博客來
本書探討了AI領域的AIAgent（智慧體）和生成式AI的前沿進展，以及這些技術如何重塑我們的生活和工作方式。本書首先回顧了AI技術的演變歷程，並強調了智慧體的定義及其在客戶服務、醫療健康和製造業等領域的廣泛應用。本書也對智慧體與傳統軟體進行了對比，分析了智慧體的自主性、適應性和協作能力。生成式AI的崛起也被特別提及，其在藝術創作、資料增強等領域的應用被廣泛討論。
本書還探討了智慧體在多智慧體系統中的協同作用和具身智慧的概念，分析了智慧體的商業應用，包括企業級應用與任務規劃、流程優化等，同時也指出了智慧體在資料隱私、安全和倫理方面面臨的挑戰。最後，本書展望了智慧體技術的未來發展，包括與其他優選技術的結合，認為它們將在更多領域發揮重要作用，為人類社會的進步做出貢獻。智慧體在未來將與每個人的工作和生活都息息相關。本書適合所有人閱讀，特別是軟體發展者和內容創作者，以及科技、金融行業的從業者和對AI領域感興趣的讀者。
| FindBook |
有 1 項符合
AI Agent：AI的下一個風口的圖書 |
 |
AI Agent：AI的下一個風口 作者：吳畏 出版社：電子工業出版社 出版日期：2024-03-01 語言：簡體中文 規格：平裝 / 228頁 / 16k/ 19 x 26 x 1.14 cm / 普通級/ 單色印刷 / 1-1 |
| 圖書館借閱 |
| 國家圖書館 | 全國圖書書目資訊網 | 國立公共資訊圖書館 | 電子書服務平台 | MetaCat 跨館整合查詢 |
| 臺北市立圖書館 | 新北市立圖書館 | 基隆市公共圖書館 | 桃園市立圖書館 | 新竹縣公共圖書館 |
| 苗栗縣立圖書館 | 臺中市立圖書館 | 彰化縣公共圖書館 | 南投縣文化局 | 雲林縣公共圖書館 |
| 嘉義縣圖書館 | 臺南市立圖書館 | 高雄市立圖書館 | 屏東縣公共圖書館 | 宜蘭縣公共圖書館 |
| 花蓮縣文化局 | 臺東縣文化處 |
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：AI Agent：AI的下一個風口
內容簡介
作者介紹
吳畏（Delta）
非凡資本合夥人，中歐EMBA。 2017年，創辦非凡資本，已投資耀途資本、寒武創投、梅花創投、FancyTech、聯諦科技等數隻創業投資基金及早期專案，累計投資和服務的創業公司達數百家。2023年，開始關注AI應用，創辦的非凡產研已經成為AI應用研究領域國內領先的行業智庫。
非凡資本合夥人，中歐EMBA。 2017年，創辦非凡資本，已投資耀途資本、寒武創投、梅花創投、FancyTech、聯諦科技等數隻創業投資基金及早期專案，累計投資和服務的創業公司達數百家。2023年，開始關注AI應用，創辦的非凡產研已經成為AI應用研究領域國內領先的行業智庫。
目錄
第1部分 AI的演進與大模型的興起
第1章 AI的起源與進化 3
1.1 從桌面應用到雲計算 3
1.1.1 桌面應用時代：個人電腦提升個人辦公效率 4
1.1.2 互聯網應用時代：軟體從桌面擴展到網路 5
1.1.3 移動應用時代：軟體走進生活 6
1.1.4 雲計算與SaaS時代：軟體服務化 7
1.2 從早期萌芽到深度學習 9
1.2.1 早期萌芽時代（20世紀50年代-60年代） 9
1.2.2 知識工程時代（20世紀70年代-80年代中期） 10
1.2.3 統計學習時代（20世紀80年代末-21世紀10年代） 11
1.2.4 深度學習時代（21世紀10年代至今） 12
第2章 大模型時代的AI 14
2.1 生成式AI的崛起 14
2.1.1 圖像生成 15
2.1.2 文本生成 16
2.1.3 音訊生成 18
2.1.4 生成式AI的發展歷程 19
2.1.5 應用與展望 20
2.1.6 總結 21
2.2 大模型時代狂飆猛進 22
2.2.1 語言模型的發展歷程 22
2.2.2 LLM的關鍵技術 24
2.2.3 LLM的典型應用 26
第2部分 大模型驅動的智慧體
第3章 什麼是智慧體 31
3.1 智慧體的定義與特點 31
3.1.1 智慧體的定義 32
3.1.2 智慧體的特徵 33
3.1.3 智慧體的應用 34
3.1.4 總結 35
3.2 智慧體與傳統軟體的關係 36
3.2.1 智慧體與傳統軟體的區別 36
3.2.2 智能體在軟體發展中扮演的角色 38
3.2.3 智慧體與傳統軟體的集成 39
3.2.4 智能體在軟體發展中的案例 40
3.2.5 總結 42
3.3 智能體與LLM的關係 43
3.3.1 回顧LLM的神奇之處 43
3.3.2 智能體與LLM的交互 44
3.3.3 智慧體與LLM的合作實例 46
3.3.4 智慧體與LLM融合中的技術挑戰 47
3.3.5 對智能體與LLM合作的展望 48
第4章 智慧體的核心技術 50
4.1 NLP 50
4.1.1 NLP核心技術 51
4.1.2 倫理、偏見與技術挑戰 52
4.1.3 NLG 54
4.1.4 多模態處理和NLP 55
4.1.5 回顧和展望 56
4.2 從ChatGPT到智能體 57
4.2.1 ChatGPT的特點 58
4.2.2 AI和NLP的演進 59
4.2.3 技術突破與倫理挑戰 60
4.3 智能體的五種超能力 61
4.3.1 記憶 61
4.3.2 規劃 63
4.3.3 工具使用 64
4.3.4 自主決策 65
4.3.5 推理 67
4.3.6 應用展望 69
第3部分 下一代軟體可以不必是軟體
第5章 自然語言帶來交互革命 73
5.1 從圖形化使用者介面到自然語言的進化 73
5.1.1 交互介面的進化 73
5.1.2 圖形化使用者介面 74
5.1.3 自然語言交互 75
5.1.4 會話介面興起 77
5.1.5 交互介面的未來 78
5.2 如何改變用戶體驗 79
5.2.1 用戶體驗演變 79
5.2.2 自然語言交互崛起 80
5.2.3 未來展望 81
第6章 高度自動化帶來生產力革命 83
6.1 人機協同的方法和框架 83
6.1.1 人機協同的重要性 83
6.1.2 人機協同的核心目標 84
6.1.3 人機協同的方法和框架 85
6.1.4 人機協同的典型案例 86
6.1.5 生產力革命 87
6.1.6 未來展望 89
6.2 企業級應用與任務規劃 90
6.2.1 企業級應用的需求 90
6.2.2 任務規劃的作用 92
6.2.3 企業如何選擇工具 92
6.2.4 機遇與挑戰 94
6.2.5 未來展望 95
第7章 多智慧體系統的未來 96
7.1 單智慧體系統與多智慧體系統的差異 96
7.1.1 單智慧體系統的特點 97
7.1.2 多智慧體系統的特點 98
7.1.3 技術進步與分析和比較 99
7.1.4 對企業的影響與未來趨勢 101
7.2 類比真實世界的組織結構與工作流程 102
7.2.1 組織結構類比 103
7.2.2 工作流程類比 104
7.2.3 技術進步與實踐應用 106
7.2.4 根據類比結果進行組織結構和工作流程優化 107
7.2.5 未來趨勢 108
第4部分 典型案例和商業應用
第8章 斯坦福小鎮項目：生成式智能體的典型案例 113
8.1 實驗背景與目的 113
8.1.1 非凡之旅 113
8.1.2 概念框架 114
8.1.3 核心技術 116
8.1.4 生成式智慧體設計 119
8.1.5 實驗目的 121
8.2 生成式智慧體架構設計 123
8.2.1 基礎架構 123
8.2.2 記憶和檢索 124
8.2.3 反思 126
8.2.4 規劃和反應 128
8.2.5 行為和互動 129
8.2.6 用戶參與 130
8.3 對未來的啟示 131
8.3.1 生成式智能的潛力無限 131
8.3.2 生成式智能體的倫理挑戰 134
8.3.3 潛力與倫理並重的未來 135
第9章 自主式智慧體的典型案例 137
9.1 AutoGPT：通過自然語言的需求描述執行自動化任務 138
9.1.1 AutoGPT的核心功能 138
9.1.2 AutoGPT的技術架構 139
9.1.3 AutoGPT的應用範圍 139
9.1.4 未來展望 140
9.2 BabyAGI：根據任務結果自動創建、排序和執行新任務 141
9.2.1 BabyAGI的核心功能 141
9.2.2 BabyAGI的技術架構 142
9.2.3 未來展望 143
9.3 MetaGPT：重塑生成式AI與軟體發展介面的
多智能體架構 144
9.3.1 MetaGPT的核心功能 144
9.3.2 MetaGPT的安裝和配置 148
9.3.3 石頭、剪刀、布遊戲開發中的實例分析 149
9.3.4 在軟體發展市場中的競爭地位與競爭優勢 150
9.3.5 未來展望 151
9.4 AutoGen：下一代LLM應用的啟動器 152
9.4.1 AutoGen的核心功能 152
9.4.2 AutoGen的技術架構 153
9.4.3 AutoGen的應用案例 154
9.4.4 AutoGen的核心優勢 155
9.4.5 未來展望 156
9.5 ChatDev：重塑軟體發展的AI群體智慧協作框架 157
9.5.1 基本介紹 157
9.5.2 ChatDev的技術架構 160
9.5.3 ChatDev的實際應用 162
9.5.4 ChatDev的優勢和挑戰 163
9.5.5未來展望 164
9.6 Camel.AI：引領自主與交流智慧體的未來 164
9.6.1 Camel.AI的核心概念 164
9.6.2Camel.AI的技術架構 165
9.6.3 Camel.AI的實際應用 168
9.6.4 Camel.AI的實驗和性能評估 170
9.6.5未來展望 171
第5部分 智慧體的潛能與機遇
第10章 從智能體到具身智能 175
10.1 具身智慧的定義與特點 175
10.1.1 智能體與具身智能的區別 175
10.1.2 具身智慧的核心概念 177
10.1.3 具身認知理論的重要性 178
10.2 感知和解析環境與自主決策 180
10.2.1 感知和解析環境的技術 180
10.2.2 從感知到行動的過程 181
10.2.3 自主決策的重要性 182
10.2.4 互動式學習與決策優化 183
10.3 從軟體到硬體的進化 184
10.3.1 軟體的角色與硬體的配合 184
10.3.2 硬體進化對軟體的影響 185
10.3.3 具身智慧在硬體設計中的應用 186
10.3.4 軟硬體協同發展的未來展望 187
10.4 具身機器人的應用場景 188
10.4.1 具身機器人在工業領域的應用 188
10.4.2 具身機器人在醫療領域的應用 189
10.4.3 具身機器人在日常生活中的應用 191
10.4.4 具身機器人的發展趨勢 192
10.5 具身智慧研究的挑戰與機遇 193
10.5.1 當前的研究難點與挑戰 193
10.5.2 解決方案與研究方向 194
10.5.3 具身智慧對未來社會的影響 196
10.5.4 具身智慧的商業潛力與市場前景 197
10.6 具身智慧和核心與未來 198
10.6.1 重新審視智能體的重要性 198
10.6.2 對研究者和實踐者的建議 199
第11章 智慧體與未來的關係 200
11.1 重塑Web3.0格局的可能性 200
11.1.1 Web3.0的定義與特點 200
11.1.2 智能體在Web3.0中的角色 201
11.1.3 智慧體在Web3.0中的應用案例 203
11.2 智慧體在元宇宙裡的應用 204
11.2.1 元宇宙的定義與發展 204
11.2.2 元宇宙裡的智慧體應用 205
11.2.3 智慧體在元宇宙裡的應用案例 206
第6部分 展望：安全、發展、邊界和挑戰
第12章 數據治理與社會倫理 211
12.1 數據隱私保護與數據安全問題 211
12.1.1 數據收集與處理的風險 211
12.1.2 數據治理的重要性 212
12.2 自主決策與人類的倫理界限 213
12.2.1 自主決策的倫理考量 213
12.2.2 倫理原則與自主AI的選擇 214
12.2.3 決策邊界的確定和調整 215
第13章 技術邊界與未來無限 217
13.1 當前技術的局限性 217
13.1.1 數據訪問和數據品質問題 217
13.1.2 邏輯程式設計的局限性 218
13.1.3 應用領域的多方面挑戰 219
13.1.4 決策過程中的偏見問題 220
13.1.5 處理複雜任務和理解人類意圖的局限 221
13.2 技術的發展趨勢 222
13.2.1 技術不斷進步引領未來 222
13.2.2 數據科學與AI技術的進步 224
13.2.3 與其他優選技術的結合 225
第1章 AI的起源與進化 3
1.1 從桌面應用到雲計算 3
1.1.1 桌面應用時代：個人電腦提升個人辦公效率 4
1.1.2 互聯網應用時代：軟體從桌面擴展到網路 5
1.1.3 移動應用時代：軟體走進生活 6
1.1.4 雲計算與SaaS時代：軟體服務化 7
1.2 從早期萌芽到深度學習 9
1.2.1 早期萌芽時代（20世紀50年代-60年代） 9
1.2.2 知識工程時代（20世紀70年代-80年代中期） 10
1.2.3 統計學習時代（20世紀80年代末-21世紀10年代） 11
1.2.4 深度學習時代（21世紀10年代至今） 12
第2章 大模型時代的AI 14
2.1 生成式AI的崛起 14
2.1.1 圖像生成 15
2.1.2 文本生成 16
2.1.3 音訊生成 18
2.1.4 生成式AI的發展歷程 19
2.1.5 應用與展望 20
2.1.6 總結 21
2.2 大模型時代狂飆猛進 22
2.2.1 語言模型的發展歷程 22
2.2.2 LLM的關鍵技術 24
2.2.3 LLM的典型應用 26
第2部分 大模型驅動的智慧體
第3章 什麼是智慧體 31
3.1 智慧體的定義與特點 31
3.1.1 智慧體的定義 32
3.1.2 智慧體的特徵 33
3.1.3 智慧體的應用 34
3.1.4 總結 35
3.2 智慧體與傳統軟體的關係 36
3.2.1 智慧體與傳統軟體的區別 36
3.2.2 智能體在軟體發展中扮演的角色 38
3.2.3 智慧體與傳統軟體的集成 39
3.2.4 智能體在軟體發展中的案例 40
3.2.5 總結 42
3.3 智能體與LLM的關係 43
3.3.1 回顧LLM的神奇之處 43
3.3.2 智能體與LLM的交互 44
3.3.3 智慧體與LLM的合作實例 46
3.3.4 智慧體與LLM融合中的技術挑戰 47
3.3.5 對智能體與LLM合作的展望 48
第4章 智慧體的核心技術 50
4.1 NLP 50
4.1.1 NLP核心技術 51
4.1.2 倫理、偏見與技術挑戰 52
4.1.3 NLG 54
4.1.4 多模態處理和NLP 55
4.1.5 回顧和展望 56
4.2 從ChatGPT到智能體 57
4.2.1 ChatGPT的特點 58
4.2.2 AI和NLP的演進 59
4.2.3 技術突破與倫理挑戰 60
4.3 智能體的五種超能力 61
4.3.1 記憶 61
4.3.2 規劃 63
4.3.3 工具使用 64
4.3.4 自主決策 65
4.3.5 推理 67
4.3.6 應用展望 69
第3部分 下一代軟體可以不必是軟體
第5章 自然語言帶來交互革命 73
5.1 從圖形化使用者介面到自然語言的進化 73
5.1.1 交互介面的進化 73
5.1.2 圖形化使用者介面 74
5.1.3 自然語言交互 75
5.1.4 會話介面興起 77
5.1.5 交互介面的未來 78
5.2 如何改變用戶體驗 79
5.2.1 用戶體驗演變 79
5.2.2 自然語言交互崛起 80
5.2.3 未來展望 81
第6章 高度自動化帶來生產力革命 83
6.1 人機協同的方法和框架 83
6.1.1 人機協同的重要性 83
6.1.2 人機協同的核心目標 84
6.1.3 人機協同的方法和框架 85
6.1.4 人機協同的典型案例 86
6.1.5 生產力革命 87
6.1.6 未來展望 89
6.2 企業級應用與任務規劃 90
6.2.1 企業級應用的需求 90
6.2.2 任務規劃的作用 92
6.2.3 企業如何選擇工具 92
6.2.4 機遇與挑戰 94
6.2.5 未來展望 95
第7章 多智慧體系統的未來 96
7.1 單智慧體系統與多智慧體系統的差異 96
7.1.1 單智慧體系統的特點 97
7.1.2 多智慧體系統的特點 98
7.1.3 技術進步與分析和比較 99
7.1.4 對企業的影響與未來趨勢 101
7.2 類比真實世界的組織結構與工作流程 102
7.2.1 組織結構類比 103
7.2.2 工作流程類比 104
7.2.3 技術進步與實踐應用 106
7.2.4 根據類比結果進行組織結構和工作流程優化 107
7.2.5 未來趨勢 108
第4部分 典型案例和商業應用
第8章 斯坦福小鎮項目：生成式智能體的典型案例 113
8.1 實驗背景與目的 113
8.1.1 非凡之旅 113
8.1.2 概念框架 114
8.1.3 核心技術 116
8.1.4 生成式智慧體設計 119
8.1.5 實驗目的 121
8.2 生成式智慧體架構設計 123
8.2.1 基礎架構 123
8.2.2 記憶和檢索 124
8.2.3 反思 126
8.2.4 規劃和反應 128
8.2.5 行為和互動 129
8.2.6 用戶參與 130
8.3 對未來的啟示 131
8.3.1 生成式智能的潛力無限 131
8.3.2 生成式智能體的倫理挑戰 134
8.3.3 潛力與倫理並重的未來 135
第9章 自主式智慧體的典型案例 137
9.1 AutoGPT：通過自然語言的需求描述執行自動化任務 138
9.1.1 AutoGPT的核心功能 138
9.1.2 AutoGPT的技術架構 139
9.1.3 AutoGPT的應用範圍 139
9.1.4 未來展望 140
9.2 BabyAGI：根據任務結果自動創建、排序和執行新任務 141
9.2.1 BabyAGI的核心功能 141
9.2.2 BabyAGI的技術架構 142
9.2.3 未來展望 143
9.3 MetaGPT：重塑生成式AI與軟體發展介面的
多智能體架構 144
9.3.1 MetaGPT的核心功能 144
9.3.2 MetaGPT的安裝和配置 148
9.3.3 石頭、剪刀、布遊戲開發中的實例分析 149
9.3.4 在軟體發展市場中的競爭地位與競爭優勢 150
9.3.5 未來展望 151
9.4 AutoGen：下一代LLM應用的啟動器 152
9.4.1 AutoGen的核心功能 152
9.4.2 AutoGen的技術架構 153
9.4.3 AutoGen的應用案例 154
9.4.4 AutoGen的核心優勢 155
9.4.5 未來展望 156
9.5 ChatDev：重塑軟體發展的AI群體智慧協作框架 157
9.5.1 基本介紹 157
9.5.2 ChatDev的技術架構 160
9.5.3 ChatDev的實際應用 162
9.5.4 ChatDev的優勢和挑戰 163
9.5.5未來展望 164
9.6 Camel.AI：引領自主與交流智慧體的未來 164
9.6.1 Camel.AI的核心概念 164
9.6.2Camel.AI的技術架構 165
9.6.3 Camel.AI的實際應用 168
9.6.4 Camel.AI的實驗和性能評估 170
9.6.5未來展望 171
第5部分 智慧體的潛能與機遇
第10章 從智能體到具身智能 175
10.1 具身智慧的定義與特點 175
10.1.1 智能體與具身智能的區別 175
10.1.2 具身智慧的核心概念 177
10.1.3 具身認知理論的重要性 178
10.2 感知和解析環境與自主決策 180
10.2.1 感知和解析環境的技術 180
10.2.2 從感知到行動的過程 181
10.2.3 自主決策的重要性 182
10.2.4 互動式學習與決策優化 183
10.3 從軟體到硬體的進化 184
10.3.1 軟體的角色與硬體的配合 184
10.3.2 硬體進化對軟體的影響 185
10.3.3 具身智慧在硬體設計中的應用 186
10.3.4 軟硬體協同發展的未來展望 187
10.4 具身機器人的應用場景 188
10.4.1 具身機器人在工業領域的應用 188
10.4.2 具身機器人在醫療領域的應用 189
10.4.3 具身機器人在日常生活中的應用 191
10.4.4 具身機器人的發展趨勢 192
10.5 具身智慧研究的挑戰與機遇 193
10.5.1 當前的研究難點與挑戰 193
10.5.2 解決方案與研究方向 194
10.5.3 具身智慧對未來社會的影響 196
10.5.4 具身智慧的商業潛力與市場前景 197
10.6 具身智慧和核心與未來 198
10.6.1 重新審視智能體的重要性 198
10.6.2 對研究者和實踐者的建議 199
第11章 智慧體與未來的關係 200
11.1 重塑Web3.0格局的可能性 200
11.1.1 Web3.0的定義與特點 200
11.1.2 智能體在Web3.0中的角色 201
11.1.3 智慧體在Web3.0中的應用案例 203
11.2 智慧體在元宇宙裡的應用 204
11.2.1 元宇宙的定義與發展 204
11.2.2 元宇宙裡的智慧體應用 205
11.2.3 智慧體在元宇宙裡的應用案例 206
第6部分 展望：安全、發展、邊界和挑戰
第12章 數據治理與社會倫理 211
12.1 數據隱私保護與數據安全問題 211
12.1.1 數據收集與處理的風險 211
12.1.2 數據治理的重要性 212
12.2 自主決策與人類的倫理界限 213
12.2.1 自主決策的倫理考量 213
12.2.2 倫理原則與自主AI的選擇 214
12.2.3 決策邊界的確定和調整 215
第13章 技術邊界與未來無限 217
13.1 當前技術的局限性 217
13.1.1 數據訪問和數據品質問題 217
13.1.2 邏輯程式設計的局限性 218
13.1.3 應用領域的多方面挑戰 219
13.1.4 決策過程中的偏見問題 220
13.1.5 處理複雜任務和理解人類意圖的局限 221
13.2 技術的發展趨勢 222
13.2.1 技術不斷進步引領未來 222
13.2.2 數據科學與AI技術的進步 224
13.2.3 與其他優選技術的結合 225
|
