在快速发展的 AI 世界中，了解 生成式 AI 和 代理 AI 这是有效使用这项技术的重要起点。这两种方法的工作方式和角色截然不同。这将帮助我们可视化 AI 的未来，它不仅仅是一个专门的工具，而是一个可以与人类完美合作的智能助手。
什么是生成式 AI？内容创建响应系统
生成式 AI 它是很多人都熟悉的人工智能系统，比如： 聊天机器人 、图像生成器，甚至编码和生成语音。生成式 AI 的亮点在于它的工作方式是 反应性的 这些系统首先等待用户的命令或问题，然后根据该命令创建内容。
生成式 AI 的原理是使用经过训练的大量数据来学习单词、图像像素或声波之间的统计关系。收到订单后，AI 将根据训练后的数据预测下一步是合适的或应该发生的事情。
例如，在聊天机器人中输入问题或句子时，AI 将从学习的模式中选择最合适的答案，但限制是 AI 将在完成生成该内容后立即停止工作。如果没有进一步的人工命令，他们将无法自行进行。
什么是 Agentic AI？一个创新和动手实践的 AI 系统
与专注于响应能力的生成式 AI 不同。 代理 AI 它是一个 AI 系统， 积极 虽然它从用户的相同命令开始，但 Agentic AI 将通过连续的多步骤过程来规划和执行目标。
Agentic AI 具有复杂的工作周期。从感知开始，然后是计划和执行，评估结果以改进下一轮的决策，所有这些都需要最少的人工干预。
生成式和代理式 AI 的共同基础知识：大型语言模型 （LLM）
生成式 AI 和代理式 AI 通常使用相同的基础设施： 大型语言模型 （LLM） 或者使用大量数据进行训练的大型语言模型。LLM 是许多聊天机器人和生成式 AI 工具的核心。
对于 Agentic AI，这些模型还充当“大脑”，允许系统通过称为“Agentic AI”的过程进行思考、分析和规划。 思维链推理 或者 “step thinking”，它有助于将复杂的任务分解成更小的块，使它们更容易解决。
生成式 AI 的实际应用
在日常生活中，生成式 AI 用于帮助创造性和快速地创建内容，例如撰写文章、创作插图，甚至撰写奇幻小说。
来自真实用户的一个有趣例子是使用聊天机器人来帮助编写 Nelson Demille 的同人小说的下一章，这表明 AI 可以成为一种辅助工具，使内容创建更轻松、更快捷。
此外，对于像 YouTube 用户这样的内容创作者来说，使用生成式 AI 可以帮助审查脚本、提出封面创意，甚至创作背景音乐。
但重要的是，AI 为人类创造了筛选和优化选项，以获得最理想的结果，表明人类仍然处于控制之中并做出最终决定。
代理 AI 的实际应用
Agentic AI 非常适合多步骤和持续管理的任务，例如帮助购买的个人助理系统。
这种能力源于使用 LLM 进行分析思考和逻辑规划。 思维链推理 这使得 AI 能够将复杂的任务分解成小步骤，并像人类一样确定它们的优先级。
复杂活动策划示例：组织会议
想象一下，一个 Agentic AI 的任务是举办会议。检查可用性并进行预订。
这个过程就像 AI 在采取行动之前“自言自语”来探索问题和计划。这使得复杂任务的管理系统化和高效。
AI 的未来：生成式和代理式 AI 协作
展望未来，最强大的 AI 系统将不是生成式或代理式 AI，而是两者之间的智能协作。
这些 AI 系统将知道何时使用生成式 AI 来生成新的选项或想法，以及何时使用 Agentic AI 来规划和执行正在进行的目标。
例如，可以知道何时创建同人小说下一章的 AI 在视频拍摄后立即准备就绪，甚至可以实时使用。
需要了解的技术术语（行话）
- 生成式 AI： 根据命令生成新内容（例如文本、图像、音频或代码）的 AI。
- 代理 AI： 通过多个步骤启动和实施目标的 AI，具有做出决策和适应的能力。
- LLM（大型语言模型）： 使用大量数据训练的大型语言模型理解和构建一门语言。
- 思维链推理： 思维过程是解决复杂问题的一个步骤，将任务分成更小的部分。
- 反应式系统： 响应命令而不恢复自身的系统。
- 主动系统： 无需等待额外订单即可启动和实施目标的系统。
来自 Insiderly 的结论
生成式 AI 和代理式 AI 是 AI 世界的两极，具有不同但互补的作用。
这两个系统之间的协作将是开发 AI 的关键，AI 不仅仅是一个工具，而是一个理解任务并可以真正与人类合作的智能助手。
所以正确理解和利用生成式 AI 和代理式 AI 是进入充满可能性和创新的 AI 新时代的最佳方式。