智能体 AI 与计算机视觉：自动化的未来

人工智能（AI）和计算机视觉帮助机器观察并理解世界。得益于近期的进展，我们如今正见证一次飞跃：AI 创新不仅能够感知，还能自主思考、规划和行动。在上一篇文章中，我们讨论了视觉智能体如何处理视觉数据、分析数据并采取行动。

今天，我们将探讨一个类似的概念：智能体式 AI。智能体式 AI 系统旨在独立运行，具备类似人类的推理和问题解决能力，以实现既定目标。传统 AI 系统专注于按照预设指令完成单项任务，而智能体式 AI 则能够自主规划和行动来执行任务。这些智能体甚至可以从以往的交互中学习，并在无需任何人工干预的情况下做出决策。

在计算机视觉领域，智能体式 AI 系统可以利用 Ultralytics YOLO11 等计算机视觉模型进行目标检测等任务，实时分析视觉数据、识别物体、理解空间关系，并根据周围环境自主做出决策。

什么是智能体式 AI？#

智能体式 AI 系统的核心在于自主、目标导向的思考能力、适应性问题解决能力和持续学习能力。它们使用 AI 智能体来理解环境、做出决策并执行任务。这些 AI 智能体利用计算机视觉模型、强化学习技术和大语言模型（LLM）来执行复杂任务。因此，它们非常适合用于自动化业务工作流和提升决策能力。

例如，在仓库中，配备计算机视觉的智能体式 AI 系统可以在无人干预的情况下检测包裹、跟踪库存并绕开障碍物。借助强化学习，它能够逐步提高移动效率，学会避开拥堵的最佳路线。同时，由大语言模型驱动的聊天机器人可以回答问题并提出运营改进建议，帮助工作人员提高整个工作流程的效率。

图 1. 智能体式 AI 工作原理概览。

传统 AI 解决方案与智能体式 AI 解决方案的主要区别在于，智能体式 AI 能够预先思考并适应不断变化的情况。传统计算机视觉系统擅长识别物体或对图像分类，但无法动态调整行为。它们需要人工介入，协助重新训练或微调模型。而智能体式 AI 利用先进的机器学习技术，通过与环境交互来不断改进。

将智能体式 AI 与其他先进 AI 创新进行比较#

AI 正在快速发展，生成式 AI、智能体自动化和计算机视觉等新概念正在各行各业迅速普及。下面比较这些技术，以便更好地了解智能体式 AI 的独特之处。

生成式 AI 与智能体式 AI 的区别#

如果你使用过 ChatGPT 等工具，就已经熟悉生成式 AI。这个 AI 分支专门根据用户提示创建文本、图像或代码等内容。生成式 AI 能激发创造力并帮助探索想法，但它遵循学习到的模式，并在预设限制内运行，无法自主决策或追求独立目标。

相比之下，智能体式 AI 会主动追求目标。它能够根据环境动态调整，无需人类持续输入。它不会只生成内容，而是会自主采取行动并解决问题。

智能体自动化与智能体式 AI 密切相关#

智能体自动化与智能体式 AI 相辅相成，智能体式 AI 为自动化提供智能支持。以基于计算机视觉的安全系统为例。

智能体式 AI 系统会分析情况、决定最佳应对方式，并自主采取行动。例如，如果集成了计算机视觉的 AI 安防摄像头发现入侵者，智能体式 AI 系统不会只发送警报；它还会核实此人是否为员工、在必要时锁门、追踪其行动，甚至派无人机进行监控。

智能体自动化确保所有这些行动能够顺畅协同。它会连接安全摄像头、门锁和无人机等不同系统，让它们自动同步响应。智能体式 AI 负责做出决策，而智能体自动化则确保高效执行这些决策，无需人工干预。

图 2. 智能体式 AI 与智能体自动化对比。图片由作者提供。

智能体式 AI 的工作原理#

现在我们已经更好地了解了什么是智能体式 AI，接下来看看它是如何运作的。

智能体式 AI 系统通过感知、决策、行动和适应这一循环流程运行，帮助系统随着时间推移不断学习和改进。这种持续循环让系统能够自主运行并实现复杂目标。

下面快速了解一下这个持续循环包含的步骤：

• 感知：智能体式 AI 系统从摄像头、传感器和用户交互中收集并分析数据，以更好地了解周围环境。
• 决策：系统评估不同选项、预测可能结果，并根据推理和风险评估选择最佳行动。
• 行动：做出决策后，系统通过控制物理设备、与其他系统交互或生成输出，来执行任务。
• 适应：系统利用反馈从经验中学习，并应用机器学习和强化学习随着时间推移提升性能，尤其是在处理更复杂的任务时。

图 3. 了解智能体式 AI 的工作原理。

智能体式 AI 的现实应用#

接下来，我们通过一些实例了解智能体式 AI 在现实中的应用。这些系统正应用于各行各业，帮助机器分析数据并自主决策，从而改善结果。

智能体式 AI 在药物发现中的应用#

药物发现包含多个关键阶段，从识别与疾病相关的生物靶点，到筛选潜在化合物、优化其化学结构，再到开展临床前测试。这一过程复杂且耗时，需要大量数据分析和实验，才能找到有效且安全的治疗方法。

与计算机视觉集成的智能体式 AI 正在帮助自动化化学合成等关键步骤，使整个过程更快速、更高效。化学合成是通过受控反应将不同化合物结合，生成新物质（如药物）的过程。传统上，科学家必须通过反复试验手动调整温度、溶剂成分和结晶时间等因素。

如今，智能体式 AI 系统可以实时监控反应，分析颜色变化或晶体形成等视觉变化，并立即做出决策。例如，如果系统检测到反应没有按预期进行，就可以立即调整温度或添加所需化学品来优化流程。通过不断从以往的反应中学习，系统会逐步提高准确性，减少人工干预的需求并加快药物开发。

图 4. 自动化实验室设置示例。

借助智能体式 AI 重塑电子商务#

智能体式 AI 正在改变我们的网购方式，让购物体验更加个性化、高效和自动化。它不再只是根据过往购买记录推荐产品，还能分析浏览习惯、预测客户接下来可能需要什么，并实时调整产品推荐。

借助计算机视觉，智能体式 AI 还可以分析视觉搜索、识别商品图像，从而提供更准确的推荐。例如，如果有人经常浏览运动鞋，智能体式 AI 系统可以推荐热门款式、提供折扣或建议搭配配饰。它还可以根据需求优化价格和促销活动，让购物体验更灵活。

除了提供推荐，智能体式 AI 还能通过管理库存、预测补货需求和自动处理订单来改善电商物流。计算机视觉使智能体式 AI 系统能够实时跟踪库存水平、识别放错位置的商品并确保产品正确分类。如果某件商品即将售罄，系统可以触发补货或推荐替代品。通过不断学习和适应，智能体式 AI 让网购对客户和企业来说都变得更快速、更智能、更顺畅。

如何构建智能体 AI 系统#

了解了智能体 AI 在现实世界中的应用后，接下来我们来讨论如何构建这类系统。

如果你正在开发基于计算机视觉的应用，使用 Ultralytics YOLO11 等模型（其后续版本是 Ultralytics YOLO26）可以帮助你的智能体式 AI 系统更好地理解周围环境。YOLO11 支持各种计算机视觉任务，能够让智能体式 AI 系统准确分析视觉数据。

下面介绍如何使用 Ultralytics YOLO11 构建智能体 AI 系统：

• 定义目标： 明确概述 AI 智能体的用途、目标，以及实现预期功能所需执行的具体任务。
• 训练 Ultralytics YOLO11： 收集相关图像和视频数据，为数据添加标签，并根据你的具体应用对 YOLO11 进行自定义训练。
• 集成 YOLO11：将 YOLO11 连接到 AI 框架，使其能够根据检测到的视觉数据进行实时分析和决策。Ultralytics Agents等工具可以将检测结果转化为自动化操作。
• 实现自主决策： 设置逻辑或机器学习模型，让 AI 智能体根据 Ultralytics YOLO11 的检测结果采取行动，例如触发警报、调整设置或引导机器人系统。
• 加入反馈循环： 实施自学习系统，让 Ultralytics YOLO11 通过使用新数据重新训练来提升准确率，并随着时间推移改善模型性能。

图 5. 如何使用 Ultralytics YOLO11 构建智能体 AI 系统。图片由作者提供。

智能体 AI 系统的优缺点#

以下是智能体 AI 系统能为各行业带来的一些主要优势：

• 提高效率： 智能体 AI 系统可以自动处理复杂且耗时的任务，减少错误，并让人类员工腾出精力从事更高价值的工作。
• 可扩展性： 这些系统能够轻松适应不同行业，并根据需要扩展以处理更大的工作负载。
• 降低成本： 智能体 AI 通过减少对人工劳动的需求和优化运营，帮助企业削减开支并更有效地利用资源。

尽管智能体 AI 能为不同领域带来诸多益处，也要了解它可能存在的局限。以下是需要注意的一些主要问题：

• AI 偏见： 智能体 AI 系统可能会继承训练数据中的偏见，导致不公平或不准确的结果，在招聘和执法等领域尤其如此。
• 缺乏透明度： 许多 AI 模型的工作方式就像“黑箱”，很难弄清它们如何做出决策，这在医疗和金融等行业可能会造成问题。
• 监管挑战： 智能体 AI 的发展速度超过了监管进程，造成法律上的不确定性以及全球合规标准不一致。

总体而言，智能体 AI 系统虽然潜力巨大，但要确保负责任地使用，仍需平衡其益处与伦理考量、透明度和适当的监管。

要点#

智能体 AI 系统与 Ultralytics YOLO11 等视觉 AI 模型结合后，能够改变自动化的运作方式。从自动驾驶汽车到在线购物和医疗保健，这些系统帮助企业以更快的速度自主运营。

不过，偏见、缺乏透明度和监管不明确等挑战仍有待解决。随着智能体 AI 系统不断改进，找到创新与责任之间的恰当平衡，将是充分发挥这些创新价值的关键。

加入我们的社区和 GitHub 代码仓库，进一步了解 AI。在我们的解决方案页面上探索 AI 在制造业中的应用和医疗保健中的计算机视觉。查看我们的 Ultralytics YOLO 许可证，立即开始计算机视觉项目！