谷歌前CEO施密特被下架的斯坦福AI讲座中，给出了当前AI的三个重要发展方向是：
- 更大的上下文窗口；
- 更强大的AI代理；
- 文本到行动能力的提升；
并认为在接下来的一年里就可以看到效果。
在讲解讨论文本到行动时，施密特用TikTok举的例子可以让我们清晰的看到未来AI可以做什么？
如果TikTok下架，你可以对AI系统说：
'为我创建一个TikTok的复制品，获取所有用户，获取所有音乐，加入我的偏好，在30秒内生成这个程序，发布它，
如果一小时内没有病毒式传播，就做些不同的事情。'
要能实现上面功能，一定有很多的Agent代理共同在工作，比如：
-
分析限制策略，并绕过的下载爬虫；这个代码一定是AI自动产生的，并执行的，通用的爬虫程序无法满足需求。
-
采集、评估指标、并根据指标进行优化的Agent大脑。
这个能力去年我介绍 Auto-GPT 时就有人在做了，只不过长上下文保持与理解、推理深度、长时间任务管理的复杂性等问题限制了发展，随着技术进步，可预计会走向成熟。
制约这个能力达到的关键因素有这些：
推理和决策的局限性
上下文保持与理解：Auto-GPT 这类 Agent 在多个回合的任务执行中需要保持上下文，并进行长期的决策和推理。如果上下文太长，尤其是涉及复杂任务或长时间的对话时，会丢失上下文。
推理深度有限：虽然它们可以执行简单的任务和操作，但在面对复杂推理和多步决策时仍存在困难。需要进行更好的策略规划和执行。
行动执行的精确性
实际环境中的不确定性：从文本生成到实际行动的转化，尤其是在物理世界或具有复杂系统的操作中（如自动化工具控制、API调用等），依赖自然语言理解和生成的 Agent 往往难以精准执行。
工具使用的局限性：目前的 Agent 在调用外部工具或API时仍然依赖一定的规则配置，无法自主灵活应对每种情况，导致行动能力的局限。
长时间任务管理的复杂性
任务拆解与优先级管理：这些 Agent 在面对长时间、多步骤任务时，如何拆解任务、设定优先级、并行处理等，仍是一个挑战。这需要更多自动化的任务管理与调度能力。
安全性和鲁棒性问题
意外行为的防控：由于语言模型有时会生成意料之外的输出或采取意外行动，确保这些 Agent 的鲁棒性和安全性至关重要。当前尚没有完全可靠的方式避免不安全或无效行为。
误用风险：一些用户可能会错误使用或恶意利用这些 Agent 技术，因此需要更严格的安全限制和监管机制。
计算资源的需求
高算力要求：Auto-GPT 类的 Agent 通常需要大量的计算资源来执行推理、计划和生成，这限制了其大规模应用。对计算效率的优化以及如何更好地利用资源仍是发展的重要方向。
人机交互的流畅性
用户体验限制：这些 Agent 在与用户的互动中，有时不能很好地理解复杂指令或模糊指令，导致沟通的不流畅。这会影响实际应用的效果和用户的信任度。
多模态能力的缺乏
单一文本模式的限制：尽管Auto-GPT能够处理文本任务，但要扩展到多模态（如图像、音频、视频）能力，这种文本驱动的 Agent 在感知和理解多种信息形式上的能力仍有限。
目前多模态的LLM已经出现好久了，这个已经不是问题了。
上面这些制约因素，归根到底，又是施密特给出的当前AI的三个重要发展方向：
- 更大的上下文窗口；
- 更强大的AI代理；
- 文本到行动能力的提升；
当达到这样能力时，就类似我之前说的：AI时代，就没有工程师或者设计师之分了，都是召唤师，对着AI念咒语，不同等级的召唤师使用不同法阵（AI产品）能召唤出来的产出也不一样。
而这个能力达到的时间，谷歌前CEO施密特的判断是接下来的一年内。当这些技术大规模交付时，它们对世界的影响将超出人们的想象，可能比社交媒体的影响还要大。
【推荐】国内首个AI IDE，深度理解中文开发场景，立即下载体验Trae
【推荐】编程新体验，更懂你的AI，立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包，你的智能百科全书，全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell：AI 加持，快人一步
· 分享4款.NET开源、免费、实用的商城系统
· 全程不用写代码，我用AI程序员写了一个飞机大战
· MongoDB 8.0这个新功能碉堡了，比商业数据库还牛
· 白话解读 Dapr 1.15：你的「微服务管家」又秀新绝活了
· 记一次.NET内存居高不下排查解决与启示
2012-08-20 Excel中PMT计算月供函数的java实现
2012-08-20 Android，两个互相影响的EditText如何避免死循环
2010-08-20 网站的功能测试