ChatGPT 3
- Agent 是任何能通过传感器感知环境、并通过执行器作用于环境的实体
- 以智能的方式响应用户请求、学习用户偏好与行为，并能够与用户进行深度对话
- 本质上是一类具有环境感知、自主决策并执行任务、动态响应环境变化的人工智能系统
- 具有自主性、感知性、目的性、适应性、交互性五维特征。
什么是智能体agent
Midjourney是一个由同名研究实验室开发的人工智能程序 可根据文本生成图像 于2022年7月12日进入公开测试阶段。 用户可透过Discord的机器人指令进行操作。 Midjourney
Seedance 2.0 是字节跳动推出的多模态AI视频生成器 多模态输入——最多上传 9 张图片 + 3 段视频（15秒）+ 3 个音频文件，结合文本提示创作。 Seedance
AI 视频生成的两条技术路径 · 01 / 02 路径一｜Video-to-Video：先有影像，再逐帧重画 真人影像提供动作骨架，AI 按提示词重新着色、更换风格——动画转描（Rotoscoping）的自动化继承。 工作流程 ① 输入素材 真人实拍视频，逐帧拆解 ② 提取控制信号 OpenPose 姿态 / Canny 边缘 / 光流 ③ 按提示词重绘 扩散模型逐帧生成新画面 ④ 输出 风格化动画视频 案例：一条延续百年的”描”的路线 1915–1930s 转描机 Fleischer 发明，迪士尼《白雪公主》沿用：胶片逐帧投影，动画师照描 2006《黑暗扫描仪》 整部电影先实拍、再数字化转描，真人表演与动画风格叠加 2023– ControlNet 姿态控制 OpenPose 骨架取代人工描线，引导 AI 按真人动作生成画面 代表工具 Runway Vid2Vid · AnimateDiff + ControlNet · EbSynth 特点 动作稳定、控制力强；但依赖现成影像，本质是对已有素材的再加工
AI 视频生成的两条技术路径 · 02 / 02 路径二｜文生 / 图生视频：从噪声中逐步去噪出画面 不依赖任何实拍素材：模型从随机噪声出发，按文本描述或起始图，一步步”雕刻”出时序连贯的影像。 工作流程（扩散模型 + DiT） ① 条件输入 文本提示词 / 起始图、首尾帧 ② 压缩至潜空间 VAE 降维，算力消耗大幅下降 ③ DiT 逐步去噪 时空注意力保证帧间一致 ④ 解码输出 还原为像素视频 去噪过程示意：噪声 → 轮廓浮现 → 成片 同一过程重复数十步：每一步，模型都在猜测”下一层更清晰的画面该长什么样”，文本条件全程参与引导。 实例：Sora 文生视频画面（OpenAI，2024） 代表模型 Sora · 可灵 · Vidu · Runway Gen-3 特点 无中生有、创意自由；瓶颈在物理一致性、时长与可控性
AI is one of the most powerful forces shaping the world today. It is not a clever app or a single model; it is essential infrastuturcre, like electricity and the internet.
黄仁勋-AI产业的五层建构
1 能源 基础层——实时生成的智能需要实时产生的电力 2 芯片 运算层——负责将能源大规模且高效地转化为计算力 3
- （智能）制造层——包括土地、电力输送、冷却系统、建筑施工、网络，以及将成千上万个处理器协同运作组成一台机器的系统
- AI 工厂需要电工、水管工、管道装配工、钢铁工人、网络技术人员、安装工以及操作员。这些都是高技能、高薪酬的岗位，且目前供不应求。不需要拥有计算机科学博士学位，也能参与到这场变革之中。 基础设施
黄仁勋-AI工业的五层建构
4 模型
- 信息层——AI 模型能够理解多种类型的信息：语言、生物学、化学、物理学、金融、医学以及物理世界本身。语言模型仅仅是其中的一个类别。目前一些最具颠覆性的工作正发生在蛋白质 AI、化学 AI、物理模拟、机器人技术以及自主系统领域。
- 在过去的一年（2025）里，AI 跨过了一个重要的分水岭。模型变得足够优秀，能够在宏观规模上发挥实用价值。推理能力提升了，幻觉减少了，事实依据的准确性（Grounding）有了显著提高。这是有史以来第一次，基于 AI 构建的应用开始产生真正的经济价值。
- 开源模型发挥着至关重要的作用。DeepSeek-R1加速了应用层的落地，同时也增加了对其底层的训练、基础设施、芯片和能源的需求。 5 价值层——创造经济价值的地方。药物发现平台、工业机器人、法律助手、自动驾驶汽车均属此类。自动驾驶汽车是具身于机器中的 AI 应用；人形机器人则是具身于躯体中的 AI 应用。 应用
- 指人工智能系统的整体设计和组件安排,包括感知、推理、学习和行动等核心模块。它是人工智能系统的蓝图，规定了各个组件的功能和相互关系。由数据层、机器学习框架和算法层、模型层和应用层等多个层次组成。
- 数据层负责准备训练数据,
- 机器学习层提供构建和训练模型的功能,
- 模型层实现决策能力,
- 应用层则允许用户与系统交互。
- 人工智能架构的设计需要考虑数据治理、计算资源需求、基础设施等挑战,以确保系统的高效运行。人工智能架构是实现人工智能系统的关键基础。
什么是人工智能架构
“普及率”指过去半年内，我国整体人口中使用过生成式人工智能产品或服务的比例
- 2017年国务院印发《新一代人工智能发展规划》，提出在中小学阶段设置人工智能相关课程。
- 2022年，教育部印发《义务教育信息科技课程标准》，明确提出将人工智能作为课程内容。
- 2024年，教育部公布了184个中小学人工智能教育基地名单，旨在通过基地试点，进一步探索人工智能教育的新理念、新模式和新方案，形成可推广的优秀案例和先进经验，推动中小学人工智能教育深入开展。
- 2025年5月，教育部发布《中小学人工智能通识教育指南（2025 年版）》，通过知识、技能、思维与价值观的有机融合，形成四位一体的人工智能素养，培育科技创新思维、批判性思维、人机协作能力、人工智能素养及社会责任意识。
为深入实施“人工智能+”行动，生产力革命性跃迁和生产关系推动人工智能与经济社会各行业各领域广泛深度融合，重塑人类生产生活范式，促进深层次变革，加快形成人机协同、跨界融合、共创分享的智能经济和智能社会新形态，现提出如下意见。
理想社会VS赛博朋克
科技高度发展，人性极度挤压。贫富悬殊、企业强大、政府几乎可悲地无能为力 高科技、高生活 科技酷炫，但世界不是由超级资本堆砌出得垃圾般的科幻未来 高科技、低生活
COMPAS (Correctional Offender Management Profiling for Alternative Sanctions) recidivism risk scale Performance evaluation
- Same accuracy on white and black
- But different types of mistake
- Blacks are almost twice likely than a white defendant to be classified to be high risk and then not reoffended
AI偏见-犯罪预测
If an algorithm is equally reliable for two groups, and one group is more likely to reoffend than another, then it is impossible for the false positive rates to be the same for both groups. 如果一个算法对两组人群的可靠性相同，而其中一组人群比另一组人群更容易再次犯罪，那么两组的误报率不可能相同。（这是数学的必然，不是算法的偏见）
一位高考生的哥哥梁某在AI平台查询高校信息，模型生成了关于某高校是主校区的错误事实。当梁某提出质疑时，AI模型坚持错误资讯，更做出“若有错误愿赔偿10万元”的承诺。 杭州互联网法院一级法官 肖芄：AI生成的内容不准确有很多原因，其中最根本的原因是AI模型在训练的过程中，教会了它预测概率，而不是教会它理解事实。因此，生成内容不准确，在当前的技术情况下具有不可避免性。但也不代表服务提供者就可以免责。如果服务提供者尽到了法律规定的注意义务、社会交往过程中的注意义务、合同约定的注意义务后，生成的信息仍然不准确，通常还是不能认定服务提供者存在过错。 梁某认为其受AI生成讯息误导，致错失报考机会，额外产生信息核实、维权成本等损害，在杭州互联网法院对平台开发运营商诉请损害赔偿，要求赔偿9999元。 2026年1月杭州互联网法院-中国大陆AI幻觉侵权案首例判决 https://app.xinhuanet.com/news/article.html?articleId=d5657f131d1fbe688d93d21d0bcf4bc0 AI幻觉
基本案情：原告为奥特曼国内权利人。被告为Tab（化名）平台运营方，提供具有AI对话及AI生成绘画功能的服务。用户购买会员后将获赠一定额度的“算力”，该“算力”可用于AI绘画等，每次使用AI绘画消耗一定“算力”。“算力”消耗完毕，用户需另行充值。 原告输入“奥特曼”相关提示词后，平台生产与原告作品相似的奥特曼作品，并根据原告进一步输入的提示词以“奥特曼”为原型进行修改。原告起诉被告侵犯复制权、改编权和信息网络传播权。 法院判决：广州互联网法院认为，被告未经许可，复制、改编了案涉奥特曼作品，侵犯了原告对案涉奥特曼作品的复制权和改编权。对原告关于另行侵犯信息网络传播权的主张，考虑到本案是生成式人工智能发展背景下生成物侵权的新情况，且本院已支持了其复制权、改编权侵权的主张，在同一被诉侵权行为已经纳入复制权、改编权控制范畴的情况下，本院不再进行重复评价。据此，法院判决平台停止侵权，并赔偿损失人民币1万元。 奥特曼AI第一案（案号：(2024)粤0192民初113号） http://ahsbqj.anhuinews.com/bq/202402/t20240227_7410093.html AI侵权-版权保护
AI与失业
AI agent安全风险 AI LLM（ChatGPT 的普通对话模式） 做的事情很简单：你问问题，它查资料， 告诉你答案；它只能「读」数据， 不能「改」数据。 AI Agent 不一样，它能帮你执行操作：
- 查询数据库并修改记录
- 调用 API 发送邮件
- 执行代码脚本
- 读写文件
- 与其他 Agent 协作
