基于企业经营大模型AI-Agent的电子商务实验室建设探索

针对大模型与生成式AI技术问题,教师从AI-Agent电子商务实验室功能设计、企业经营大模型AI-Agent技术形态、多协作AI-Agent实验项目生成等方面,进行基于企业经营大模型AI-Agent的电子商务实验室建设的研究,运用模拟真实电子商务环境、实验项目生成、理论连接实践等方法,搭建一个教学实践和研究的平台,推动电子商务技术创新和电子商务专业人才培养。

Sora的职业影响:知识工作者应对AI核心技能替代的策略

AIGC技术的快速发展使人类独有的核心技能逐渐被AI突破和替代,这一趋势给知识工作者带来了前所未有的挑战和焦虑。文章分析OpenAI最新发布的Sora视频生成模型引发的岗位替代威胁,探讨知识工作者应对挑战的策略:采用“人在环中”(HITL)的工作策略、促进多AI智能体之间的协作、利用AI工具学习和掌握新的AI知识和技能,助力知识工作者既能维持职场竞争力,又能探索和创造AI时代新的工作机会。

人工智能体执法并承担执法责任的可能性

人工智能体执法正成为数字法治政府建设的重要表现,将会对以人的行为作为逻辑底色而建构的法律秩序形成冲击。人工智能体或许可以拥有有限的法律人格及有限的责任能力,并为一般行为承担法律责任,但却可能面临执法权行使正当性与执法能力不足的困境。因此,人工智能体不适宜执法或行使公权力,只能承担事务性公务,其执行公务引起的责任可由人工智能体自身、供应商以及行政机关共同承担。

基于AI agent的6G内生智能技术框架及其应用

未来6G网络将内生支持通信和AI一体化服务,赋能丰富多彩的新业务,支撑社会高效可持续发展。为此,借鉴了IT行业AI Agent的应用范式,基于电信应用场景创新地提出了6G AI Agent技术框架的三大设计理念,包括多模型融合、定制化Agent和插件式环境交互,并基于该理念构建了6G AI Agent技术框架。通过环境交互层、Agent引擎层、模型调度层、模型基座层交互协同,实现了自主环境感知、自主任务生成和自主执行任务的能力。此外,以移动网络的智能感知任务为例,探索了AI Agent的使用场景及价值,为AI新技术在电信领域发展提供了新的思路和技术支撑。

大模型智能体:概念、前沿和产业实践

从符号型和反应型智能体到基于强化学习和迁移学习的智能体,再到当前基于大模型的智能体,AI智能体经历了三代发展,逐渐成为人工智能研究和应用的核心。其中基于大模型的智能体是能够更准确地感知环境、进行反应和判断、形成并执行决策的智能计算实体,在多个领域展现出广泛的应用前景,包括图像生成、视频生成、数据分析、图文修改辅助、谈判指导、教育教学、学术研究、生活助手、网站开发等。OpenAI、Google、Apple、NVIDIA等国外厂商,以及腾讯、百度、商汤、联想、讯飞等国内厂家,都在大模型智能体领域进行了积极的探索与实践,推出了各自的大模型智能体产品,涵盖了游戏、生活、线上助手、营销、教育等多个领域。本文将回顾AI智能体的定义与发展,着重介绍大模型智能体的概念和发展前沿,以及大模型智能体在产业实践方面的代表性成果,为有志于大模型智能体研究和开发的读者提供参考。

代理视域下人工智能体缔约研究

数智时代,人工智能尤其生成式人工智能开始广泛应用,构造出人、人工智能体等非人行动者组成的智能技术交易系统,交易行为结构呈现鲜明的数字化、虚拟化、智慧化特征,加剧了缔约的复杂性、非线性及混沌态,导致基于人工智能工具论的算法合同效力认定、法律责任归属等陷入困境。对此,有必要转换思路,赋予人工智能体有限法律人格,将其厘定为当事人的代理人。依据代理制度,对于人工智能体缔约,采取法律推定拟制方法,基于人设置利用智能体的行为,认定两者之间的代理关系。一旦人工智能体超越预期,原则上由本人承担相应风险责任,除非超越程度过巨,导致双方利益严重失衡或显失公平。在算法合同效力判定基准中,本人行为能力、真意的作用弱化,意思表示以外观为主。效力瑕疵涉及人工智能体背后之人、相对人、第三人,以及合同当事人的人工智能体、第三方人工智能体等非人,缘于不同行动者的瑕疵事由对合同效力的影响存在显著差异。

大模型时代的智适应学习研究:进展、实例与展望

智适应系统和生成式人工智能的有机结合正在重塑教育,这是经济全球化、技术变革的新诉求,也是人类文明进步发展的必然阶段。在回顾智适应学习的历史发展和技术优势的基础上,探讨全球视野下智适应学习的研究进展,明晰智适应学习的五个层级,依次为互联网教育、智能工具、智适应学习、高级智适应学习、完全智适应学习。在技术层面,重点介绍混合专家教育大模型的核心开发模块,讨论如何构建大模型与智适应知识图谱、推荐系统之间的相互赋能,有机结合,最终形成以大模型为核心的人工智能体。同时依托智适应学习应用的技术架构,呈现其应用的典型案例。在此基础上,围绕智适应学习的技术应用探索,梳理和归纳智适应学习的未来愿景:一是构建全民科学教育的标准;二是创造人工智能与人类智慧的同步进化;三是通过高质量人才培养服务教育强国建设。

基于智能体技术的基站运维数智化转型升级研究

随着信息技术的持续发展,基站运维的方式正在向数智化方向转型。尽管当前基站运维的智能化水平已取得显著进展,但面对人工智能和大数据等新兴技术的挑战,以及日益复杂的运维需求时,仍需进一步深入研究与创新。本文创新性提出了一种基于智能体技术的基站运维数智化转型升级方案,旨在通过大模型和智能体技术实现基站运维的闭环管理,推动基站运维模式由面向过程向面向目标转变,为L5级自智网络运维提供一条可选技术路线。同时,也探讨了该方案目前所面临的挑战,为后续进一步研究提供参考。

“人-机-环境”共融的工业数字孪生系统智能优化方法

工业数字孪生系统是智能制造应用实施的重要手段,但现有工业数字孪生系统主要面向机械系统探索研究理论和关键技术,缺乏从“人-机-环境”全局开展系统建模和优化。鉴于此,分析了“人-机-环境”系统建模和智能优化研究进展,总结了“人-机-环境”共融的工业数字孪生系统基本特征,建立了系统参考架构。然后,提出了“人-机-环境”共融的工业数字孪生系统智能优化方法与关键技术体系,主要包括数据驱动的快速动态建模与仿真方法、基于生成式人工智能(AI)的数字孪生快速建模方法、多模态感知与智能交互方法、虚实同步映射与模型校正方法、基于分布式计算的运行优化控制方法、“人-机-环境”安全监测与态势感知方法和基于AI agent的系统自学习与优化控制方法等。最后,通过典型案例展示了智能优化方法的应用效果。所提出的工业数字孪生系统智能优化方法为实现智能制造过程中的“人-机-环境”共融提供了重要支撑。

AI产品侵权归责原则的法经济学考察——兼评欧盟《人工智能责任指令》

AI产品是以AI技术为基础,以销售、使用为目的,依赖研发者设定的固定程序,通过计算进行决策并完成相应任务,被广泛应用于各行业的动产领域;AI产品侵权归责原则大致可分为共同责任侵权原则、严格责任原则和过错侵权原则三类。在适用侵权归责原则时,常见的困境包括共同侵权责任原则缺乏归责上的“共同性”,严格责任原则具有“片面性”,以及过错责任原则难以确定“过错”与“因果关系”。此外,责任主体尚不明确。基于社会成本与委托代理理论,AI产品侵权归责理论可从制度激励、信息不对称与风险分散三个维度解析归责的基本逻辑,以实现社会福利最大化。欧盟《人工智能责任指令》在一般条款外仅规定了举证责任、证据披露和因果关系推定等要素,对产品侵权问题的规制存在漏洞,它所确立的严格责任制度仍具有补充和提升空间。为实现欧盟《人工智能责任指令》下的社会福利最大化,尝试将过错责任原则适用于生产者,将剩余责任即严格责任原则适用于驾驶员,即若生产者存在过错,驾驶员和生产者将以各自的责任份额分担责任;如果生产者被证明遵循了应有的注意义务,那事故损失必须完全由被适用严格责任原则的驾驶员承担。

知识人异化和复归:人工智能代理参与知识生产的影响与应对

人工智能代理在提升知识生产效率的同时也进一步加剧了知识人价值的消解。文章结合人工智能代理的功能和技术特点阐述了其将为知识生产模式带来的变革,指出技术革新将引发知识人的异化;从知识人与知识、知识生产、知识人类本质以及机器相异化四个方面解析了人工智能代理引发知识人异化的原理及表现,说明了知识人异化将引发社会创新力下降、社会排斥、机器宰制知识社会以及社会权力的倾斜等问题。最后,文章从目标制定、行动规划、秩序重构以及效果把控四个层面提出了知识人异化问题的应对策略。

人机协作:电影音乐生产的AIGC应用研究

生成式人工智能(Generative AI)是一种典型的新质生产力,能够以科技创新的方式推动电影音乐产业走向高科技、高效能、高质量的发展道路。本文回顾了人工智能音乐生成技术的发展历史,提出指导者-执行者范式的电影音乐生产人机协作新模式,分析了人工智能生成内容(AIGC)在电影音乐领域的应用前景,指出了AI音乐生成技术存在的不足。研究表明,AI音乐生成技术通过科技创新、资源配置与生产流程优化以及人机协作能够提升全要素生产率,为电影音乐领域发展带来新的机遇和挑战。

人工智能代理驱动的平行博物馆智慧管控

博物馆负责海量文化遗产的保管、研究、传播等工作。随着人工智能技术的飞速发展,社会对博物馆智能化水平的要求不断提高。以大语言模型和人工智能代理为代表的通用人工智能取得了里程碑式的进展,给新时代博物馆建设提供了新技术支撑。以平行智能和平行博物馆系统为平台,提出了人工智能代理驱动的人机混合博物馆管理架构,从而发挥平行博物馆虚实交互与平行执行的框架作用。阐述了智能代理驱动的平行博物馆系统架构与关键技术,基于人工系统构建智能代理的生产工厂和运行平台,利用计算实验进行博物馆的建模和智能代理的训练,通过自然人、数字人和机器人构建人机混合的智能代理团队,实现虚拟博物馆与实体博物馆的平行执行与迭代优化。最后,介绍了智能代理驱动的平行博物馆典型案例。

智能艺术工厂:基于平行艺术智能体的创作自动化

近年来,多模态内容生成模型迅速发展,极大地提高了创意工作者的创作效率。然而,现有方法仍然需要领域专业知识,无法实现创作全流程的自动化,难以广泛服务于普通人群。因此,提出智能艺术工厂的理念和架构,基于大模型和人工智能智能体技术,构建智能艺术工厂的工作流程、基本功能和实现方法,建立面向创意创作的智能体员工和数字人团队,通过生物人、数字人和机器人的跨物理、信息、社会空间协作,实现创作流程自动化和创作知识自动化。智能艺术工厂将进一步解放大众的创造力。

思辨实在论视角下人工智能道德主体问题浅析

人工智能技术作为一种新兴的物被运用于社会生活之中,人类与人工智能的交互不可避免地引发诸多伦理问题。就人工智能是否是一个道德主体这一问题,传统伦理学给出了一种相关主义范式的否定答案,人工智能的道德主体地位在相关主义范式的传统伦理学中不成立。但是,相关主义范式的传统伦理学理路实际上是一种“种族独断论”,这一种族独断论排除了人工智能的伦理可能性,同时陷入了把握客观事实的无力状态。以思辨实在论为导向的现代科技伦理学为人工智能的道德主体合法性开辟了一条道路,并呼吁建立一种新型的“物的伦理学”。

基于智能规划的多智能体强化学习算法

目前深度强化学习算法在不同应用领域中已经取得诸多成果,然而在多智能体任务领域中,往往面临大规模的具有稀疏奖励的非稳态环境,低探索效率问题仍是一大挑战。由于智能规划能够根据任务的初始状态和目标状态快速制定出决策方案,该方案能够作为各智能体的初始策略,并为其探索过程提供有效指导,因此尝试将智能规划与多智能体强化学习进行结合求解,并且提出统一模型UniMP(a Unified model for Multi-agent Reinforcement Learning and AI Planning)。在此基础上,设计并建立相应的问题求解机制。首先,将多智能体强化学习任务转化为智能决策任务;其次,对其执行启发式搜索,以得到一组宏观目标,进而指导强化学习的训练,使得各智能体能够进行更加高效的探索。在多智能体即时战略对抗场景StarCraftⅡ的各地图以及RMAICS战车模拟对战环境下进行实验,结果表明累计奖励值和胜率均有显著提升,从而验证了统一模型的可行性、求解机制的有效性以及所提算法灵活应对强化学习环境突发情况的能力。

人工智能生成内容:可版权性和版权人问题

生成式人工智能属于连接主义,具有不可解释性。版权理论中的可版权性和创意/表达两分法本来适用于自然人作者。自然人从创意到表达有可预测性、在创意与表达之间有确定性、从表达到创意有可解释性。人工智能生成内容是应用生成式人工智能技术得到的结果。对于人工智能生成内容,从人类给出创意到生成式人工智能给出表达的过程无法体现创意/表达两分法的可预测性、确定性、可解释性,即创意/表达两分法在人工智能生成内容情况下并不成立。因此,人工智能生成内容并不具有可版权性;人类就不能成为人工智能生成内容的版权人。行为体的概念是人工智能的核心;人工智能旨在构建智能行为体。在人类不能享有人工智能生成内容的版权的情况下,在将可版权性从自然人创作作品拓展到人工智能生成内容情形之后,人工智能行为体在至少具备行为体弱概念的四项特性的条件下就是所生成内容的潜在的版权人。一旦法律主体延伸到人工智能行为体,人工智能行为体就可以确定为人工智能生成内容的版权人。

基于AI Agent的高校图书推荐架构研究

随着人工智能技术的飞速发展,大语言模型和AI Agent在教育领域的应用逐渐深入。然而,高校的图书推荐系统局限于传统的以“书名”为核心的推荐算法,极大限制了优质图书资源的有效利用。研究旨在设计并实现一个基于AI Agent的图书推荐架构,为高校图书馆提供一个以知识点为颗粒度的图书信息检索和推荐方案,帮助提高图书馆书籍的检索准确性和推荐有效性。

基于多智能体的人机协同解决复杂学习问题实证研究

本研究采用基于大语言模型的多智能体框架,探索学习者在人机协同环境中解决复杂学习问题的路径。通过对比学习者在单智能体和多智能体合作模式下的话语行为,本研究发现在多智能体环境中,学习者能够自发运用多维提问策略,高效解决复杂学习问题。研究结果有助于教育者反思当前使用大语言模型进行单体对话的局限性,也为未来建设大规模人机交互系统提供了实践经验。