AI 代理

AI 代理是一个自主实体，它通过传感器感知其环境，处理这些信息以做出智能决策，并使用执行器作用于该环境以实现特定目标。与遵循预定义指令集的简单程序不同，AI 代理可以从经验中学习，适应不断变化的环境，并在没有直接人工干预的情况下独立运行。这种感知、思考和行动的能力使代理成为现代人工智能 (AI)的基石，推动了复杂自动化系统的发展。其目标是创建能够处理复杂、动态任务的系统，从导航城市街道到管理工业流程。

AI 代理的工作原理

AI 代理的运行最好理解为一个连续的循环，涉及三个基本组成部分：

1. 感知（传感）： 智能体使用传感器收集有关其当前状态和周围环境的信息。在计算机视觉 (CV)的上下文中，这些传感器通常是捕获视觉数据的摄像头。这种原始数据是智能体用来理解其上下文的输入。
2. 决策（处理）： AI 代理的核心是它的“大脑”，它处理感知数据以做出决策。该组件通常是复杂的机器学习 (ML)模型，例如神经网络。对于复杂的行为，代理可能会采用诸如强化学习之类的技术，在这种技术中，他们通过试错来学习最佳行动以最大化奖励。代理评估各种可能性，并选择最有可能实现其目标的行动。
3. 行动（驱动）： 一旦做出决定，智能体就会通过执行器执行它。执行器是一种影响环境的机制。对于物理机器人，这可能是移动机械臂或操纵车辆。对于数字智能体，这可能是在股票市场上执行交易或过滤电子邮件。

这种感知-思考-行动循环，被称为智能体架构，使智能体能够自主运行并对实时事件做出反应。构建智能体的框架正变得越来越普遍，诸如 LangChain 和 AutoGPT 等项目在开发由 LLM 驱动的智能体方面越来越受欢迎。

计算机视觉中的 AI 代理

对于在物理世界中运行的 AI 代理来说，计算机视觉是一项至关重要的赋能技术。诸如 Ultralytics YOLO11 等视觉模型是感知的基础，使代理能够“看到”并理解其周围环境。当集成到代理系统中时，计算机视觉模型会将原始视觉数据转换为结构化信息，例如识别和定位物体（物体检测）、跟踪它们的运动（物体跟踪）或理解人类姿势（姿态估计）。

这种能动人工智能和计算机视觉的结合对于自动化的未来至关重要。智能体不仅仅是检测物体，它还将该检测用作决策的触发器。例如，在 YOLO 模型检测到生产线上的缺陷后，智能体会决定激活机械臂以移除该物品。这超越了简单的检测，从而创建了完全自动化的工作流程。

真实应用与案例

AI 代理的强大之处在其实际应用中最为明显，在这些应用中，它们将感知和决策转化为有形的行动。

• 自动驾驶车辆： 自动驾驶汽车是复杂人工智能代理的一个典型例子。它们使用一套传感器，包括摄像头和激光雷达，来构建其环境的 360 度视图。计算机视觉模型执行实时推理，以检测行人、其他车辆和交通标志。然后，代理的决策引擎处理这些信息以控制转向、加速和制动，从而安全地在复杂的城市环境中导航。Waymo 是部署此类高级基于代理的系统的先驱。
• 智能制造： 在人工智能驱动的制造中，AI 代理可以自动执行质量控制。连接到运行像YOLO11这样的模型的摄像头的代理可以监控传送带。它使用实例分割来识别每个产品，检查缺陷，如果检测到缺陷，则向机械臂（执行器）发出信号以移除有缺陷的物品。这创建了一个高效、自主的质量保证系统，该系统可以持续运行，这是工业 4.0的关键组成部分。

区分 AI 代理与相关概念

区分 AI 代理与 AI 领域的其他相关术语很有帮助。

• AI 智能体 vs. AI 模型： AI 模型是智能体的组成部分，而不是智能体本身。像 YOLO 对象检测器这样的模型是一种执行特定任务的工具（例如，在图像中查找对象）。AI 智能体是使用模型输出来做出决策然后采取行动的总体系统。模型提供“什么”，而智能体决定“如何处理”。
• AI 智能体 vs. 聊天机器人/LLM： 虽然聊天机器人或大型语言模型 (LLM)可以表现出智能行为，但它们通常仅限于数字的、基于文本的环境。AI 智能体是一个更广泛的概念，可以通过传感器和执行器与物理世界交互。但是，LLM 可以充当智能体中强大的决策引擎，Hugging Face等平台对此概念进行了探索。
• AI 智能体 vs. 机器人技术： 机器人技术是指物理机器人的设计和构造——即身体。AI 智能体是控制该身体的智能——即大脑。工业机器人手臂只是硬件；当它由 AI 系统驱动时，它就变成了智能智能体，从而使其能够感知其环境并做出自主决策。