Salesforce首席科学家Silvio Savarese提出了AI agents的一个新名词LAM（Large Action Models），对应着LLM。 岔个题外话，Silvio Savarese的另一个身份更为中国朋友所知，他是李飞飞的老公。

• Savarese认为最近几个月正在出现一种强大的新趋势，LLM正在被增强为“Agents”（我翻译为智能体），它是一种可以独立执行任务的软件实体，最终可以为目标服务，而不是仅供人类作查询使用；
• 这是将LLM与独立完成任务、决策做结合，AIGC正在从一个被动的工具变成为一个实时的可主动完成工作的伙伴；
• Savarese称之为LAM，正如LLM使得文本的生成变得自动化，LAM很快将使得整个过程自动化成为可能，因为LAM拥有流利的语言系统，可以与世界、人类做更智能的互动，甚至还可以与其他LAM互动；
• LAM应专注于从事重复性任务和其他繁忙的工作，让人类从他们不想从事的工作中解脱出来；
• Savarese举了很多的例子，LAM如何分解任务，并自动化完成工作，描述的蓝图很美好，感兴趣的可以自己去看，这里不再赘述；
• 构造LAM的核心挑战在于：世界在不变变化，任何与之互动的智能体都必须足够灵活，可以不断适应环境；
• LAM跟人类的交互也非常重要，过于频繁的提醒会令人反感，如果提醒过少，又会增加风险，例如LAM把你一封重要邮件删除了但是没有告诉你；
• 要使得LAM的行为恰当，需要让LAM多与人类一起工作，通过人类的反馈来完善他们的行为，LAM的工作不仅是将目标转化为一系列步骤，而是理解步骤之间的逻辑、连接关系，并指导该在什么时候改变计划以适应环境的变化；
• LAM的一致性也是大问题，LLM的输出结果都不稳定，并不能完全采信，LAM无疑是更大的挑战，Savarese认为人类不能做甩手掌柜，必须在loop中，要将其视为一种工具，一种人类可以控制的工具（编注：有没有那么点像L2+ 自动驾驶）；
• LAM拥有极大潜力，可以将生产力带入一个新的时代，Salesforce是追求这一愿景的最好地方。 文章内容介绍完毕，简单说下我的想法。 最近，Andrej Karpathy在一场AI Agents线下黑客马拉松活动上说，在OpenAI内部如果看到了大语言模型的论文，基本上都属于他们玩剩下的，但是看到新的AI Agents论文会非常兴奋。 LLM只是第一步，国外这帮极客们在非常积极地给LLM配上规划、思考、反思的能力，让LLM变得像一个可以自动执行任务的数字实体，然后发展成为AGI。 一定程度上，OpenAI为代表的这些公司是在通往数字Agents的道路上越走越远，如果非要类比的话，自动驾驶也相当于一个Agents，只是这个Agents是物理的，上述AI Agents的某些能力和自动驾驶的模块还是挺像的，要预测、要决策、还要与人、与世界交互。 最后再说句唠叨话：不要再片面的看LLM或者AIGC，还是要认识到接下来的核心在于更多的自动化，更多的替代人类能力。 在AGI实现之前，大家要珍惜现在的“人机共驾”时刻，AI不会一直坐在你的副驾驶的，它迟早要自己开。