技术的分级

人们往往通过对一个复杂的技术进行分级，明确性能、适用范围和价值，方便比较、选择和管理，提高使用效率，促进资源合理分配和技术改进和标准化。

比如，国际汽车工程师学会（SAE）定义了自动驾驶技术的六个等级（0到5级），描述了车辆自动化程度的不同阶段。这些等级详细规定了从完全人工驾驶，经过不同程度的人工辅助驾驶，到完全自动驾驶的过渡过程。

图：国际汽车工程师学会的驾驶自动化分级

象自动驾驶技术这样的分级还使得制造商、监管机构和消费者可以更清晰地理解和衡量技术的能力和限制，更有助于技术普及和市场推广。

图：通过与驾驶自动化分级对应的驾驶场景，大众能够很好地理解技术和技术对世界和生活带来的影响

智能体的分类

AI的应用飞速发展。那么AI，特别是智能体（AI Agent）技术，是不是也可以分级？Dr. Yu Huang的《Levels of AI Agents: from Rules to Large Language Models》（https://arxiv.org/pdf/2405.06643）一文研讨了这个问题，列举了几种相关的分类方式：

1. 基于AI角色的分级 （Morris分级法）

在《Levels of AGI: Operationalizing Progress on the Path to AGI》 一文中，M R Morris, et. al. 从AI产品设计的视角，以AI类比人类现实生活中的角色，从毫无自主性的“工具（Tool）”角色，到“顾问（Consultant）”、 “合作者（Collaborator）”、“专家（Expert）”, 直至完全自主的"智能体（Agent)"，将AI的自主性进行分级。

图：翻译自论文原文，并有编辑和删减

2. 基于AI承担职责的分级 （Li分级法）

Yuanchun Li, et.al. 则从智能体所承担的职责出发，对智能体进行了分析，发表在《Personal LLM Agents: Insights and Survey about the Capability, Efficiency and Security》一文。

在各级系统中，人类和AI分担不同的职责。级别越高，AI承担更多的职责。

图：翻译自论文原文，并有编辑和删减

3. 基于AI功能的分级（Huang分级法）

在他的文章中，Yu Huang也提出了基于AI的功能的分级方法。

图：翻译自论文原文，并有编辑和删减

可以看到，随着级别的提升，AI具有越来越多的功能。

思考和总结

采用以上对智能体的分级，有助于我们在对特定AI应用进行分析的过程中，为我们解构和剖析提供了一定的方法论。

应用Morris方法论，当前智能体技术应该是在L3的早期，AI主要是人类的copilot，人类和AI的互动有趋向于平等的趋势，但人类仍然在主导几乎所有活动，智能体的自主性还非常有限。

现在的智能体技术（比如MemGPT等工具）已经具备了对情景的感知和记忆的能力，而在Li分类法里，这被认为是非常高阶的能力（L4）。现在的智能体框架软件如AutoGen和CrewAI等已经支持了多智能体之间的协作，这在Huang分类法里是被认为是最高级（L5）智能体才具备的能力。

因此，应用Li分级法和Huang方法，则Agent已经部分到达L4和L5了。

相对于自动驾驶的分级体系，当前的智能体分级方法似乎难以量化回答“当前智能体技术处在哪一级”的问题，标准相对模糊。这是因为“自动驾驶”是一个相对明确的场景，而智能体的应用场景并没有给定的原因。

总体来看，Morris分级法的实用性似乎更强一些。我们期待有更好的分级方法出现。

部分参考资料

• M R Morris, J Sohl-dickstein, N Fiedel, et al., Levels of AGI: Operationalizing Progress on the Path to AGI, arXiv 2311.02462, 2023

• Yuanchun Li, et.al. Personal LLM Ai的gents: Insights and Survey about the Capability, Efficiency and Security，05.08.2024

• Yu Huang, Levels of AI Agents: from Rules to Large Language Models, https://arxiv.org/pdf/2405.06643