【科普篇】LLM、GPT、AIGC、AI Agent、Agentic AI 到底是个啥？ ...

前言

2024 年可谓是AI 大模型全面开花的一年，各大厂纷纷发布了自己的大模型应用产品，比如：

• 腾讯的元宝
  
• 阿里的通义千问
  
• 字节的豆包
  
• 百度的文小言
  
• 月之暗面的Kimi
  
• 等等
  

可谓是琳琅满目，好不热闹。付一张全景图：

   图引自：https://www.cluebenchmarks.com/
  信赖许多走在科技前沿的人已经实行将 AI 融入到自己的生存和工作的方方面面了，比如办公、编码、写作、搜刮等都可以通过 AI 工具来提效，可以说一旦体验过 AI 带来的提效，你将再也离不开它，它将成为你工作和生存中的得力助手。
但作为互联网从业者，除了学会使用 AI 工具来资助我们工作提效，笔者也对背后支撑它的技术感爱好，本篇文章作为科普篇了解下这些 AI 应用背后的技术要点，方便我们明白目前关于 AI 大模型的发展趋势。
LLM

Large Language Model，大型语言模型。可以说 LLM 是目前 AI 应用的基座，没有它就没有这次 AI 的技术革命。
LLM 是一种基于深度学习的人工智能模型，用于处置惩罚天然语言的各种任务。它们通常由数十亿到数万亿个参数组成的神经网络构成，通过对大量的文本数据进行练习，来学习语言的语法、语义和上下文信息，从而可以或许对天然语言文本进行明白和天生。
特点

• 巨大的规模：LLM 通常具有巨大的参数规模，可以达到数十亿甚至数千亿个参数，这使得它们可以或许捕捉更多的语言知识和复杂的语法布局。
  
• 预练习和微调：LLM 接纳了预练习和微调的学习方法。它们首先在大规模文本数据上进行预练习，学会了通用的语言表示和知识，然后通过微调顺应特定任务，从而在各种 NLP 任务中表现出色。
  
• 上下文感知：LLM 在处置惩罚文本时具有强大的上下文感知能力，可以或许明白和天生依赖于前文的文本内容。
  
• 多语言支持：LLM 可以用于多种语言，不但限于英语。它们的多语言能力使得跨文化和跨语言的应用变得更加容易。
  
• 多模态支持：一些 LLM 已经扩展到支持多模态数据，包括文本、图像和语音。这意味着它们可以明白和天生差异媒体类型的内容，实现更多样化的应用。
  
• 涌现能力：LLM 表现出令人惊奇的涌现能力，即在大规模模型中出现但在小型模型中不明显的性能提升。
  

应用前景

LLM 已经被广泛应用于文本天生、自动翻译、信息检索、摘要天生、聊天呆板人、假造助手等多个范畴，对人们的日常生存和工作产生了深远的影响。随着技术的不断发展，大型语言模型将在未来发挥更大的作用。
练习方式

练习语言模型需要向其提供大量的文本数据，模型利用这些数据来学习人类语言的布局、语法和语义。这个过程通常是通过无监视学习完成的，使用一种叫做自我监视学习的技术。在自我监视学习中，模型通过预测序列中的下一个词或标志，为输入的数据天生自己的标签，并给出之前的词。
技术架构

LLM 通常基于深度学习架构，如 Transformer，这有助于它们在各种 NLP 任务上取得令人印象深刻的表现。Transformer 架构由编码器息争码器组成，通过自注意力机制处置惩罚数据，发现词元之间的关系。
LLM 作为天然语言处置惩罚范畴的焦点技术，正在不断推动人工智能的发展，其潜力和应用前景非常广阔。
国内外 AI 大模型象限：

   来自https://www.cluebenchmarks.com/superclue_2410
  GPT

GPT（Generative Pre-trained Transformer）系列是由 OpenAI 开发的一系列大型语言模型，它们在天然语言处置惩罚（NLP）范畴取得了明显的希望。以下是 GPT 系列的发展脉络：

• GPT-1（2018 年）：
  
  
  
  • GPT-1 是系列中的第一个模型，它基于变更器（Transformer）架构，拥有 1.17 亿个参数。GPT-1 重要依赖于无监视学习，通过预练习和微调相联合的方式，在多种 NLP 任务中显现出了有用性。
    
  
  
• GPT-2（2019 年）：
  
  
  
  • GPT-2 的参数目增长到了 15 亿，显示出强大的文本天生能力。由于担心潜伏的滥用风险，OpenAI 最初并未完全公开该模型，随后在公众压力下渐渐开放了访问权限。
    
  
  
• GPT-3（2020 年）：
  
  
  
  • GPT-3 的参数目达到了 1750 亿，成为当时最大的语言模型。GPT-3 以其出色的文本天生能力和上下文明白能力，敏捷引起了广泛的应用和研究热潮。
    
  
  
• ChatGPT（2022 年末）：
  
  
  
  • 在 2022 年末，OpenAI 推出了 ChatGPT，它基于 GPT-3.5 模型，作为一个免费的研究结果预览向公众开放。ChatGPT 以其对话能力而闻名，可以或许天生连贯、相关的文本复兴。
    
  
  
• GPT-4（2023 年 3 月 14 日）：
  
  
  
  • OpenAI 在 2023 年 3 月 14 日发布了 GPT-4，这是 GPT 系列中的最新模型。GPT-4 包罗了 1.76 万亿个参数，可以或许同时处置惩罚多达 25000 个单词，是 GPT-3 处置惩罚能力的 8 倍。GPT-4 在淘汰幻觉（hallucinations）方面相比之前的版本有所改进，并且可以或许接受文本和图像提示，允许用户在视觉和语言范畴定义任务。
    
  
  
• GPT-4o（2024 年 5 月 13 日）：
  
  
  
  • GPT-4o（“o” 代表“omni”）可以或许处置惩罚和天生文本、图像和音频，实现了文本、视觉、音频的全面打通，成为一个原生的多模态模型。GPT-4o 支持了实时语音交互，得到更像人类的体验。并且针对文件处置惩罚能力、性能和布局化输出有了更多的提升。
    
  
  
• GPT-o1（2024 年 09 月 13 日）：
  
  
  
  • GPT-o1 模型是由 OpenAI 在 2024 年 9 月 13 日发布的。这一模型标志着人工智能在复杂推理任务上的重大进步，被 OpenAI 称为“新范式的开始”。GPT-o1 的发布展示了其在数理化生、英语法律经济等各个科目上的明显改进，特别是在办理博士水平的物理题目时，其表现远超之前的 GPT-4o 模型。
    
  
  
• 未来发展
  
  
  
  • OpenAI 计划推出 GPT-5, 并致力于提供更好的个性化、更多样化和准确的相应以及加强的创造力。
    
  
  

GPT 系列的发展不但推动了 AI 在明白和天生人类语言方面的能力，而且还引发了关于这些技术伦理影响和社会影响的讨论。随着模型的迭代，GPT 系列不断刷新着 NLP 范畴的基准，并且其应用范围也在不断扩大，从文本完成到故事天生等多个范畴。
AIGC

**AIGC（Artificial Intelligence Generated Content，人工智能天生内容）**是一种利用天生式人工智能技术来自动创作文本、图像、视频等内容的新型内容生产方式。
我们前言所说的 AI 应用实在就是 AIGC 的落地场景，AIGC 技术依赖于 LLM 等 AI 技术来天生内容。LLM 通过学习文本数据，可以或许天生文章、故事、代码等多种情势的内容，是 AIGC 技术焦点组成部分。
对比于我们所熟知的 UGC（用户天生内容）和 PGC（专业天生内容），AIGC 的出现将给内容创作带来巨大的厘革和进步。
AI Agent

AI Agent，即人工智能署理，是一种可以或许感知情况、进行自主明白、决策和执行动作的智能实体。它基于大语言模型（LLM），具备自主明白感知、规划、记忆和使用工具的能力，可以或许自动化执行完成复杂任务的系统。
智能体架构图如下所示：

   引自：https://lilianweng.github.io/posts/2023-06-23-agent/
  LLM Agent 几个焦点组件：

• Planning：使用 LLM 进行任务拆解，将用户的题目分解为多个子题目
  
• Memory：短期记忆和恒久记忆，此中短期记忆指 LLM 的上下文，恒久记忆指外部向量存储
  
• Tool：各种各样的工具，例如谷歌搜刮 API、计算器
  
• Action：行动模块是智能体实际执行决定或相应的部分。面临差异的任务，智能体系统有一个完整的行动策略集，在决策时可以选择需要执行的行动，比如广为熟知的记忆检索、推理、学习、编程等。
  

一些出色的 AI Agents 概况

   图引自：https://github.com/e2b-dev/awesome-ai-agents
  Agentic AI

Agentic AI，署理式人工智能。Agentic AI 夸大的是 AI 的自主性和署理性，即 AI 系统可以或许在没有人类直接干预的情况下，自主地完成任务。AI Agent 是实现 Agentic AI 的关键，而 LLM 为 AI Agent 提供了处置惩罚语言和明白情况的能力。
Agentic Workflow 组件：

   图片引自：https://www.vellum.ai/blog/agentic-workflows-emerging-architectures-and-design-patterns
  一些关键特征：

• 自主性（Autonomy）： Agentic AI 系统可以或许在没有人类直接干预的情况下运作。它们可以独立地辨认题目、制定办理方案并执行这些方案。
  
• 社会能力（Social Ability）： 这些系统可以或许与其他署理（无论是人类照旧其他 AI 系统）进行交互和沟通，以协作完成任务。
  
• 反应性（Reactivity）： Agentic AI 可以或许感知其情况并对情况变化做出快速反应。它们可以根据外部事件和变化调解自己的行为。
  
• 自动性（Pro-activeness）： 除了对情况变化做出反应外，Agentic AI 还可以或许自动采取行动以实现其设计目的，甚至在预见到未来的需求或题目时也能自动行动。
  
• 推理能力（Reasoning）： 这些系统具备逻辑推理能力，可以或许基于可用信息做出决策，并预测其行动的潜伏结果。
  
• 学习能力（Learning）： Agentic AI 系统可以或许从经验中学习，并随着时间的推移改进其性能和服从。
  
• 个性化（Personalization）： 它们可以或许根据用户的行为和偏好进行个性化调解，以提供更加定制化的服务。
  
• 顺应性（Adaptability）： Agentic AI 系统可以或许顺应不断变化的条件和需求，机动调解策略以保持效能。
  
• 透明度（Transparency）： 只管 Agentic AI 系统可以或许独立运作，但它们通常也设计有透明度，使得人类可以明白和跟踪其决策过程。
  
• 伦理和合规性（Ethics and Compliance）： Agentic AI 系统在设计时会考虑伦理和法律框架，确保其行为符合社会规范和法律法规。
  

Agentic AI 的应用范围非常广泛，从自动化客户服务、智能家居控制、自动驾驶汽车到复杂的业务流程管理等。随着技术的进步，Agentic AI 系统正变得越来越复杂和智能，它们在进步服从、优化决策和加强用户体验方面发挥着越来越重要的作用
总结

• LLM 是这些概念中的底子技术，为其他概念提供了明白和天生天然语言的能力。
  
• ChatGPT 是 LLM 的一个具体应用，专注于对话系统。
  
• AIGC 依赖于 LLM 等技术来天生内容。
  
• AI Agent 是 LLM 的高级应用，联合其他技术实现更复杂的任务。
  
• Agentic AI 是目前的发展方向，夸大自主性和署理性，AI Agent 是实现这一目的的关键。
  

写在末了

在整理这篇文章我也在感叹技术发展的变化之快，自从 OpenAI 发布 ChatGPT 以来，基本隔一段时间就有突破我们认知的事变在发生，然而这些事变到底对于我们平凡人产生什么影响，这是需要我们躬身入局去体验和思考的地方，未来已来，我们需要以更开放和包容的心态去应对天下所发生的变化，打不过就加入吧。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。

继续阅读请点击广告