Agentic AI 讓自動化企業成為現實
隨著人工智能革命的加速，無論是大型還是小型企業都渴望利用增強智能來實現自動化。生成式人工智能（GenAI）和大型語言模型（LLMs）的出現是向這一願景邁進的重要一步。AI、GenAI和Agentic AI的集體出現，預示著將成為我們這個時代最具顛覆性的技術變革之一。這種顛覆可能與以往的技術革命如工業革命或互聯網的崛起相媲美，甚至超過它們。Agentic AI和大型行動模型（LAM）的崛起顯示了將這一願景變為現實的潛力。
AI和GenAI的顛覆性影響
在生命科學領域，基因編輯技術（如CRISPR）使得人類和其他生命形式的基因編輯成為可能。在自動駕駛領域，Waymo已經在舊金山市中心運行四級自動駕駛車輛。工業5.0時代，霍尼韋爾等公司正在利用增強現實、虛擬現實和協作機器人來改變工廠和城市。
什麼是Agentic AI？
Agentic AI指的是具有自主性和主動性的人工智能系統。與主要遵循預定規則或腳本的傳統AI不同，Agentic AI具備以下能力：
– 獨立做出決策：根據其對環境和目標的理解來做決定。
– 主動出擊：積極尋找機會或應對挑戰。
– 學習和適應：通過經驗提高其性能。
– 展現目標導向行為：追求特定的目標或結果。
本質上，Agentic AI旨在模仿人類的自主性，使其能夠以更靈活、適應性和智能的方式行動和反應。
Agentic AI系統
Agentic AI使得GenAI可以應用於自動化企業的使用案例，並將GenAI整合到現有流程中。這些使用案例利用複合AI系統來自動化它們。AI系統除了請求和響應對話查詢外，還使用邏輯。這被稱為ReAct（推理和行動）。在Agentic AI中，LLM負責推理，它根據以下提示做出決定：
– 將問題分解為多個思考鏈（較小的可管理任務）。
– 決定是使用文本到SQL查詢，還是使用RAG或GraphRAG來創建上下文理解。
– 或者調用LAM（大型行動模型）來生成行動並返回準確的響應。
Agentic AI系統由ReAct（推理和行動）驅動：
– 推理
LLM（大型語言模型）作為協調者或工作流自動化（推理）
OpenAI O1等新模型在Agentic AI系統中變得非常受歡迎
單一或多個代理
– 行動
LAM
工具
記憶（反復學習過程）在策劃數據以及強化學習中受訓。
Agentic AI平台在ITOps中的數據挑戰
讓我們來看看Agentic AI在IT運營中的應用（又稱AIOps、可觀察性和自動化）。ITOps使用案例涉及描述性、預測性、處方性和認知階段，利用實時遙測數據。ITOps使用案例的挑戰在於處理“數據價值差距”。處理遙測數據的體量、速度、真實性和多樣性並生成所需的上下文變得非常具有挑戰性。
利用Agentic AI代理來通過對話提示實現這些階段將完全自動化DevSecOps和ITOps流程，創建工作流。
Agentic AI平台在ITOps中的安全性、倫理和基礎設施挑戰
Agentic AI面臨的挑戰包括數據安全、倫理偏見和解釋性。但隨著代理的日益成熟，這些挑戰將被克服。然而，仍然存在顯著的基礎設施挑戰，這阻礙了企業獲得競爭優勢、帶來市場顛覆和超越其市場價值。
– 由於GPU利用率不佳而導致的總擁有成本（TCO）：AI工作負載是動態和不可預測的，具有不同的SLO（吞吐量、延遲、構建等）。這導致大型模型的GPU計算基礎設施利用率不佳和成本驚人，因為它們的規模日益增大。
– 技能差距使得AI和GenAI的普及化更加困難：要求深入的技術技能來剖析模型並了解精確的資源需求，特別是由於AI工作負載極其動態和不可預測。
– 可觀察性差距：需要持續的運行時洞察以優化和加速工作負載。
解決這些挑戰在未來幾年將是一個巨大的機會，但Agentic AI系統的未來已然來臨。
編者觀點
Agentic AI的出現無疑將會改變許多行業的運作方式，尤其是在自動化和決策制定方面。這不僅是科技進步的體現，也是企業效率提升的新契機。然而，這些技術的廣泛應用也帶來了新的挑戰，如數據安全和倫理問題。這需要企業在追求技術創新的同時，保持對社會責任的關注。此外，人才的培養和技術的普及化將成為推動這一變革的重要因素。香港作為國際化都市，可以在這一領域發揮更大的作用，成為技術應用和創新的一個試驗場。在這個科技迅速發展的時代，如何平衡技術進步與社會責任將是我們需要持續探討的課題。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
