PRO ｜ LLM-based Agent 未必是通向 AGI 的终极路径？ 2023年，几乎 AI 的每个领域都在以前所未有的速度进化，同时，AI也在不断地推动着具身智能、自动驾驶等关键赛道的技术边界。 多模态趋势下，Transformer 作为 AI 大模型主流架构的局面是否会撼动？为何探索基于 MoE （专家混合）架构的大模型成为业内新趋势？大型视觉模型（LVM）能否成为通用视觉的新突破？... 我们从过去的半年发布的2023年机器之心PRO会员通讯中，挑选了 10份针对以上领域技术趋势、产业变革进行深入剖析的专题解读，助您在新的一年里为大展宏图做好准备。 本篇解读来自2023年Week41业内通讯?? 专题解读LLM-based Agent 未必是通向 AGI 的终极路径？ 日期：10月8日事件：前MetaOculusCTO卡马克和「强化学习之父」萨顿宣布联手创业，计划不依赖大模型，通过实时在线学习的方式实现通用人工智能（AGI）。阿尔伯塔计划做AGI的核心思路是什么？1、卡马克和萨顿将通往AGI的计划命名为阿尔伯塔计划，计划创建与一个复杂得多的世界互动并开始预测和控制其感觉输入信号的长寿命计算代理。总体目标是模拟一个具有内在动机和持续学习能力的虚拟智能体，在虚拟环境中持续学习。①AGI的架构应该是模块化和分布式的，而不是一个巨大的集中模型。②代理的的初始设计尽可能简单、通用且可扩展。③为了控制其输入信号，代理必须采取行动。④为了适应变化和世界的复杂性，代理必须持续学习，而不是现在的预训练之后大部分参数就不再更新。⑤为了迅速适应，代理必须使用已学习的世界模型进行计划。2、采用高级强化学习的方法，总体环境从增强学习领域熟悉开始，代理和环境在精细的时间尺度上交换信号。①长寿命的计算代理，需要与一个复杂的世界互动，并开始预测和控制其感觉输入信号，接收到“奖励”信号。②然后，代理向环境发送动作，并从中接收“观察”信号。较大的“观察”信号，提供关于环境状态的完整信息。③观察、动作、奖励三个信号构成了整体。智能体的所有学习都基于这三个信号，而不是基于环境内部的变量。只有经验对代理可用，环境只作为这些信号的来源和下沉。通向AGI，有哪些技术技术路径？1、早在1950年代，AlanTuring就将「智能」的概念扩展到了人工实体，并提出了著名的图灵测试。这些人工智能实体通常被称为——代理（Agent*）。「代理」这一概念起源于哲学，描述了一种拥有欲望、信念、意图以及采取行动能力的实体。在人工智能领域，这一术语被赋予了一层新的含义：具有自主性、反应性、积极性和社交能力特征的智能实体。2、大型语言模型（LLMs）的出现为智能代理的进一步发展带来了希望，用语言模型做AGI也成为目前较为主流的路线。①如果将NLP到AGI的发展路线分为五级：语料库、互联网、感知、具身和社会属性，那么目前的大型语言模型已经来到了第二级，具有互联网规模的文本输入和输出。②在这个基础上，如果赋予LLM-basedAgents感知空间和行动空间，它们将达到第三、第四级。进一步地，多个代理通过互动、合作解决更复杂的任务，或者反映出现实世界的社会行为，则有潜力来到第五级——代理社会。阿尔伯塔计划的「基础智能代理模型」技术路线与其他做AGI路线有哪些不同？1、强调普通经验，而不是特殊的训练集、人工协助或访问世界的内部结构。尽管有许多方式人类输入和领域知识可以用来提高AI的性能，但这样的方法通常不随计算资源扩展。2、时间一致性。时间一致性意味着与代理上运行的算法相比，所有时间都是相同的，没有特殊的训练。即提供了培训信息，如通过奖励信号，代理将在每一个时间步骤上提供。举例来说，如果代理学习或计划，则它在每个时间步骤上学习或计划。如果代理建立自己的表示或子任务，那么构建它们的元算法在每一个时间步骤上操作。如果代理可以减少其关于环境的学习速度，当它们看起来稳定时，那么它也可以增加其学习速度，当它们开始改变时。3、对计算问题的认知不同。目前，摩尔定律及其泛化带来了计算机能力的稳定指数增长，因此，研究者必须优先选择与计算机能力成比例的方法。①计算机能力，虽然指数级地增加，但永远不是无限的。②计算机能力越大，高效地使用就越重要，这是代理性能的决定因素。③优先考虑学习、搜索等方法，这些方法可以与计算能力广泛地扩展，同时淡化那些不适用的方法，如对人类标记的训练集等。4、关注环境中的其他智能代理。在这种情况下，主代理可能会学习与环境进行沟通、合作和竞争，并应该认识到，环境可能会对其行动作出不同的反应。通过一个代理可以使用它所学到的东西来放大和增强另一个代理的行动、感知和认知，这种放大是实现AI全部潜力的重要部分。LLM-basedAgent是否是通向AGI的合适道路？1、目前，大型语言模型是最为热门的AGI研究方向，但其是否是实现AGI的潜在路径仍然是一个备受争议和有争议的话题。①有研究者认为，以GPT-4为代表的大模型已经在足够的语料上进行了训练，在此基础上构建的代理有潜力成为打开AGI之门的钥匙。...... 完整版专题解读「LLM-based Agent 未必是通向 AGI 的终极路径？」已上架至机器之心Pro会员收件箱。新用户订阅限时特惠，单期低至 2.99 元！ Step 1：关注「机器之心PRO 会员」服务号Step 2：进入服务号，点击菜单栏「收件箱」Step 3：进入「收件箱」，点击「参考」板块，畅读往期所有专题解读