AI 创新的下一个前沿已悄然到来：智能体（AI Agents）和智能体推理（Agentic Reasoning）的崛起。这些时刻正在以前所未有的成果和本钱效益，绝对改动诓骗的构建花样j9九游会，为各行业开释出渊博的潜能。

在 Snowflake Build 2024 的主题演讲中，吴恩达真切讨论了智能体的兴起过甚背后推动的 AI 立异。

他指出，非结构化数据（如文本、图像、视频和音频）正变得比以往任何时候齐愈加重要，为企业带来了渊博的契机。

此外，吴恩达还共享了怎么通过智能体和生成式 AI 的诱导，以更快的速率构建和迭代新的 AI 诓骗，以下为此次演讲的主要内容：

你可能听过我说过，AI 是新的电力。这是因为 AI 像电力相通，是一种通用时刻。要是有东谈主问电力的用途是什么，这很难回话，因为电力险些无所弗成。

而如今的新 AI 时刻正在为咱们创造一个前所未有的契机，大约构建以前无法结束的新诓骗。

东谈主们频频问我：“ Andrew，AI 界限最大的契机在那处？”我庸碌会以“ AI 堆栈”来解说。在堆栈的最底层是半导体，然后是云贪图和设置器用（包括 Snowflake 这么的器用）。

在这些之上是许多基础模子以及模子的老师过程。而事实是，好多媒体的温煦点齐荟萃在这些时刻层面，举例生成式 AI 和新的时刻推崇上。

这些确乎伏击，但实质上还有另一层更伏击的堆栈——诓骗层。因为咱们需要通过诓骗层来产生更多的价值和收入，从而大约维持底层时刻的捏续发展。

因此，我花了无数时辰念念考 AI 诓骗界限，我觉得这是构建新事物的最好契机之一。

往日几年，尤其是在生成式 AI 的推动下，咱们见证了机器学习模子设置的速率越来越快。

举例，构建一个神志分类器的传统门径可能需要一个月来汇集标签数据，再花几个媒妁师 AI 模子，然后再用几个月部署在云作事上。

关于许多价值渊博的 AI 系统来说，这么的设置经过需要 6 到 12 个月。但有了生成式 AI，某些诓骗场景只需花几天写一个 prompt（教唆词），再用几天时辰完成部署。

这意味着，正本需要几个月以至一年确切飞速间，现时可能只需要 10 天控制。这种变化为快速进修和设置新原型以及快速发布新 AI 居品创造了渊博可能。

这一趋势的散伙是，快速实验成为发明新用户体验的一种更灵验阶梯。往日，要是需要花 6 个月设置一个东西，咱们会稀奇严慎地相干用户需求、制假寓品指标，再参加无数元气心灵来设置。

但现时，快速鼓励的团队不错说：“咱们用一个周末设置 20 个原型，望望哪个有出息。要是 18 个失败了，咱们就放置它们，只保留顺利的两个。”快速迭代和实验成为了一种新的发明旅途。

然则，这种快速实验带来了新的瓶颈——评估（Evaluation）。在传统的监督学习中，要是你需要汇集 1 万条数据点来老师模子，那么多汇集 1 千条测试数据点也不算什么，因为本钱仅增多了 10%。

但在基于大型说话模子的诓骗中，要是不需要标注数据，那么汇集 1 千条测试样本的本钱和时辰可能显得稀奇崇高。

因此，现时的设置经过更像是边设置边汇集数据，而不是先汇集数据再设置。咱们会先构建一个原型，然后跟着需求的增多逐渐完善测试数据，以提高系统的慎重性和可靠性。

固然模子原型的构建速率快了，但软件诓骗的设置照旧包含好多才略，比如居品假想、软件集成、部署后的运维等。

这些才略并莫得像机器学习建模那样大幅提速。这种不平衡的推崇对组织产生了压力，迫使他们加速扫数经过的速率。

在快速发展的环境中，我不觉得“快速活动且龙套”是合适的标语，因为这种门径确切会龙套好多东西。我更可爱“快速活动且负连累”这个理念。

我看到好多团队大约快速设置原型，并进行慎重的测试，而不将可能变成伤害的居品平直发布到用户手中。这种门径大约在快速鼓励的同期，作念到负连累地设置和部署。

在时刻趋势中，我最欢腾的一个是 智能体 AI（Agentic AI）。这种责任经过不仅不错生成文本，还不错诱导相干、贪图、修改等才略，进行迭代式设置。

举例，用传统的大型说话模子生成一篇著作可能一次性完成，但智能体 AI 不错先生成提纲，进行相干，编写草稿，随后再更正和优化。

这种迭代式经过适用于复杂任务，比如法律文档处理、医疗会诊赞成或合规晓示解决。

智能体 AI 的四大假想模式包括：

反念念（Reflection）：让 AI 注目我方的输出并改进。

器用调用（Tool Use）：大说话模子不错发起 API 央求，践诺具体任务。

贪图（Planning）：AI 为复杂任务假想践诺指标。

多智能体配合（Multi-Agent Collaboration）：多个 AI 变装单干配合，共同完成任务。

这些模式让咱们大约构建比以往愈加复杂和苍劲的系统。

另外，视觉 AI 正在崛起。往日很难从存储的图像和视频数据中获得价值，而如今，视觉 AI 的才能正在改动这一近况。

通过诱导智能体责任经过，视觉 AI 大约高效处理和分析图像与视频数据，为企业带来新的价值。

举例，自动检测足球比赛中的进球片断、生成视频的元数据等，这些任务以前险些是不可能结束的。

临了，我想强调四大 AI 趋势：

1）加速的生成式责任流：通过硬件和软件优化，让智能体 AI 运转更高效；

2）为器用优化的大模子：新的大模子不仅不错回话问题，还不错践诺具体操作；

3）非结构化数据工程的伏击性培育：文本、图像和视频数据的处理才能变得至关伏击；

4）图像处理立异行将到来：图像处理时刻的发展将为更多企业带来新的诓骗契机；

题图来自 Unsplashj9九游会，基于 CC0 合同。