AI 主體是由人工智慧提供支援的電腦程式，可以代表人類使用者自主執行複雜的任務。
閱讀本文後，您將能夠：
複製文章連結
AI 主體是由人工智慧 (AI) 提供支援的電腦程式，即使沒有明確的指令，也可以自主執行任務以協助人類使用者。與聊天機器人等其他 AI 驅動的軟體不同，AI 主體能夠在特定提示語境之外自主運作。它們可以突破訓練資料的限制，「主動探索周圍環境」以搜集資訊。然後，它們能基於所獲取的資訊自主採取行動，以實現更宏大的目標。
AI 主體能夠自主進行決策，從過往經驗中學習，並據此調整行動。它們甚至能與其他 AI 主體協作，以取得相關資訊。雖然人類會為 AI 主體設定目標，但如何實現這些目標則完全由該主體自行規劃與執行。AI 主體可獨立運作，或在極少人類輸入的情況下完成任務。
AI 主體既能驅動硬體設備（如機器人系統），也能僅以純軟體形式運作。
AI 主體即為上面所描述的軟體程式：它們能自主進行決策並處理任務。自主式 AI 則是專注於開發 AI 主體的 AI 技術領域。（可將其類比為「生成式 AI」與個別大型語言模型（如 Microsoft Copilot）之間的差異，或是「烹飪」這一行為與某道特定餐點之間的差別。）
生成式 AI (GenAI) 是一種深度學習模型，可以根據提示產生內容。這是像 ChatGPT 這樣的 LLM 所屬的 AI 類別。自主式 AI 建立在 GenAI 之上。不同之處是，LLM 只能透過特定的使用者介面或 API 回應提示，而 AI 主體可以超出定義的上下文並在沒有提示的情況下執行動作。
大型企業的銷售主管可能會對大型語言模型 (LLM) 輸入提示：「撰寫一封電子郵件，寄給我們十大重要客戶，邀請他們參加晚宴。」然而，若使用自主式 AI，主管只需對 AI 主體下達指令：「邀請我們十大重要客戶參加晚宴。」換句話說，LLM 僅能生成文字內容，而 AI 主體則應能夠：自動產生邀請函文字；從 CRM 中篩選出十大重要客戶；向這些客戶傳送個人化的活動邀請郵件（前提是該主體獲得足夠的系統操作權限）。
AI 主體基於 LLM 建置。LLM 是一種 AI 模型，經過大量樣本資料集的訓練，使其能夠理解人類建立的內容並產生自己的內容。LLM 甚至可以理解不精確的人類提示和請求。
由於 AI 主體基於 LLM 建置，因此可以處理和解譯各種資料和內容，從使用者的對話請求到 Web 託管的影片內容等等，不一而足。AI 主體可以解釋多種媒體類型的內容：程式碼、文字、音訊、影片等。然後，它們可以使用從該內容中學到的知識來改進其動作。
此外，AI 主體具備與外界互動的能力。在機器人領域，這可能包括實體感應器與攝影機等裝置。而對於純軟體型態的 AI 主體而言，其互動方式則呈現多樣化形式：
這些超越 AI 主體自身環境界限的互動方式，使 AI 主體得以採取實際行動。組織可以為 AI 主體設立安全防護機制，確保其執行的動作符合規範——正如人類使用者在 IT 環境中僅擁有限制的操作權限一般。除了將政策程式設計到 AI 主體中，組織還可採用「人機協作」模式：由人類驗證 AI 主體回應的準確性，或核准其擬執行的具體行動。
AI 主體也可以學習，使用過去動作的結果和人類使用者的輸入來改進其未來的動作。它們具備「記憶能力」，不僅僅是 RAM 的計算意義，還有記住過去的互動和結果這一層面。這種學習透過稱為資料飛輪的回饋迴圈進行：底層模型使用主體互動的記錄來改善未來的效能。
AI 主體主要有兩種類型：
還有單一主體和多主體系統。單一主體 AI 系統僅基於一個模型建置。多主體 AI 系統結合了多個主體的功能，這些主體相互諮詢來解決問題。
與傳統聊天機器人一樣，自主式 AI 聊天機器人能夠與人們進行對話互動。但是，自主式 AI 聊天機器人可以脫離其聊天機器人上下文（離開聊天），代表與之互動的人採取動作。傳統的聊天機器人或許能夠提供有關提交支援工單的說明，而自主式 AI 聊天機器人將能夠自行提交工單。
非自主式 AI 聊天機器人是反應式的，會根據其訓練資料回應使用者的提示。它們可能仍由 LLM 提供支援，但它們更擅長為使用者提供有用的內容或指示，而不是代表使用者執行動作。自主式 AI 聊天機器人能夠在與使用者互動範圍之外採取動作，也可以從訓練資料之外的一系列來源中學習。
Cloudflare 開發人員平台提供建置和部署 AI 支援的主體所需的所有工具，這些工具可以：
此外，可以人員可以利用 Cloudflare 的全球網路建置 AI 主體，其程式碼在靠近終端使用者的全球任何地方執行。瞭解如何開始在 Cloudflare 上建置 AI 主體。