论 Agent 的“持久战”

主要观点总结

本文讨论了将AI技术应用于Agent开发所面临的挑战和差距，包括数据问题、真实与虚拟场景的数据困境、评价标准问题以及不同场景上的实现难度等。文章指出，要想实现AGI，达到能替代80%的人类白领工作的Agent，需要非常漫长的时间，并需要全新的颠覆性技术。因此，对Agent的开发将是一场持久战，需要逐步解锁越来越复杂的场景，达到不同的里程碑。

关键观点总结

关键观点1: 文章分析了AI做题和做事之间的Gap，指出大模型在做题上突飞猛进的原因是有海量现成的题和pretraining数据，而在真实的工作场景中很难直接发挥作用。

作者强调了数据在AI发展中的重要性，指出数据问题是深度学习发展中的根本问题。在AI的不同领域，发展速度与数据的获取难度直接相关。

关键观点2: 文章讨论了Agent面临的数据困境，包括没有真实数据可以直接模仿和没有现成的任务可以用来强化学习的问题。

作者指出，Agent的核心是调用工具并利用工具返回的结果进行推理决策，但相关的轨迹数据在互联网上几乎不存在，收集难度高且不易规模化。同时，造题造任务也是一件不容易规模化的事情。

关键观点3: 文章通过对比自动驾驶和机械臂抓取问题，阐述了从有人到无人的Gap，指出Agent的发展速度将比想象的慢很多，并且需要根据真实职业的标准去衡量其能力。

作者强调，要想实现AGI，需要在多个领域将Agent的Performance做到极高的准确率才能达到L4水平，这是一个漫长的过程。