文 | 黃錦輝

今年國家《政府工作報告》提出“持續推進人工智能 + 行動”，銳意提升工商業界“新質生產力”，穩固及促進國家內外經濟循環戰略的發展。在近期複雜多變的世界營商環境之下，這些政策對國家尤其關鍵。“人工智能+”目標是推動業界善用人工智能技術，因時制宜，研發創新應用，為業界用戶的生產鏈和服務鏈提效、提質、提量。有效研發“人工智能+”系統，須利用相關的領域知識做訓練，定製專用的大數據模型。

然而，以應用主導所開發的人工智能系統的應用範圍自然有所局限。這樣“專學專用”的做法對提升生產力無可厚非，但卻難以滿足科研界的期望。例如，OpenAI、DeepSeek、谷歌等公司的研究團隊均以研發“安全可靠、造福人群的人工智能技術”為己任。就此，各公司都努力研發“多任務”運行算法，生成“大型語言模型”。以“大型語言模型”為知識庫的人工智能系統，提供通用智慧的功能，能同時提供例如“問與答”、“訊息檢索”、吟詩作對、作曲作詞、編寫程序等服務，業界稱之為“通用人工智能”（AGI）。

因應不同場景處理任務

與“通用人工智能”相比，透過“推進人工智能+行動”，業界會產出不同領域特定的知識庫，以及相應的垂直型“人工智能代理”。由於“AI代理”非常聚焦，它可就所屬領域提供高效、可靠的服務，能避免AGI因背景資料不足而經常產生“幻覺”的不良效果。所以，“人工智能代理”貴專，利用它來提升特定應用效能在業界日益普及；與此同時，科學家亦努力研究“既專且通”、知識“既深且廣”的代理人架構，利用“多模型”系統操作，推出“代理式人工智能”。

簡單而言，“代理式人工智能”是由多種特定應用領域及功能的模型或“AI代理”而組成，可以因應不同應用場景及用戶“提示”處理不同任務。它能將任務拆解為一個個子任務，一方面因應不同領域需求而作出任務（“AI代理”）調動，另一方面透過資料檢索、工具操作、計算機運算、生成圖表等功能去執行任務，提供高質高效的回應。同時，“代理式人工智能”會持續對這些多模型進行迭代與優化，不斷地提升回應的準確性與效率。

系統操作主要三個步驟

在系統結構上，“代理式人工智能”系統的操作主要包括3個步驟：

（1）指令：系統從應用場景中接收輸入訊息，例如用戶的提示、環境資訊（如天氣、交通）等，繼而進行分析、理解和優化，最後轉化成為“機器可讀”的指令。這步驟需要系統的“短期記憶”的扶持，使分析器可以利用“背景”資料，避免系統與現實應用環境脫節，發錯指令（問錯問題），回應便難免會離題萬丈。

（2）策劃：在這步驟因應指令需求，系統自主決定採用哪些“AI代理”及工具，並制定工作流程。就此，系統會利用自身的知識庫（即“大型語言模型”）來作決策。這裏要注意的是“冷起動”的問題。創科日新月異，人工智能的新代理、新工具層出不窮，“系統”必須跟上潮流，經常更新，並把新部件的資料融入現有操作環境中。然而，這樣的內部軟件系統嵌入及資料更新並不是輕而易舉之事。

（3）執行：系統最後在執行指令時，還要謹慎，必須做好評測，確保執行及回應的可靠性。再者，系統會紀錄所有指令及回應，經整理之後構建與任務相關的“思維鏈”（Chain of Thoughts, CoT），以作下一步推理之用，以及向用戶提供“可解釋人工智能”服務，提升“系統”的可信性。

概括而言，“代理式人工智能”和“人工智能代理”密切相關。前者能自主策劃工作流及任務，而後者則負責任務的具體實行。從工程管理學看，“代理式人工智能”猶如工程項目經理，負責策劃項目流程，派發工作予不同工程師（“AI代理”）、推動執行、然後監督他們的進度，有需要時作出適當的策劃調整。

最後，香港政府正積極地推行“AI+政府”行動，筆者建議政府也可多採用“代理式人工智能”架構。政府可以利用自己研發的HKAGI“大型語言模型”為基礎，針對性地為不同部門製造垂直型的“AI代理”，然後組織一個政府“代理中心”，把各部門的“AI代理”集中管理，向用戶提供“代理為服務”（Agent as a Service, AaaS）。與此同時，利用政府自己研發的HKAGI開發一個策劃引擎，透過政府AaaS平台，統籌及調用各部門的“AI代理”，從而促進政府部門與部門之間的人工智能系統之“互操作性”，提升政務效率。

（作者係全國政協委員、香港立法會議員，文章僅代表作者個人觀點）