Emergence AI (正式名称为 Merlyn Mind Inc.) 正从幕后崭露头角,为人工智能代理带来全新视角,利用它们创建更多能够代表工作者执行更复杂任务的代理。
该公司今天宣布推出一个新的自动化 AI 代理创建平台,无需任何编程技能。用户只需使用自然语言提示告诉系统他们想要完成什么。平台随后会启动其 AI 代理,这些代理将着手创建更专业的 AI 代理来完成指定任务。
VentureBeat 首次报道了 Emergence AI 的新代理构建器,将其描述为"实时运行的无代码、自然语言、AI 驱动的多代理构建器"。据该公司称,其平台在"递归智能"领域达到了新的里程碑,这种智能指的是 AI 系统无需人类干预即可随时间自我改进。
联合创始人兼首席执行官 Satya Nitta 表示,递归智能是使 AI 代理能够创建新 AI 代理的关键。他对 VentureBeat 表示:"我们的系统允许创造力和智能在人类定义的边界内灵活扩展,而不会受到人为瓶颈的限制。"
当收到新任务时,Emergence AI 会评估需要执行的工作,然后检查其现有的 AI 代理注册表,以确认它们是否能够完成该工作。如果不能,它就会自主创建新的代理来完成请求的任务,这些新建的代理将立即开始解决问题。
更进一步,Emergence AI 还可以根据用户之前的请求,主动创建额外的 AI 代理来预测需要完成的相关任务。
Nitta 说:"协调器会通过检查现有代理注册表来确定是否能解决任务。如果不能,它就会创建一个新代理并将其注册。"
该公司称,该平台还能够将多个 AI 代理串联起来,让它们以完全自主的方式相互协作,从而实现新层次的企业自动化。
关于支持 Emergence AI 代理的底层大语言模型,Nitta 表示客户可以选择领先的大语言模型,包括 OpenAI 的 GPT-4o 推理模型或 GPT-4.5、Anthropic PBC 的 Claude 3.7 Sonnet、Meta Platforms Inc. 的 Llama 3.3 等等。他补充说,公司非常重视互操作性,因此企业也可以使用自己的模型来驱动该平台创建的 AI 代理。
该公司的 AI 代理针对广泛的用例,包括数据中心任务,如提取、事务处理和加载管道创建、转换、迁移和分析。此外,它还希望改进生成式 AI 编码,这是一个仍然经常出错的领域。据 Nitta 称,其理念是将大语言模型的代码生成能力与能够验证所生成代码的自主代理结合起来,并在出现问题时提出修复建议。
"代理编码具有巨大的影响力,这将是明年乃至未来几年的主要话题,"Nitta 说。
Emergence AI 已实施多项安全保障和合规功能来维持对其 AI 代理的监督。这包括防止代理行为不当的一般安全护栏、访问控制和评估代理性能的验证准则。但最重要的是,Nitta 表示始终有人类参与其中。
他指出:"你需要验证多代理系统或新产生的代理是否在执行你想要的任务,是否朝着正确的方向发展。"
该公司尚未公布其 AI 代理驱动的 AI 代理平台的定价,但对这一概念感兴趣的人可以直接联系公司了解访问和成本详情。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。