2024年底，Google发表Gemini 2.0模型不久，OpenAI也迅速推出次世代模型o3，两者均懂得自我思考如何解决复杂难题，并能代替人类执行解难方案。这不但象征着新一轮AI大战即将展开，更预告了“代理式AI”（Agentic AI）的时代快将降临。这新类型的AI模型跟一般大型语言模型有什么不同？究竟它的功能有多厉害？又可能会造成哪些潜在危害？

代理式AI能自我学习和改进

   有留意生成式AI发展的读者，可能都会听过“AI代理”（AI Agent）——意指在无需人类介入的情况下，能够自主做出决策、完成行动的AI工具。那么，代理式AI又是什么？这是指可以利用情境感知、推理和学习功能，针对不断变化的条件做出决策的AI系统，Tesla电动车的自驾系统正是最明显例子，而在背后驱动AI代理运作的模型亦属于Agentic AI。

   代理式AI可以先从环境中搜集信息，跟着运用推理来评估选项、规划最佳行动方案，并自主执行任务。随后，它会监察执行结果，务求从反馈中学习，以改进日后表现。透过感知、规划、行动、学习的循环，它可以在最低程度的人为监督下处理新问题、应对新挑战，成为人类的智能助手。

Gemini 2.0具备多模态能力

   2024年12月11日，Google发表新一代AI模型“Gemini 2.0”，将Gemini 2.0 Flash实验版开放给所有Gemini用户，并释出3款AI代理：Project Astra、Project Mariner、以及Jules，标志着代理式AI技术的重大进展。

Google表示，Gemini 2.0是旗下功能最强大的模型，不仅坐拥多模态处理能力，还可以直接调用各式Google工具来执行任务，让他们能够建构全新AI代理，更靠近通用型助理的愿景。（图片来源：Google官方网志）

   Gemini 2.0具备多模态（Multimodality）处理能力，支援文字、图片、音频、视讯等多种模态输入与输出，能在不同数据类型间无缝切换并进行整合。譬如说，上传一幅纸箱的图片，纸箱侧面印有“新鲜水果”的文字，接着输入提示词：“绘制一幅俯瞰纸箱内容物的图片”，模型能够阅读和理解图片中的文字，然后进行推理并生成作品。

Astra提升跨语言交流便利性

   为让网民体验AI代理，Google推出以Gemini 2.0打造的AI助理雏型Project Astra。它支援多种语言，能够跟用户进行自然流畅的对话，甚至能够处理混合语言的输入，还可以理解地方口音和不常见的词汇。再者，它拥有强大的记忆功能，可以记住长达10分钟的内容，并且理解对话的上下文，确保回应的相关性和精确性。

Astra可以透过Google Lens“看到”街上的装置艺术品，跟着利用Google Maps得知艺术品的位置，然后使用Google Search找寻相关说明信息，为用户讲解其背后含义。（图片来源：翻摄Google官方YouTube影片）

   Astra能够实时调用Google Search、Maps和Lens等工具，辅助用户完成日常任务，例如安排日程、设定提醒、提供信息查询等，提升生活效率；它又可以扮演语言导师的角色，用户可跟它进行外语练习，改进外语能力。

Mariner助用户完成网上任务

   Project Mariner是一个可以在网页浏览器内协助用户完成网上任务的AI助手，将以Google Chrome扩充插件的形式推出。它可以阅读网页内容，并提取重要信息，再以易于理解的方式呈现给用户；更厉害的是，它可以替用户填写网页上的表单、搜寻航班信息、甚至购买家居用品，让键盘与双手减少介入操作，重新定义人们使用互联网的方式。

Google试算表上显示了几家公司的名字，用户可在右侧栏的Project Mariner视窗中，键入“寻找这些公司的官网及联络电邮”，Mariner随即自行使用Google Search寻找信息，并浏览相关官网，再将整理好的信息展示给用户看。（图片来源：翻摄Google官方YouTube影片）

   Google示范了一个Mariner的应用例子：透过Chrome打开Google试算表文件，内里只有几家公司的名称。用户在Mariner视窗中输入提示词：“寻找这些公司的官网及联络电邮”，然后Mariner立即上网搜寻资料，并将操作流程展示给用户看：可以看到Mariner游走于Google Search和不同公司官网，逐一浏览网页内容，约一分钟后整理好信息，再向用户提供答案。如此一来，虽然回应时间慢了一点，但把人为监督加入流程，却提高了答案的可信性。

Jules帮助开发者生成程序码

   Jules则是一个可以协助开发者的编程代理，能够整合到GitHub工作流程。它既可以根据上下文提供代码建议，甚至直接生成所需程序码，又可以检测程序码中的错误，并提供修复建议，以提升编程效率，缩短开发周期。

   据悉，现时已有零售业者采用多模态AI代理来优化客服中心运作：当顾客致电客服查询，语音经转录为文字后，再由AI进行分析问题并生成答案，然后输出语音回复。此外，金融业者也可以使用AI代理，分析文字、音频、图像等资料，并串连股票查询工具，再结合财务数据与市场情绪分析，生成更精准的投资策略报告。

依赖AI让人失去批判思考能力

   国际市调机构Gartner评估，2024年企业应用软件中的AI代理使用率不足1%，但预测到2028年将大幅增长至30%，并能取代15%的日常工作决策流程。这意味着代理式AI技术将快速成为市场不可或缺的一部分。

   然而，AI代理普及后，可能会带来一些危害。当人们发现自己难以克服的复杂任务，AI代理却可以轻松完成，因而产生极大的挫折感，觉得自己变得愈来愈无用，于是渐渐将所有事情交给AI代理去办，以致过度依赖AI，让人们失去批判思考能力。

媒体网站或丧失网上广告收入

   此外，当人们透过AI代理搜集资料，只阅读由AI生成的摘要内容，而不再直接点阅网站，或会引致媒体网站丧失庞大的网上广告收入。《纽约邮报》指出，Google新推的AI搜寻引擎功能“AI Overviews”，可能每年为网上出版商带来逾20亿美元（约156亿港元）的经济损失。

   无论如何，Google与OpenAI已争相推出代理式AI，而微软（Microsoft）、亚马逊（Amazon）等科技巨头也开始投入大量资源研发相关技术，相信AI产业将加速迈向自主决策的新时代，对人类社会和经济结构产生深远影响。

   《经济通》所刊的署名及／或不署名文章，相关内容属作者个人意见，并不代表《经济通》立场，《经济通》所扮演的角色是提供一个自由言论平台。