EP 471: Inside Multi-Agent AI - Rethinking Enterprise Decisions
2025/2/27
Everyday AI Podcast – An AI and ChatGPT Podcast
B
Babak Hodjat
J
Jordan Wilson
一位经验丰富的数字策略专家和《Everyday AI》播客的主持人，专注于帮助普通人通过 AI 提升职业生涯。
@Jordan Wilson : 我认为AI智能体已经成为2025年生成式AI领域的热门话题，我们需要思考AI智能体在企业决策中的作用。大型企业应该考虑将决策权交给AI和大型语言模型，并为多智能体环境做好准备。
在多智能体环境中，一个智能体即使只有一点点偏差，如果长期得不到纠正，也会导致最终结果与目标相差甚远。在单一智能体环境中，人类可以发挥作用，将偏差控制在最小范围内。但在多智能体环境中，人类难以兼顾所有智能体，这该如何解决？
未来，人们可能会通过语音或自然语言与多智能体系统进行交互，但具体的交互方式可能因用例而异。企业应该制定AI战略，并对员工进行AI培训，以提高生成式AI的投资回报率。
@Babak Hodjat : Cognizant是一家全球领先的技术服务公司，是一家AI优先的公司，在AI和多智能体系统领域处于领先地位。Cognizant虽然规模庞大，但拥有创业公司的文化。NeuroAI平台旨在为企业提供基于AI的决策建议，而非仅仅提供数据洞察。通过将软件模块替换为相互通信的智能体，Cognizant NeuroAI平台的POC创建周期从10-12周缩短至10-15分钟。Cognizant正在探索将多智能体系统应用于企业组织本身。
智能体是指赋予AI系统工具和自主决策能力的系统，现代智能体通常以大型语言模型为“大脑”。大型语言模型只是模型，而智能体则能够根据大型语言模型的推理进行决策并执行操作。智能体能够执行大型语言模型生成的代码，并根据结果进行迭代改进。
多智能体环境的兴起是由于大型语言模型的进步以及企业需求的自然演变。多智能体系统中的智能体之间可以相互通信，从而提高效率并减少人工干预。多智能体环境的优势在于打破数据孤岛，提高运营效率和生产力。在设计多智能体系统时，需要注重责任、安全性和可控性，并建立规则来应对系统故障。多智能体系统的设计需要一种工程化的思维方式，需要明确每个智能体的任务和自主权范围。
大型语言模型的幻觉问题并未消失，但可以通过多智能体系统和其它技术来降低其影响。将任务分解成更小的子任务，并由多个智能体分别处理，可以降低大型语言模型幻觉的可能性。可以通过测量大型语言模型输出的不确定性来减少幻觉。为了应对多智能体系统中错误的累积效应，可以采用冗余机制，类似于人类组织中的多重检查。为了提高多智能体系统的可靠性，可以增加冗余机制，尽管这会增加成本和降低速度。
个人也可以利用多智能体系统来提高工作效率，例如自动处理电子邮件。在许多情况下，人类仍然需要参与到多智能体系统中，以确保决策的责任性和安全性。未来，人们可能会通过语音或自然语言与多智能体系统进行交互，但具体的交互方式可能因用例而异。多智能体系统的首批主流应用场景可能包括客户支持、内部系统访问和企业流程优化。多智能体系统可以用于企业间的协作，例如智能体之间可以就交易条件进行协商。企业领导者应该将多智能体系统视为一种战略工具，以提高员工效率和组织敏捷性。