AI?Agent被認為是OpenAI發(fā)力的下一個方向。OpenAI聯合創(chuàng)始人Andrej?Karpathy在近期的公開活動上說?“?相比模型訓練方法，OpenAI內部目前更關注Agent領域的變化，每當有新的AI?Agents論文出來的時候，內部都會很興奮并且認真地討論?”?。

早在3月份，AutoGPT就在GitHub上獲得7.4萬星，并快速成為史上Star數量增長最快的開源項目；而后發(fā)布的BabyAGI、AgentGPT更如雨后春筍般涌現：訂購披薩、整理郵箱、創(chuàng)建博客，甚至舉辦一場情人節(jié)派對……

雖然越來越多的AI?Agents出現在人們生活的各個場景下，但其始終不是產品級應用，這股熱潮蔓延的前提，是要出現產品級的應用，自主執(zhí)行、獨立運作。

數字助理時代來臨

與其把AI?Agents當作ChatGPT升級版，不如將它視作人類的“數字助理”更為合適。它不僅告訴你“如何做”，更會“幫你做”。只要給定目標，它便可以模擬智能行為，自主創(chuàng)建任務、重新確定任務列表優(yōu)先級、完成首要任務，并循環(huán)直到目標達成。簡單來說，只需要給它一個目標，AI?Agents就能完成剩下的全部工作。這種現象放在科幻電影里并不難，但在人工智能探索歷程上，已經持續(xù)了將近半個世紀。

近日，實在智能正式發(fā)布“塔斯（TARS）”大模型，并震撼推出行業(yè)首個基于大模型的TARS-RPA-Agent產品，將數字員工應用門檻進一步大幅降低，實現“所說即所得，你說，PC做！”TARS-RPA-Agent”是業(yè)界首款將計算機視覺與大語言模型結合的智能體產品，相信會對RPA行業(yè)的發(fā)展具有里程碑的意義。

就像人類一樣，TARS-RPA-Agent在從事復雜任務時，每一步之間往往會有一個推理過程?；凇癟ARS+ISSUT”雙模引擎，TARS-RPA-Agent有“大腦”，更有“眼睛和手腳”，將推理能力和行為決策緊密結合了起來，使語言模型可以根據知識進行有邏輯的計劃安排，自主拆解任務、感知當前環(huán)境、執(zhí)行并且反饋、記憶歷史經驗。

例如，如果你問TARS-RPA-Agent“我要買一臺筆記本電腦，幫我推薦下”，TARS-RPA-Agent基于計算機視覺大模型的“智能屏幕語義理解”技術（ISSUT）“秒懂”屏幕畫面，第一時間完成自動解析，并且將其拆解成“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。在這個過程中，TARS-RPA-Agent也存在避免理解偏差或者操作失誤的反饋機制，以及結合上下文擴展和向量檢索等技術下的長時記憶能力，以便后續(xù)分析和優(yōu)化。

人類最顯著的特征之一就是使用和創(chuàng)造工具。通過配備外部工具，來調用各種接口，Agent產品能夠模擬人類使用工具，完成更復雜的任務。雖然技術層面并未完全成熟，但基于大模型的Agent產品自主執(zhí)行、迭代優(yōu)化、“解放雙手”的能力也讓走紅成為必然。