[论文解读] Generative to Agentic AI: Survey, Conceptualization, and Challenges

Johannes Schneider|ArXiv.org|Apr 26, 2025

Artificial Intelligence in Healthcare and Education被引用 4

一句话总结

本论文综述生成式人工智能（GenAI）与具代理性AI（Agentic AI），界定概念、比较能力，并概述向通用人工智能（AGI）演进、推理、交互及挑战的过程。

ABSTRACT

Agentic Artificial Intelligence (AI) builds upon Generative AI (GenAI). It constitutes the next major step in the evolution of AI with much stronger reasoning and interaction capabilities that enable more autonomous behavior to tackle complex tasks. Since the initial release of ChatGPT (3.5), Generative AI has seen widespread adoption, giving users firsthand experience. However, the distinction between Agentic AI and GenAI remains less well understood. To address this gap, our survey is structured in two parts. In the first part, we compare GenAI and Agentic AI using existing literature, discussing their key characteristics, how Agentic AI remedies limitations of GenAI, and the major steps in GenAI's evolution toward Agentic AI. This section is intended for a broad audience, including academics in both social sciences and engineering, as well as industry professionals. It provides the necessary insights to comprehend novel applications that are possible with Agentic AI but not with GenAI. In the second part, we deep dive into novel aspects of Agentic AI, including recent developments and practical concerns such as defining agents. Finally, we discuss several challenges that could serve as a future research agenda, while cautioning against risks that can emerge when exceeding human intelligence.

研究动机与目标

• 定义 GenAI 与 Agentic AI，并澄清它们的差异与相似之处。
• 基于文献比较 GenAI 与 Agentic AI 的能力与局限性。
• 描述从 GenAI 到 Agentic AI 的演化及关键里程碑。
• 分析 Agentic AI 的推理、记忆、工具与交互组件。
• 讨论评估策略与走向 AGI 的研究挑战以及负责任部署。

提出的方法

• 进行结构化的文献综述，对比 GenAI 与 Agentic AI。
• 给出正式定义并给出特征的高级分类（表1）。
• 追溯从 GPT-2/3/ChatGPT 3.5 到具代理性架构与基于 RL 的交互的演化。
• 综合推理模式（CoT、ToT、FoT、GoT）与记忆/工具交互机制。
• 提出 Agentic AI 的评估标准并勾画未来研究议程。

实验结果

研究问题

• RQ1 GenAI 与 Agentic AI 在推理、交互与自主性方面有何差异？
• RQ2 哪些能力使 Agentic AI 能完成多步任务并与环境与工具交互？
• RQ3 应如何定义、规定及评估 Agentic AI（单一与多代理系统）？
• RQ4 在以 Agentic AI 推进向 AGI 的过程中，会出现哪些挑战与风险？
• RQ5 部署 Agentic AI 时的实际与伦理考量有哪些？

主要发现

• Agentic AI 增添了迭代规划、反思以及与环境/工具的交互，超越 GenAI。
• Agentic AI 的推理改进可通过验证与递归减少错误与幻觉。
• 记忆、检索增强与动态资源分配使 AI 工作流更具可扩展性与可控性。
• 在实践中，当领域数据充足或成本因素考虑时，GenAI 在某些领域的表现可能优于 Agentic AI。
• Agentic AI 是迈向 AGI 的重要一步，但仍面临数据、训练、安全性与可解释性等挑战。
• 不同的推理分解（CoT、FoT、GoT）和反思策略能够实现更深层次的问题解决。