大模型與RPA產品相結合,通過文本指令或對話聊天的方式直接生成數字員工,操作PC電腦自主完成工作任務。從而在實在IPA“小白模式”基礎上,將RPA使用門檻再進一步降低,直接進入到“所說即所得,你說,PC做”的“傻瓜模式”。經過不斷探索和嘗試,實在智能在業界首發基于大模型的Agent產品,即TARS-RPA-Agent——這是一個基于“TARS+ISSUT”雙模引擎,有“大腦”,更有“眼睛和手腳”的超自動化智能體。同時,也是能夠自主拆解任務、感知當前環境、執行并且反饋、記憶歷史經驗的RPA全新模式。下面詳細介紹TARS-RPA-Agent在設計過程中的解決的關鍵問題和創新特性:①自主拆解任務:復雜問題,分而治之在實際場景中,人類的復雜指令往往蘊含在非常簡潔的語句當中,并不是通過大模型生成一段Python代碼,或簡單調用3-5個RPA組件就能實現。TARS-RPA-Agent支持將表述簡單但含義復雜的指令,進行Chain-Of-Thought式的自主拆解和細化,之后將拆解出的子任務和具體步驟與實在RPA的流程塊和組件進行映射,最終完成一體化、高可控的復雜流程生成。例如,“我要買一臺筆記本電腦,幫我推薦下”,TARS-RPA-Agent可將其拆解成“登錄購物網站,查詢筆記本電腦品牌、配置、價格等信息,完成產品推薦”等多個步驟并加以自動實現。②感知當前環境:人類視角,理解屏幕“如何在理解指令含義的基礎上,精準找到所要操作的屏幕畫面上哪里是輸入框、登錄按鈕或者聊天窗口?如果不僅僅是基于瀏覽器的軟件而是成千上萬種不同CS架構的客戶端軟件怎么辦……”“你是我的眼”,基于計算機視覺大模型的“智能屏幕語義理解”技術(ISSUT)為TARS-RPA-Agent裝上了感知世界的眼睛,帶來真正基于人類視覺的電腦屏幕和操作對象理解。ISSUT使得TARS-RPA-Agent可以“秒懂”屏幕畫面,第一時間完成自動解析,無需人工介入參與。在無法解析網頁源代碼或者客戶端軟件不開放API接口的大量真實場景中,ISSUT的價值倍加凸顯。例如,理解指令并自動操作并不開放API接口的企業微信。③執行并且反饋:環環相扣,單步尋優PDCA(計劃、執行、檢查、處理)是人類優秀的工作習慣,在執行過程中不斷反饋和修正是客觀世界的一般規律。真實場景的意圖理解和任務執行非常復雜,TARS-RPA-Agent同樣需要保證每一步操作的正確性,避免因為理解偏差,或者操作失誤,導致最終無法完成任務。因此,TARS-RPA-Agent巧妙地設計了“基于強化學習的單步尋優策略和每步執行的反饋”相關機制,不斷提高決策和執行過程的正確性、可控性。例如,基于之前動作的啟發式尋優。隨著AI Agent的落地應用，未來假如人人都配備一個AI Agent，繁瑣的辦公任務不再是束縛，而是一個簡單的口令就能夠自動完成，人機協同也將升級為一個人類與AI Agent的自動化合作關系。實在智能期待與更多企業加入到國產大模型的應用和創新中，共同推動人工智能技術的飛速發展。
什么是Agent？在大模型語境下，可以理解成能自主理解、規劃、執行復雜任務的系統。AI Agent（AI智能體）是一種能夠感知環境、進行決策和執行動作的智能實體。不同于傳統的AI，AI Agent 具備通過獨立思考、調用工具去逐步完成給定目標的能力。AI Agent 的工作僅需給定一個目標，就能夠針對目標獨立思考并做出行動，它會根據給定任務詳細拆解出每一步的計劃步驟，依靠來自外界的反饋和自主思考，為自己創建 prompt以實現目標。在類別上，AI智能體分目前可分為自主智能體（Autonomous Agent）和生成智能體（Generative Agent）。自主智能體如Auto-GPT，能夠根據人們通過自然語言提出的需求，自動執行任務并實現預期結果。在這種合作模式下，自主智能體主要是為人類服務，更像是一個高效的工具。讓大模型“看得見動起來”:行業首發TARS-RPA-Agent實在智能進入超自動化賽道以來,不斷將AI技術與RPA產品進行深度融合,持續推動創新應用。曾在業內首創“融合拾取”技術,支持頂層拾取與CV拾取無縫融合,使得傳統RPA“拖拉拽”專家模式穩定絲滑;進而首創“智能屏幕語義理解”技術(ISSUT),支持對電腦、手機、平板等屏幕的理解,通過實在IPA開創“點選用”的小白模式。大模型時代開啟后,實在智能一直在思考如何將大模型與RPA產品相結合,通過文本指令或對話聊天的方式直接生成數字員工,操作PC電腦自主完成工作任務。從而在實在IPA“小白模式”基礎上,將RPA使用門檻再進一步降低,直接進入到“所說即所得,你說,PC做”的“傻瓜模式”。經過不斷探索和嘗試,實在智能在業界首發基于大模型的Agent產品,即TARS-RPA-Agent——這是一個基于“TARS+ISSUT”雙模引擎,有“大腦”,更有“眼睛和手腳”的超自動化智能體。同時,也是能夠自主拆解任務、感知當前環境、執行并且反饋、記憶歷史經驗的RPA全新模式。下面詳細介紹TARS-RPA-Agent在設計過程中的解決的關鍵問題和創新特性:①自主拆解任務:復雜問題,分而治之在實際場景中,人類的復雜指令往往蘊含在非常簡潔的語句當中,并不是通過大模型生成一段Python代碼,或簡單調用3-5個RPA組件就能實現。TARS-RPA-Agent支持將表述簡單但含義復雜的指令,進行Chain-Of-Thought式的自主拆解和細化,之后將拆解出的子任務和具體步驟與實在RPA的流程塊和組件進行映射,最終完成一體化、高可控的復雜流程生成。例如,“我要買一臺筆記本電腦,幫我推薦下”,TARS-RPA-Agent可將其拆解成“登錄購物網站,查詢筆記本電腦品牌、配置、價格等信息,完成產品推薦”等多個步驟并加以自動實現。②感知當前環境:人類視角,理解屏幕“如何在理解指令含義的基礎上,精準找到所要操作的屏幕畫面上哪里是輸入框、登錄按鈕或者聊天窗口?如果不僅僅是基于瀏覽器的軟件而是成千上萬種不同CS架構的客戶端軟件怎么辦……”“你是我的眼”,基于計算機視覺大模型的“智能屏幕語義理解”技術(ISSUT)為TARS-RPA-Agent裝上了感知世界的眼睛,帶來真正基于人類視覺的電腦屏幕和操作對象理解。ISSUT使得TARS-RPA-Agent可以“秒懂”屏幕畫面,第一時間完成自動解析,無需人工介入參與。在無法解析網頁源代碼或者客戶端軟件不開放API接口的大量真實場景中,ISSUT的價值倍加凸顯。例如,理解指令并自動操作并不開放API接口的企業微信。③執行并且反饋:環環相扣,單步尋優PDCA(計劃、執行、檢查、處理)是人類優秀的工作習慣,在執行過程中不斷反饋和修正是客觀世界的一般規律。真實場景的意圖理解和任務執行非常復雜,TARS-RPA-Agent同樣需要保證每一步操作的正確性,避免因為理解偏差,或者操作失誤,導致最終無法完成任務。因此,TARS-RPA-Agent巧妙地設計了“基于強化學習的單步尋優策略和每步執行的反饋”相關機制,不斷提高決策和執行過程的正確性、可控性。例如,基于之前動作的啟發式尋優。隨著AI Agent的落地應用，未來假如人人都配備一個AI Agent，繁瑣的辦公任務不再是束縛，而是一個簡單的口令就能夠自動完成，人機協同也將升級為一個人類與AI Agent的自動化合作關系。實在智能期待與更多企業加入到國產大模型的應用和創新中，共同推動人工智能技術的飛速發展。 相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
