智能体发展史¶

智能体发展史 | Hello-Agent

发展时间线¶

符号主义 / 规则系统（约 1960s–1980s）¶

• 核心思想：智能 ≈ 符号表示 + 逻辑推理（用显式规则操控符号）。

• 代表：

  • SHRDLU：在“积木世界”里能理解指令、执行动作、回答问题（强封闭环境有效）。

  • MYCIN（专家系统）：把专家经验编码成 IF-THEN 规则，在特定领域达到很强表现。

  • ELIZA（早期聊天机器人）：关键词匹配 + 句式替换，营造“被理解”的错觉（ELIZA 效应）。

• 根本瓶颈：

  • 知识获取瓶颈：知识要靠人一条条写，难规模化。

  • 框架问题 / 脆弱性：开放世界状态变化复杂，规则系统对分布外输入很容易失效。

  • 常识缺失：大量隐性常识难以形式化。

心智社会（1986，思想转折）¶

• 提出者：Marvin Minsky

• 核心观点：智能不是一个“全能中央控制器”，而是许多简单过程（小智能体/模块）协作的涌现。

• 影响：启发后来的多智能体系统（MAS）与“模块化协作”的工程设计；同时也提醒我们：复杂行为可以来自简单组件的组织方式，而不一定来自单体模型的完美推理。

学习范式崛起与融合（约 2010s–至今）¶

• 联结主义 / 深度学习：让模型从数据中学习表示，显著提升感知（视觉/语音/文本）能力。

• 强化学习（RL）：通过试错学习策略，擅长序贯决策（如 AlphaGo）。

• 预训练-微调（Foundation Model / LLM）：

• 用海量数据预训练，让模型“隐式”获得通用知识与能力，极大缓解“知识获取瓶颈”。

• 伴随出现：上下文学习、一定程度的分步推理等“涌现能力”（同时也带来幻觉、偏差与安全问题）。

关键概念¶

物理符号系统假说（PSSH）¶

• 要点：

  • 充分性论断：物理符号系统具备产生通用智能行为的充分手段。

  • 必要性论断：能展现通用智能的系统本质上必然是物理符号系统。

• 与现代 LLM 的关系（开放问题）：

• 支持视角：token/文本可视作符号，模型在“物理系统”上对其进行操作并表现智能。

• 质疑视角：LLM 的知识多为隐式、分布式、连续表征，不是显式规则推理；其“推理”更像概率生成与模式组合，挑战了经典符号主义的必要性/充分性边界。

ELIZA 效应¶

人类很容易把“表面上像理解”的语言行为当作“真正理解”。这对今天评估大模型/智能体也很重要：流畅 ≠ 可靠，像人 ≠ 懂你。

现代 LLM 驱动智能体（工作闭环）¶

一种常见抽象是 感知 → 思考/规划 → 行动（工具调用）→ 观察 → 迭代：

• 感知：接收用户目标、环境状态、外部数据（文本/表格/网页/传感器等）

• 思考/规划：把目标分解成子任务，决定要不要查证、要不要调用工具、先做哪一步

• 行动/工具调用：检索、计算、写代码、操作系统/应用、调用 API

• 观察与修正：根据执行结果更新计划，直到完成或触发失败处理

部分问题¶