创作者AI
【建站扶持计划】 
目前全球大约有15%的编程任务能够由AI完成，预计到今年年底，这一数字将攀升至25%至30%。在未来三年内，这个比例有望达到60%至70%。对于全球5000万至6000万的编程人员来说，编程行业将迎来翻天覆地的变化。随着传统编程任务逐渐被自动化工具取代，一些程序员将蜕变为"超级个体"。在这个转型过程中，未来的程序员可能不再仅仅是编码者，而是AI技术的运用者和整合者，他们的工作重心将转向需求分析、设计规划以及管理AI与人类的协作流程。
一些研究者戏称，从明年开始，或许不再需要招聘年轻的程序员，因为AI可以取代他们的工作。这不仅是编程领域的趋势变化，更是整个社会工作模式的一次变革。人类首次拥有了将个人的审美和知识通过学习无限复制的能力。因此，像GPT这样的大型语言模型，不再只是一种软件工具，而是一种能力。这种能力，结合记忆和引导，就能孕育出一个个专业领域的智能体（Agent）。Agent能够像学生一样学习和吸收知识，并将其应用于实际问题，最终进化为超越人类的专家。
AI Agent，简单来说，就是利用人工智能技术来模拟人类助手的智能系统。它们可以执行各种任务，比如回答问题、提供建议、管理日程、甚至进行复杂的数据分析。AI Agent 的核心是机器学习和自然语言处理技术，这让它们能够理解人类的语言，并以人类的方式进行交流。
这种新的认知方式，挑战了我们对传统软件和工具的理解，也促使我们重新思考AI在人类社会中的角色。早期的Agent系统依赖于简单的逻辑规则和预设的行为模式，通常用于特定场景下的自动化任务，如基于预设规则的智能家居控制或简单的游戏代理。在这一阶段，Agent往往缺乏自适应能力，环境变化时，往往需要人工调整规则以适应。在这一发展阶段，Agent主要承担了自动化的角色，但在处理复杂场景方面尚显不足。随着Transformer结构的出现，人类找到了一种新的压缩算法，这种算法将庞大的数据压缩为下一个Token的预测。所以基于LLM的Agent其实是基于新的压缩算法下的Agent，极大扩展了Agent的认知边界和智慧边界。
初看之下，Agent似乎并不像那些即开即用、易于上手的工具。但Agent并非工具，而是学徒。今天Agent所面临的问题，同样可能也出现在那些刚步入职场新人的身上。而这正是杰出领导者价值的体现。优秀的导师懂得如何循序渐进地教学，根据学生的特质进行个性化指导，并树立榜样。Agent也会在这样的熏陶下成长，这正是强化学习与模仿学习（SFT）的意义所在。因此，基础的大型模型更像是普及教育，为每个模型打下了基础能力，我们可以称之为“常识”。这更像是在Agent的通识能力基础上，为其建立职业发展的“榜样”和“引导”，让它通过专业训练逐步成为行业专家。这与孩子的成长过程相似，童年时期的微小经历，都会在无形中塑造TA日后的性格与行为。“幸福的人用童年治愈一生，不幸的人用一生治愈童年”，这同样适用于基于大型语言模型（LLM）的Agent。因此，我们期待对大型模型有更深入的理解，并以审慎的态度乐观看待GPT等人工智能系统，洞察其发展所蕴含的无限可能。
哈佛大学博士朱科航利用Agent对人类行为进行建模，模仿了法官、拍卖人、产品测试员等角色，证明了大型语言模型能够实现对人类社会的近似模拟。他指出，在对人类行为建模的领域，单个人的大脑拥有数以万计的神经元，这些神经元如何产生神经信号，最终决定人类的情绪和行为，是一个极其复杂的系统。由数亿人组成的人类社会，目前有限的数学或计算机求解手段都难以实现良好的建模。大型语言模型的出现打破了这一限制，我们利用基于LLM的Agent作为人的近似模型，提出了一种通用的自动化实验方法，在传统社会科学领域，还能实现低成本高效的社会实验测试。
学徒模式的边界不再依赖于用户的数量，而在于可传授的“经验”。当一个人拥有一定的知识和技能，能够教给这个学徒，那么就可以无限地扩展其能力。换句话说，理论上，可以有成千上万个“自己”在不同领域传授知识。最终，Agent的局限性并不在于个体的数量，而是取决于个人所拥有的认知和知识的深度。因此，我们相信，发现和打造自己的“核心能力”才是AI时代的“正道”。
当然，Agent的能力发展不会是一蹴而就的，它会经历从“助理”到“自己”的不断成长，最终在充分掌握导师的核心能力之后实现“青出于蓝，胜于蓝”。华中科技大学的陈伟教授参与的AI Hospital带来了医院问诊系统的全新思路，在解决传统就诊过程中时间长、流程繁、效率低的问题上进行了重整，同时团队也考虑到大模型目前的缺陷导致的交互式评估无法满足医疗诊断的痛点。AI Hospital在多个实习医生间设计了严谨的争议解决机制，让多个Agent相互比较和讨论，最终整合实习医生不同的诊断结果，不断调整和优化自己的诊断直到达成共识。他表示，“在现实世界中，医生通过望闻问切等方法，主动与病人互动，收集信息，结合检查结果，然后才做出诊断。现有的大模型往往缺乏这种交互能力，更倾向于一次性提供完整、冗长的回答。为了克服这一挑战，我们开发了AI Hospital，模拟真实医疗环境的交互式评估框架。它包括多个角色：病人、实习医生、检查员和主治医生，模拟了医患之间的多轮对话，让实习医生通过提问和收集病人反馈来逐步构建对病情的理解。”
目前，我们正见证着Agent的初期形态逐渐成型。当每位创新者将自己的专长和能力注入Agent之中，而这些Agent再汇聚成一体，我们便迈向了一个理想的社会——一个互助互惠、共同进步的"大同世界"。在这个社会里，每个人都能为他人提供帮助，同时也能得到他人的支持，形成一个良性循环的共同体。
