在人工智能（AI）飞速发展的今天，我们正经历着一场由大模型驱动的深刻变革。这场变革不仅重塑了文本、图像和视频的生成方式，更触及了我们与认知、创作和Agentivity（能动性）的关系。传统上，AI被视为模拟人类智能的工具，通过统计和符号计算实现特定目标。然而，随着AgentificAI (AI 智能体)的兴起，AI正在向更具自主性、自组织性和AgentiIntelligenti（智能体）能力的方向演进。本文将深入探讨AgentiConnessionisti（连接主义智能体）和AgentiDeliberativi（审议型智能体）这两种主要类型的 AI 智能体，以及它们如何共同塑造 AgentiIbridi（混合智能体）的未来，并最终影响我们的认知过程。
1.AgentificAI：自主行动的崛起
AgentificAI 指的是具备日益增强的自主行动能力的 AI 系统的快速普及。这些系统不再仅仅是被动地执行预设指令的工具，而是逐渐演变成能够像“理性主体”一样行动的实体。一个关键的区分点在于，本文所讨论的“智能体”并非指那些仅作为助手使用的、基于 LLM 的聊天机器人，而是指那些集成了额外功能、能够自主完成任务的 AI 系统。
例如，想象一个智能旅行助手。如果你问它“明天早上 9:30 前我必须到达罗马，怎么安排行程？”，一个简单的聊天机器人可能只会根据你提供的信息搜索航班。而一个真正的AgentiIntelligenti 则会主动识别你的需求，查询天气预报网站以评估天气状况，根据你的偏好（例如经济舱、首选航空公司）搜索航班，并自动将行程添加到你的日历中。这种自主行动的能力体现了 Agentivity 的核心特征。
AgentificAI 并非一蹴而就。正如文章指出，它经历了两个主要阶段：审议型智能体和连接主义智能体。
2.AgentiDeliberativi：基于 BDI 模型的理性决策
AgentiDeliberativi 诞生于 20 世纪 90 年代，它们基于 Belief-Desire-Intention (BDI) 模型，这是一种模拟人类理性决策过程的框架。BDI 模型的核心思想是，一个智能体的行动是由以下三个要素驱动的：
- Beliefs（信念）：智能体对环境的认知和假设。
- Desires（欲望）：智能体想要实现的目标。
- Intentions（意图）：智能体为实现欲望而制定的具体计划。
例如，一个虚拟预订助手接收到一封电子邮件：“我明天早上 9:30 之前必须到达罗马。” 它的信念包括用户的偏好（例如经济舱、首选航空公司）和其他上下文信息（例如星期几）。 它的欲望是满足用户的请求，在这种情况下，是早上 9:30 之前到达罗马。 它的意图可能是搜索兼容的航班、进行预订并检查座位供应情况、将事件插入用户的日历中。
BDI 模型的优势在于其透明性和可解释性。由于智能体的推理过程是基于明确的逻辑规则，因此我们可以追溯其决策的依据，验证其行为，并进行模拟和审计。 这种可解释性对于需要在高风险领域（例如医疗保健、法律）部署的 AI 系统至关重要。缺点也很明显，这种方法非常依赖于预定义的知识和规则，难以适应复杂多变的环境。
3.AgentiConnessionisti：大模型驱动的涌现智能
随着大模型的兴起，一种新型的 AI 智能体——AgentiConnessionisti——应运而生。这些智能体利用深度学习和神经网络，通过海量数据进行训练，从而获得强大的模式识别和生成能力。AgentiConnessionisti 根据其在系统中的作用，可以进一步分为两类：对话型连接主义智能体和编排型连接主义智能体。
3.1 AgentiConnessionisti Conversazionali：基于 LLM 的对话交互
这类智能体主要利用 LLM (Large Language Model) 技术进行对话交互。它们能够理解用户的指令，并调用预定义的功能来获取信息，从而生成相应的回复。例如，一个天气预报智能体能够理解用户提出的关于罗马天气的请求，并调用天气 API 获取实时数据，然后用自然语言将信息呈现给用户。
OpenAI 的 Custom GPT 就是一个很好的例子。用户可以通过 API 集成外部服务，创建简单的对话型连接主义智能体。另一项由 OpenAI 提供的功能是 ChatGPT Tasks，它允许用户在预定义的时间激活引擎以执行预定义的提示（计划事件）。 要执行的任务是根据激活提示“生成”的，并且由 OpenAI 编排。 它不允许创建多代理解决方案，最重要的是，不允许在 OpenAI 环境之外采取行动。 完成活动后，会生成对话式响应。
3.2 AgentiConnessionisti Orchestratori：超越目标导向的智能编排
与对话型智能体不同，AgentiConnessionisti Orchestratori 利用 LLM 来进行更复杂的推理，评估行动方案，并根据多个决策指标做出选择。这些指标不仅包括完成任务的目标，还包括叙事一致性、伦理规范、集体利益和长期学习等因素。
例如，一个智能投资助手可以根据用户的风险承受能力、投资目标和市场状况，制定个性化的投资策略。在选择投资标的时，它不仅会考虑潜在的回报，还会评估投资标的的环境、社会和治理 (ESG) 风险，以确保其符合用户的价值观。
LangChain, Semantic Kernel ( orchestration framework) 和 Microsoft 的 AutoGen ( more LLM-based agents in cooperation) 都是这种 AI 智能体的例子。
AgentiConnessionisti Orchestratori 的优势在于其灵活性和适应性。它们能够处理复杂、动态的环境，并根据不断变化的情况调整行动策略。但是，它们也存在一些局限性。由于其决策过程是基于神经网络的，因此难以解释和预测。此外，它们还可能受到偏见和错误信息的影响。
4.AgentiConnessionisti Operatori：数字世界的自主行动者
AgentiConnessionisti Operatori 代表了 AI 智能体的又一次飞跃。除了对话和编排能力外，这些智能体还能够自主访问网络，执行诸如填写表格、浏览网站和操作 SaaS 工具等任务，从而模拟人类用户在数字世界的行为。
设想一个智能购物助手，它可以自主浏览电商网站，比较商品价格，填写订单信息，并完成支付，而无需人工干预。或者一个智能客户服务助手，它可以自主登录客户关系管理 (CRM) 系统，查找客户信息，并处理客户请求。
这些智能体的潜力是巨大的。它们可以极大地提高工作效率，降低运营成本，并改善用户体验。然而，它们也面临着一些挑战。由于其行为是基于对网页内容的理解和操作，因此容易受到网站结构变化的影响。此外，它们还可能存在安全风险，例如未经授权访问敏感信息。
尽管存在上述挑战，AgentiConnessionisti Operatori 仍然是 AI 发展的重要方向。随着技术的不断进步，我们有理由相信，它们将在未来发挥越来越重要的作用。
5.Deliberativi vs. Connessionisti：优势互补，融合发展
AgentiDeliberativi 和 AgentiConnessionisti 各有优缺点。AgentiDeliberativi 具有透明、可解释和可控的优点，但缺乏灵活性和适应性。AgentiConnessionisti 则具有灵活性和适应性的优点，但缺乏透明性和可解释性。
为了充分发挥 AI 的潜力，我们需要将这两种类型的智能体融合起来，构建 AgentiIbridi。AgentiIbridi 既能够像 AgentiDeliberativi 一样进行理性决策，又能够像 AgentiConnessionisti 一样适应复杂、动态的环境。
例如，一个智能驾驶系统可以利用 AgentiDeliberativi 来制定安全可靠的行驶路线，同时利用 AgentiConnessionisti 来识别交通信号、行人和其他车辆。通过将这两种能力结合起来，智能驾驶系统可以实现更高的安全性、效率和舒适性。
6.Agentività Ibrida：走向可信赖的 AI
未来的 AI 发展方向是 Agentività Ibrida，即融合动态学习和可控行为，同时保证可扩展性、安全性和符合道德约束。这意味着，逻辑和语言不再是对立的，而是互补的。
一个理想的混合智能体架构应该包括以下几个模块：
- LLM 模块：用于解码指令，生成语言，并进行自然交互。
- 符号引擎：用于基于 BDI 模型维护目标、约束和选择之间的一致性。
- 语义记忆：用于保存交互、信念和过去行动的结构化历史记录。
- 编排模块：用于将目标分解为子目标和具体行动。
这些模块本身并不是新的，但它们的集成将能够产生关于智能体自身体验的知识，并将 Agentivity 转化为一种知识形式。
7.ArchitettiDelPossibile：重塑认知的未来
ArchitettiDelPossibile (可能性架构师) 指的是那些设计和构建 AI 智能体的人。他们不仅需要具备技术能力，还需要深入理解人类认知过程，并考虑到伦理、社会和法律等方面的因素。
大模型 的发展也带来了认知负债问题。 使用人工智能助手写作论文会导致认知负债的积累，因为使用者可能难以批判性地评估人工智能生成的内容，从而导致缺乏对主题的深入理解。
最终，AgentificAI 的发展将对我们的认知过程产生深远的影响。一方面，它可以帮助我们更好地理解自己的认知过程，并提高工作效率。另一方面，它也可能导致我们过度依赖 AI，从而削弱自己的认知能力。
8.结语：责任与展望
AgentificAI 的未来充满希望，但也面临着挑战。我们需要认真思考如何平衡 Agentivity 的自主性和人类的控制力，如何确保 AI 系统的安全性和可靠性，以及如何应对 AI 带来的伦理和社会问题。
正如文章的标签所示，我们需要关注 DistantDoing (远程行动)，IntelligenzaArtificiale (人工智能)，AIGenerativa (生成式人工智能)，Agentivita (能动性) 以及 Responsabilita (责任)。 只有这样，我们才能真正利用 AI 的力量，创造一个更加美好的未来。