智能体是什么?
几个月前,我们大概会模糊地认为,它是一种AI大模型赋能应用场景的新形态。 今天,对概念做进一步的阐释显然不那么重要了,直接上手做就行。
2024年的百度世界大会上,文心智能体平台(AgentBuilder)展区的工作人员,正极力招呼每一位路过的观众来搭一个智能体(又叫“Agent”),“我们已经极大程度减少做一个智能体所用的代码了”。 的确,观众不到1分钟就能“手搓”一个智能体,然后欣慰离开。
热闹的智能体展区丨百度世界大会2024
与市面上已有的对智能体的形容不同,百度创始人李彦宏说,智能体就像移动时代的自媒体账号—— 首先它的开发门槛足够低,人人都能上手;另外,它可能会变成AI原生时代里,内容、信息和服务的新载体。
一切皆可智能体
智能体可以做什么?
利用智能体文生图制作的漫画丨百度世界大会2024
目前,文心智能体平台上已有分布在各个行业的15万家企业和80万名开发者。
他重点介绍了一款工具类智能体,“ 自由画布”。
它真的很自由。这款智能体 打通了百度文库上的公域资料,以及百度网盘上的私域数据,让找资料、编辑、生成、分享这一流程更加丝滑。
“自由”的另一个体现是, 素材不被来源、格式、形式限制。不管是录音的通话、图文结合的行业报告,还是发布会的视频,都可以被“拖拽”到这块画布上,按照用户需求生成一个全新的富媒体内容。
“自由画布”太自由了,以至于很难一句话介绍,可以等着体验一下丨百度世界大会2024
“门槛低,人人可用”是一个前提, “天花板得足够高,多个智能体协作,才能解决更加复杂的问题”又是另一个前提。对此, 百度官宣了秒哒,一个零代码应用开发平台(将于明年第一季度上线)。
李彦宏以“为萝卜快跑发布会搭建活动报名系统”为例。
输入需求后,一个负责规划的智能体首先出现,将任务拆解成需求确定、内容生产、工程开发3个步骤,并且分别“召集”了“策划”“文案”“程序员”“质检员”等智能体分头开展工作。
“程序员”在敲代码时,李彦宏说,“它写什么你完全不需要看懂,只要知道它在写就行”,因为写完之后会有“质检员”来检查代码能不能跑得通。
正在制作电子邀请函的秒哒丨百度世界大会2024
无代码编程、基于文心大模型的思考和规划能力对多智能体调度和编排、大模型对iRAG/地图API等多工具调用—— 这些能力将会让“秒哒”成为迄今为止最复杂的多智能体协作工具。
图片幻觉“消失术”
“去世界各地打卡”,这是生图工具出现之后,大家最喜欢的应用之一,哪怕是在百度世界大会现场,“AI合照”依然是最热闹的展台。
但怕就怕在,让AI生成一张打卡北京天坛的照片,结果把原本3层的祈年殿画成了4层,闹了笑话。
过去的AI生成了4层的祈年殿照片丨百度世界大会2024
这是因为,大模型是个概率模型,用它生成的内容具有不确定性。 为了解决大模型本身的“幻觉”问题,这里需要提到一个技术——RAG。当大模型“知识储备”有限时,可以通过一些工程化手段(比如联网检索、知识库搜索等),先把相关信息找出来,再指导大模型进行回答,从而大大提升回复质量。
过去的RAG主要做在文本层面,但在图像等多模态方面还结合得不够,导致AI绘图常常也有“幻觉”的问题。 因此百度开发了iRAG(image based RAG),也就是检索增强的文生图技术,将百度搜索积累的亿级图片资源和大模型能力相结合。
百度CTO王海峰简要介绍了iRAG技术:
首先,大模型对用户的需求进行分析理解,自动规划精确或泛化方案,比如对哪些实体进行增强;
接着,对需要增强的实体检索并选择相应的参考图;
最后,在生成阶段利用自研的多模可控生图大模型,一方面通过局部注意力计算,在保持实体特征不变的情况下,实现了图像的高泛化生成,另一方面通过整体注意力计算进行高精确的图像生成。
在用户的视角里,我们看到在iRAG技术下生成的“爱因斯坦打卡照”,少了“机器味儿”,“爱因斯坦”也更像本人——可以想象,在“特定背景中的特定人物拿着特定产品”这样的描述下,生成图像的质量和精确度一定会提升不少。李彦宏打趣说,“如果大众的海报生成的车型长得像丰田,那可就糟心了”。
用iRAG技术生成的“大众揽巡飞越长城”的写实风格照片,细节都很真实丨百度世界大会2024
放大看车型和车标,都没有错误丨百度世界大会2024
无幻觉、超真实、没成本、立等可取——具备了这些要素, AI生图就能代替以往为品牌拍一幅海报所花费的人力和财力成本,AI图片开始有了商业价值。
AI眼镜,让智能助理随身携带
不少人认为,如果大模型和智能体不能与物理世界产生连接,那么就等于没有价值。代表传统发布会的“实感”被留到了最后公布。这一次,搭载小度的不是智能音箱,而是一款 AI眼镜。
发布会上,小度科技CEO李莹戴的就是它丨百度世界大会2024
作为“全球首款搭载中文大模型的原生AI眼镜”,它主打6个功能。
第一视角拍摄。
看到稍纵即逝、来不及掏出手机拍照的时刻,是不是特别希望眼睛有截图功能?有第一视角拍摄功能的眼镜就能做到—— 拍照、录像,都可以通过语音控制。眼镜毕竟轻(小度AI眼镜自重45g),人也可能在运动中,因此这款眼镜搭载了 AI防抖算法,据小度科技CEO李莹介绍,防抖做到了“完美”;在镜头性能上,这个豆子大小的镜头用到了 1600万像素的超广角——像素级别比刚出的iPhone 16前置摄像头高点儿。
适合在运动时候拍摄第一视角照片、视频丨百度世界大会2024
边走边问。
这个功能运用场景大多在室外。比如走在路上看见漂亮的历史建筑,请它来说说背后的故事, 相当于雇了个“戳一下蹦跶一下”的AI导游。需要说一下的是, AI的回答是通过眼镜腿上的麦克风传出的。
“边走边问”的导游功能丨百度世界大会2024
识物百科。
识物百科在看展时候的应用丨百度世界大会2024
视听翻译。
发布会介绍不多,不太清楚这个翻译能做到什么程度,是只能翻译面前的外文文字,还是能做到同声传译?我们姑且保持期待。
发布会的介绍视频里只有阅读外文文字的翻译方式丨百度世界大会2024
智能备忘。
李莹在发布会中举的例子是,“阅读的时候用手点一下,点的内容就能智能备忘了”,至于怎么点、精确度怎么样,还尚不得知。除此之外,应该也可以像同类型产品一样,连通手机端、平板端的备忘录,在眼镜上进行语音提醒。
氛围歌单。
看起来似乎能结合你眼前的景色,选择符合氛围的音乐给你听。不过,我个人觉得这个功能不太讨好——面对同样的景色,有的人开心的有的人伤感,更别提大家千奇百怪的音乐审美了。
个性推歌这个功能,你怎么看?丨百度世界大会2024
展会现场,样品被框在了玻璃罩里。 要等到明年上半年才上市,价格据说是“绝对很有诚意”。更多关于舒适度、使用体验、近视/远视友好等细节问题也待回答。
不过这场探讨“有价值的AI应用”的发布会,真是从线上延伸到了物理世界,从虚拟渗透到了现实。
作者:沈知涵,李小葵
编辑:Rex
如有需要请联系sns@guokr.com
新疆无人机培训步煜天 2024-12-18
保华润天青少年无人机 2024-12-18