在AI大会上，斯坦福大学吴恩达教授也分享了自己关于 AI 的最新看法和实用技巧

​

文字转录如下

Andrew Ng个人的经历

Andrew Ng（吴恩达）是AI领域的先驱和领军人物之一。他曾担任斯坦福大学计算机科学教授,是神经网络和GPU在早期发展中的重要参与者。

Andrew创立了Coursera平台,让全球学习者都能接触到优质的在线课程。他的 Deep Learning 也为深度学习的普及做出了重要贡献。此外,Andrew还是Google Brain项目的创始人及早期负责人,推动了AI技术在工业界的发展和应用。

AI agents的概念及优势

传统的语言模型工作流程通常是非agent的,即用户提出问题,模型直接给出回答。而agent工作流程则更加迭代和自主,它会先分析问题,必要时进行研究,生成初步方案,然后不断自我检查和修正。

这种工作方式能够显著提高语言模型的表现,有时甚至可以让较小的模型超越更大的模型。因此,agentic reasoning的设计模式对于提升语言模型的性能非常重要。

AI agents的四种设计模式

当前的AI agent主要有四种设计模式。

• 第一种是自反,即让语言模型自己检查和修正生成的内容,比如代码;
• 第二种是工具使用,语言模型可以使用各种工具进行分析、信息获取和行动;
• 第三种是规划,语言模型可以自主地制定计划,执行一系列步骤以完成复杂任务;
• 第四种是多智能体协作,通过prompt让同一语言模型扮演不同角色,互相配合完成任务。这四种设计模式极大地拓展了语言模型的能力边界。

应用AI agents的考量

在应用中使用AI agent时,我们需要适应它们与传统语言模型不同的特点。

首先是响应时间,AI agent通常需要更长的时间来"思考"和迭代,我们要学会耐心等待而不是期望立即得到答案。

其次,由于agent工作流程需要语言模型生成大量token,因此更快的token生成速度可能比模型的质量更加重要。

即使用一个较小但生成token更快的模型,通过agent工作流程也可能得到比更大模型更好的结果。

对AI技术的展望

由于agent工作流程的出现,AI可以完成的任务将在今年得到大幅扩展。同时,随着更强大的语言模型如GPT-5、GPT-4、Claude等的推出,AI技术还将持续快速进步。

Andrew认为,通往AGI(人工通用智能)是一个旅程而非终点,agent工作流程的出现让我们向这个目标又迈进了一步。

总之,AI的发展前景令人无比期待。

---

一年多打磨，我们的AI团队现向外界开放服务，旨在助力每个企业与个人引领时代潮流，将先进科技与创新想法完美融合!

告别昂贵服务费和缺人烦恼,再见漫长交付周期

无限创意风格,分分钟生成专业级作品

感受 AI 带来的全新工作体验！

欢迎各大品牌方、媒体、科技企业、知名IP等合作

合作请联系负责人微信：Milo-1101

--END-