“ 本文介绍一下吴恩达教授关于AI智能体的观点。”
在吴恩达教授（Andrew Ng）谈论“AI智能体工作流程的崛起（The Rise of Agentic Workflows in AI）”这一主题的视频中，他介绍了对于AI智能体的乐观看法。我把他的观点概括如下：
1. 降低培养人类专家的成本与门槛：
传统的高质量人类专家的培养过程，需要投入大量时间与经济成本，如漫长的职业训练、教育资源的消耗等。而人工智能的出现为获取高质量专业知识创造了更低成本、更高效率的途径。通过人工智能，许多原本需要依赖人类专家才能获得的专业见解与教学辅导，如医疗咨询、法律建议、编程指导等，都有可能以更低的成本和更高的可及性提供给大众。这种转变使得专业教育与辅导不再是少数精英的垄断领域，而是更加普惠化的资源。
2. 使用大模型的门槛与迭代需求：
当前使用大型语言模型（LLM）来实现特定需求并非一蹴而就。人们需要学会如何通过精心设计提示（Prompt）来与模型沟通，以达成预期的工作目标。在早期阶段，往往需要多次迭代与实验，不断调整输入的指令与条件，才能获得理想的结果。这意味着当下的AI使用者需要具备一定的学习与适应能力，以便更好地利用大模型服务。
3. 特定用途AI智能体直达用户：
未来的AI智能体将不仅仅是通用的大模型，而是依据特定目标定制的智能系统。这些专门为特定用途打造的AI智能体，可以直接为普通用户提供“即插即用”的服务。相对于繁琐的Prompt设计，这类智能体直接聚焦任务本身，无需用户花费大量时间学习如何更有效地向大模型发出指令，从而降低了普通用户使用人工智能的难度与成本。
4. AI智能体的自我进化与迭代：
不仅人类可以对AI进行训练与改进，AI系统本身也能够通过产生新数据和自我训练的方式进行迭代升级。随着智能体在运行过程中不断获取更多信息、调整策略，它们可以不断进化、完善，从而在没有明确人类引导下也能进行持续的性能提升。这种自我迭代的特性，使得AI系统能够长久保持前沿竞争力，并不断适应新的应用场景与挑战。
综合来看，吴恩达教授认为未来的AI发展将从繁琐的Prompt使用与人类专家资源紧缺的局面，逐步走向通过特定定制的智能体来为大众服务的时代，并通过智能体自我进化的能力，进一步降低使用门槛、扩大应用场景，为社会带来更大价值。
