通用机器人里程碑：实在智能推出国内首个基于AI大模型的Agent智能体
AI Agent被认为是OpenAI发力的下一个方向。OpenAI联合创始人Andrej Karpathy在近期的公开活动上说 “ 相比模型训练方法，OpenAI内部目前更关注Agent领域的变化，每当有新的AI Agents论文出来的时候，内部都会很兴奋并且认真地讨论 ” 。
早在3月份，AutoGPT就在GitHub上获得7.4万星，并快速成为史上Star数量增长最快的开源项目；而后发布的BabyAGI、AgentGPT更如雨后春笋般涌现：订购披萨、整理邮箱、创建博客，甚至举办一场情人节派对……
虽然越来越多的AI Agents出现在人们生活的各个场景下，但其始终不是产品级应用，这股热潮蔓延的前提，是要出现产品级的应用，自主执行、独立运作。
数字助理时代来临
与其把AI Agents当作ChatGPT升级版，不如将它视作人类的“数字助理”更为合适。它不仅告诉你“如何做”，更会“帮你做”。只要给定目标，它便可以模拟智能行为，自主创建任务、重新确定任务列表优先级、完成首要任务，并循环直到目标达成。简单来说，只需要给它一个目标，AI Agents就能完成剩下的全部工作。这种现象放在科幻电影里并不难，但在人工智能探索历程上，已经持续了将近半个世纪。
近日，实在智能正式发布“塔斯（TARS）”大模型，并震撼推出行业首个基于大模型的TARS-RPA-Agent产品，将数字员工应用门槛进一步大幅降低，实现“所说即所得，你说，PC做！”TARS-RPA-Agent”是业界首款将计算机视觉与大语言模型结合的智能体产品，相信会对RPA行业的发展具有里程碑的意义。
就像人类一样，TARS-RPA-Agent在从事复杂任务时，每一步之间往往会有一个推理过程。基于“TARS+ISSUT”双模引擎，TARS-RPA-Agent有“大脑”，更有“眼睛和手脚”，将推理能力和行为决策紧密结合了起来，使语言模型可以根据知识进行有逻辑的计划安排，自主拆解任务、感知当前环境、执行并且反馈、记忆历史经验。
例如，如果你问TARS-RPA-Agent“我要买一台笔记本电脑，帮我推荐下”，TARS-RPA-Agent基于计算机视觉大模型的“智能屏幕语义理解”技术（ISSUT）“秒懂”屏幕画面，第一时间完成自动解析，并且将其拆解成“登录购物网站，查询笔记本电脑品牌、配置、价格等信息，完成产品推荐”等多个步骤并加以自动实现。在这个过程中，TARS-RPA-Agent也存在避免理解偏差或者操作失误的反馈机制，以及结合上下文扩展和向量检索等技术下的长时记忆能力，以便后续分析和优化。
人类最显著的特征之一就是使用和创造工具。通过配备外部工具，来调用各种接口，Agent产品能够模拟人类使用工具，完成更复杂的任务。虽然技术层面并未完全成熟，但基于大模型的Agent产品自主执行、迭代优化、“解放双手”的能力也让走红成为必然。
