大模型產(chǎn)業(yè)的火熱發(fā)展催生了新型人機(jī)交互模式，其核心是大模型驅(qū)動(dòng)的智能體——AI助理。本文展現(xiàn)了智能體交互是繼圖形界面、觸摸屏手勢之后，大模型時(shí)代的新型交互范式。智能體交互模式和應(yīng)用場景是未來大模型產(chǎn)業(yè)競爭的關(guān)鍵要素，決定了其能否真正成為用戶所需要的，是關(guān)系大模型產(chǎn)業(yè)成敗的重要因素。

智能體交互衍生出一系列模式，并開辟了眾多充滿潛力的全新應(yīng)用場景。智能體交互發(fā)展的核心驅(qū)動(dòng)力是智能體帶來了新增能力、能力復(fù)制（擬人、類人、超人）、能力遷移、智慧匯集和能力倍增，帶來了促進(jìn)創(chuàng)新、拓展能力邊界、實(shí)現(xiàn)能力的指數(shù)級提升、減少重復(fù)勞動(dòng)以及滿足人類多樣化需求等重要價(jià)值。智能體交互正逐漸成為現(xiàn)代社會(huì)發(fā)展的關(guān)鍵驅(qū)動(dòng)力。

新型人機(jī)交互的核心是大模型驅(qū)動(dòng)的智能體

新一代AI技術(shù)的快速發(fā)展，特別是大模型的應(yīng)用，正在推動(dòng)人機(jī)交互范式的創(chuàng)新和變革。AIPin、RabbitR1、Astra、AppleIntelligence等新型AI終端和操作系統(tǒng)的出現(xiàn)，帶來了“一個(gè)指令完成所有操作”的AI助理等新型人機(jī)交互形式，不再需要點(diǎn)擊APP來達(dá)成自己所需的功能。這些將對OS-APP等一系列生態(tài)產(chǎn)生重大影響，“將產(chǎn)生新的超級入口”“NoAPP時(shí)代將到來”“將顛覆手機(jī)、PC操作系統(tǒng)”。

2023年11月，初創(chuàng)公司HumaneAI發(fā)布AIPin。AIPin是一款無屏幕的可穿戴設(shè)備，通過語音、觸摸、手勢和激光投射等多模態(tài)交互方式，為用戶提供信息和服務(wù)?；贕PT-4大模型，Humane還打造了AI助理AIMic，旨在提供無縫、直觀且個(gè)性化的用戶體驗(yàn)。用戶可以通過AIMic使用各類功能，而不再需要傳統(tǒng)意義的APP。2024年1月，RabbitR1亮相，其作為用戶的AI助理，旨在將用戶從繁瑣的任務(wù)中解放出來，用戶只需輸入相應(yīng)的語音指令，RabbitR1便會(huì)理解并立刻執(zhí)行。2024年5月，Google推出的多模態(tài)AI助理Astra，將AI助理的響應(yīng)時(shí)間降低到人類對話水平，能實(shí)時(shí)回答用戶基于周圍環(huán)境的提問。2024年6月，蘋果圍繞AI功能發(fā)布了“蘋果智能”(AppleIntelligence)，該AI系統(tǒng)適用于iPhone、iPad和Mac等設(shè)備，通過AI能力將Siri變成一個(gè)真正跨應(yīng)用的自然語言交互的AI助手。

這些智能體都在AI助理的范疇之內(nèi)，是一種新型人機(jī)交互模式，雖然當(dāng)下性能不盡理想，但隨著大模型以及相關(guān)技術(shù)的發(fā)展，在未來其意圖理解、任務(wù)規(guī)劃、動(dòng)作規(guī)劃、評價(jià)等能力將得到提升，系統(tǒng)的交互自然度、直觀性和操作效率也將同步提升，同時(shí)系統(tǒng)的能力范圍得以擴(kuò)展。

大模型必將催生新型人機(jī)交互范式

人機(jī)交互的歷史是一個(gè)不斷演進(jìn)和革新的過程，從小型機(jī)時(shí)代、PC時(shí)代、互聯(lián)網(wǎng)時(shí)代到移動(dòng)互聯(lián)網(wǎng)時(shí)代，交互范式也從早期命令行、圖形界面，發(fā)展到如今的觸摸屏手勢等，每一步都極大地提升了人機(jī)系統(tǒng)交互的效率、促進(jìn)了科技水平的進(jìn)步。大模型時(shí)代必然出現(xiàn)與之匹配的新型人機(jī)交互范式，也將推動(dòng)產(chǎn)出大量的硬核科技成果、衍生出“殺手級”應(yīng)用。新型交互范式和應(yīng)用場景是未來大模型產(chǎn)業(yè)競爭的關(guān)鍵，決定了大模型能否真正被用戶所需要和被廣泛應(yīng)用，也就是該大模型能否取得成功。

人機(jī)交互范式將不再局限于傳統(tǒng)的輸入、輸出方式，而是通過更加智能和自適應(yīng)的方式，實(shí)現(xiàn)個(gè)性化和情境化的交互，使得機(jī)器具備類人、超人的認(rèn)知和行動(dòng)能力，為人機(jī)、機(jī)機(jī)協(xié)作創(chuàng)造新的可能性。交互的達(dá)成將不再依賴于傳統(tǒng)的界面，而是通過語音、姿勢、表情、唇語甚至是思維等方式來實(shí)現(xiàn)，使得機(jī)器能夠更好地適應(yīng)人類的需求和習(xí)慣。新型交互不僅能提升用戶和系統(tǒng)的效率、交互的自然性，還可以向用戶提供情緒價(jià)值。

大模型驅(qū)動(dòng)的人機(jī)交互范式創(chuàng)新正在引領(lǐng)一場技術(shù)革命，將深刻影響我們的工作方式、生活方式乃至思維方式。

智能體交互是決定大模型應(yīng)用成敗的關(guān)鍵

在近期涌現(xiàn)出的基于大模型的新型人機(jī)交互方式中，智能體交互無疑是最亮眼的，而AI助理是智能體的一種類型。

智能體是指具備自主性且能在特定環(huán)境中感知信息、作出決策并執(zhí)行的系統(tǒng)。智能體能模擬人類的認(rèn)知過程，以實(shí)現(xiàn)自主決策和行動(dòng)。實(shí)體的智能體有機(jī)器人、智能家電、智能物聯(lián)網(wǎng)設(shè)備等，虛擬的智能體有AI助理、數(shù)字人、客服機(jī)器人等。

智能體包含五大模塊：感知單元(傳感器)、處理單元(運(yùn)算器)、存儲(chǔ)單元(存儲(chǔ)器)、通信單元（傳輸器）、行動(dòng)執(zhí)行單元(執(zhí)行器)。智能體執(zhí)行任務(wù)的流程與人類相似，一般為“目的-計(jì)劃-實(shí)施-評價(jià)”。智能體通過上述些模塊與人類、其他智能體和環(huán)境進(jìn)行交互。

大模型積累了海量的“陳述性知識”，并且在規(guī)模、復(fù)雜性處理、上下文理解、多任務(wù)學(xué)習(xí)、生成能力、知識整合和自我監(jiān)督學(xué)習(xí)等方面，比早期的AI能力有顯著提升，從而增強(qiáng)了推理“程序性知識”的能力，讓大模型在處理復(fù)雜問題、提供智能服務(wù)方面具有顯著優(yōu)勢。未來，智能體的感知、推理、認(rèn)知、學(xué)習(xí)、創(chuàng)造性和生成、情感理解和表達(dá)、社交等能力將不斷增強(qiáng)，并最終具備類人和超人的能力。如在感知環(huán)節(jié)，大模型將圖像和語音信息轉(zhuǎn)換為文本，使智能體能夠感知并理解代碼和函數(shù)；在意圖確定環(huán)節(jié)，通過與用戶的多輪溝通，智能體可利用提示技術(shù)明確用戶的真實(shí)意圖；在任務(wù)規(guī)劃環(huán)節(jié)，大模型指導(dǎo)智能體制定任務(wù)規(guī)劃策略；在決策環(huán)節(jié)，當(dāng)面臨選擇時(shí)，大模型幫助智能體進(jìn)行風(fēng)險(xiǎn)評估和路徑選擇；在行動(dòng)執(zhí)行環(huán)節(jié)，智能體根據(jù)大模型的指導(dǎo)執(zhí)行具體動(dòng)作，包括選擇執(zhí)行器、確定執(zhí)行方式和強(qiáng)度等；在評價(jià)環(huán)節(jié)，任務(wù)完成后，大模型對執(zhí)行過程進(jìn)行評價(jià)，并提出優(yōu)化建議。

智能體也有助于大模型輸出質(zhì)量的提升，經(jīng)特征強(qiáng)化的“專才智能體”的輸出質(zhì)量要高于“通才智能體”；同時(shí)智能體對執(zhí)行效果的評價(jià)和反饋，也有助于提升大模型輸出的準(zhǔn)確率。

當(dāng)下，智能體交互技術(shù)之所以火熱，是因?yàn)榇竽Ｐ椭悄荏w帶來了新驅(qū)動(dòng)力，即帶來了能力復(fù)制（擬人、類人、超人）、能力遷移、智慧匯集和能力倍增。這也將推動(dòng)智能體交互成為未來重要的交互范式。其核心驅(qū)動(dòng)力是智能體。大模型時(shí)代智能體的重要特征包括：豐富的能力和功能模塊；快速地模擬和試錯(cuò)，從而進(jìn)行推理和決策；能夠通過通信和記憶實(shí)現(xiàn)智能體之間的信息共享；能變換成不同特征的角色，突出和強(qiáng)化某些特征，模擬更多可能（更多智能體之間的協(xié)作），突破能力邊界；經(jīng)過協(xié)作和組合創(chuàng)新出更多的功能；通過與用戶或其他智能體的交互，快速地理解需求，評估結(jié)果并進(jìn)行優(yōu)化，提升輸出質(zhì)量。

這些特質(zhì)使得智能體交互具備以下四方面價(jià)值：一是提升系統(tǒng)效率；二是增強(qiáng)用戶體驗(yàn)，提供類人的情感價(jià)值，增加陪伴，減少孤獨(dú)感；三是實(shí)現(xiàn)更高級別的自主化和智能化，減輕人類的思維和體力負(fù)擔(dān)，服務(wù)人類“取巧”的天性；四是創(chuàng)造全新的體驗(yàn)，擴(kuò)展人類能力，甚至實(shí)現(xiàn)“超能力替身”，完成以往不可能完成的任務(wù)。

基于這些特征和價(jià)值，智能體交互將成為大模型時(shí)代人機(jī)交互的新范式，而智能體交互的實(shí)際應(yīng)用效果將成為大模型時(shí)代產(chǎn)業(yè)競爭成敗的關(guān)鍵。

智能體的新型交互方式和應(yīng)用場景

智能體交互技術(shù)的不斷發(fā)展，推動(dòng)了一系列創(chuàng)新交互模式（如表1所示）的誕生。例如智能體與人的相互關(guān)系形成了陪伴型、融入型、替身型、交互型等人與智能體、智能體與智能體。這些新興的交互方式將催生眾多應(yīng)用場景，為人類社會(huì)發(fā)展帶來廣泛而深遠(yuǎn)的影響。