除了 OpenAI 之外，它还宣布了开发 AI 代理的新重点。Microsoft推出了一种创新的AI代理基础模型，这被视为迈向通用人工智能（AGI）的重要一步。该模型旨在结合各种类似人类的认知能力和技能，例如决策、感知、记忆、运动技能、语言处理和沟通。该模型的多功能性在不同领域得到了展示，包括机器人、游戏人工智能和医疗保健，展示了其生成上下文相关输出的能力。

先进的Microsoft AI Foundation模型可能是创建通用人工智能（AGI）的重要一步。这种新的人工智能被称为人工智能代理基础模型，旨在复制人类的认知功能，如决策、感知、记忆、语言处理和交流。这对 Microsoft 来说是一项重大发展，旨在创建可以在各种任务和领域运行的人工智能系统，包括机器人、游戏人工智能和医疗保健。

这个新模型的核心是一种训练方法，允许人工智能从不同的领域、数据集和任务中学习。这种灵活性意味着人工智能不局限于一个特定领域，而是足够强大，可以应对各种挑战。该模型结合了复杂的预训练方法，包括图像识别技术、文本理解和生成，以及预测未来事件的能力。

Microsoft AI 代理基础模型

在实际场景中，AI Agent Foundation 模型已在多个领域进行了测试。在机器人技术中，它通过其先进的运动技能和感知能力表现出更像人类的运动。在游戏人工智能领域，它通过增强决策和行动预测，带来了更逼真、更引人入胜的游戏玩法。在医疗保健领域，该模型的高级数据处理和通信能力可能有助于诊断和治疗计划。

“人工智能系统的发展正在从创建静态的、特定于任务的模型过渡到能够在各种应用中表现良好的动态、基于代理的系统。我们提出了一种交互式智能体基础模型，该模型使用一种新颖的多任务智能体训练范式来训练跨各种领域、数据集和任务的人工智能智能体。我们的训练范式统一了多种预训练策略，包括视觉屏蔽自动编码器、语言建模和下一步行动预测，从而实现多功能且适应性强的 AI 框架。

我们展示了我们的框架在三个不同领域（机器人、游戏人工智能和医疗保健）的性能。我们的模型展示了它在每个领域生成有意义且与上下文相关的输出的能力。我们方法的优势在于它的通用性，利用各种数据源，如机器人序列、游戏数据、大规模视频数据集和文本信息，进行有效的多模态和多任务学习。我们的方法为开发通用的、采取行动的、多式联运系统提供了一个有前途的途径。

多模态 AI 代理

该模型的与众不同之处在于它能够从多种模式和任务中学习。它使用来自不同来源的数据，例如机器人序列、游戏数据、视频数据库和文本内容。这种多样化的学习环境提高了模型对世界及其在其中的相互作用的理解。

AI 代理基础模型的可扩展性和适应性也是关键功能。该模型无需依赖多个专门的 AI 系统，而是可以进行微调以执行各种功能。这种方法比为每个特定任务创建单独的模型更有效。训练模型涉及使用合成数据，这些数据可以由 GPT-4 等 AI 模型生成。这种方法不仅高效，而且通过减少对敏感或个人真实世界数据的依赖来解决隐私问题。

AI 代理基础模型最令人兴奋的前景之一是它能够跨不同领域推广学习。这种概括表明，该模型可以将其知识应用于新的和不熟悉的任务，这表明人工智能可以无缝集成到各个行业的未来，从而提高生产力并推动创新。

Microsoft的AI Agent Foundation Model研究代表了AGI探索的重大进展。其创新的训练方法、预训练策略的集成以及对多任务和多模态学习的关注，使其成为人工智能未来在众多领域的多功能和强大工具。