1.对于那些最擅长扩大现有 GDP 的智能体而言,要做的工作从定义上来说是已知的。自动化客户支持、处理货运代理合规事务,或审查 GitHub 上的拉取请求,这些都是定义明确、范围有限的问题,智能体可以直接将回复映射到一组预期结果上。在这些领域,缺乏确定性通常是不利的,因为答案是已知的,并不需要创造力。
2.对于那些最适合创造新 GDP 的智能体来说,它们的任务是在高度不确定和未知的问题中探索,以实现长期目标。这里的结果要复杂得多,因为本质上没有可供智能代理映射的预期结果集。比如针对罕见疾病的药物研发、材料科学领域的突破,或者开展全新的物理实验以更好地理解宇宙本质等。在这些领域,缺乏确定性可能会有所帮助,因为缺乏确定性也是一种创造性的体现。
专注于现有 GDP 应用的智能体已经在释放价值。像 Tasker、Lindy 和 Anon 这样的团队,都在构建针对这一机遇的基础设施。然而,随着时间推移,智能代理能力的成熟和治理模式的演进,各团队将把重点转移到构建能够解决人类知识前沿和经济机遇领域问题的智能体上。