Kunsmatige Intelligensie
Oopbron Auto-Gpt en BabyAGI integreer rekursie in KI-toepassings
Onlangse ontwikkelings wat Outo-GPT en BabaAGI het die indrukwekkende potensiaal van outonome agente getoon, wat aansienlike entoesiasme in die KI-navorsings- en sagteware-ontwikkelingsfere opwek. Hierdie agente, gebaseer op groottaalmodelle (LLM's), is in staat om ingewikkelde taakreekse uit te voer in reaksie op gebruikersaanwysings. Deur 'n verskeidenheid hulpbronne soos internet- en plaaslike lêertoegang, ander API's en basiese geheuestrukture te gebruik, toon hierdie agente vroeë vordering met die integrasie van rekursie in KI-toepassings.
Wat is BabyAGI?
BabyAGI, wat op 28 Maart 2023 deur Yohei Nakajima via Twitter bekendgestel is, is 'n vaartbelynde herhaling van die oorspronklike taakgedrewe outonome agent. Deur gebruik te maak van OpenAI se natuurlike taalverwerking (NLP) vermoëns en Pinecone vir die stoor en herwinning van taakresultate in konteks, bied BabyAGI 'n doeltreffende en gebruikersvriendelike ervaring. Met 'n bondige kode van 140 reëls is BabyAGI maklik om te verstaan en uit te brei.
Die naam BabyAGI is inderdaad betekenisvol aangesien hierdie instrumente die samelewing aanhoudend dryf na KI-stelsels wat, alhoewel dit nog nie bereik word nie Kunsmatige Algemene Intelligensie (AGI), neem eksponensieel in krag toe. Die KI-ekosisteem ervaar daagliks nuwe vooruitgang, en met toekomstige deurbrake en die potensiaal vir 'n weergawe van GPT wat homself kan aanspoor om komplekse probleme aan te pak, gee hierdie stelsels gebruikers nou die indruk dat hulle met AGI's omgaan.
Wat is Auto-GPT?
Auto-GPT is 'n KI-agent wat ontwerp is om doelwitte te bereik wat in natuurlike taal uitgedruk word deur dit in kleiner sub-take te verdeel en hulpbronne soos die internet en ander gereedskap in 'n outomatiese lus te gebruik. Hierdie agent gebruik OpenAI se GPT-4 of GPT-3.5 API's en staan uit as een van die baanbrekerstoepassings wat GPT-4 gebruik om outonome take uit te voer.
Anders as interaktiewe stelsels soos ChatGPT, wat afhanklik is van handmatige instruksies vir elke taak, stel Auto-GPT vir homself nuwe doelwitte om 'n groter doelwit te bereik, sonder dat dit noodwendig menslike ingryping vereis. In staat om reaksies te genereer op versoeke om 'n spesifieke taak uit te voer, kan Auto-GPT ook sy eie aanwysings vir rekursiewe gevalle skep en wysig gebaseer op nuutverworwe inligting.
Wat dit beteken om vorentoe te beweeg
Alhoewel dit steeds in die eksperimentele fase is en met sekere beperkings, is agente gereed om produktiwiteitswinste te verhoog, gefasiliteer deur die dalende koste van KI-hardeware en -sagteware. Volgens ARK Invest se navorsing, KI-sagteware kan moontlik tot $14 triljoen in inkomste en $90 triljoen in ondernemingswaarde produseer teen 2030. Soos grondliggende modelle soos GPT-4 voortgaan om te vorder, kies talle maatskappye om hul eie kleiner, gespesialiseerde modelle op te lei. Terwyl grondslagmodelle 'n wye reeks toepassings het, bied kleiner gespesialiseerde modelle voordele soos verminderde afleidingskoste.
Boonop kies baie besighede wat bekommerd is oor kopieregkwessies en databestuur om hul eie modelle te ontwikkel deur 'n mengsel van publieke en private data te gebruik. 'n Noemenswaardige voorbeeld is 'n 2.7 miljard parameter LLM waarop opgelei is PubMed biomediese data, wat belowende resultate op die US Medical Licensing Exam (USMLE) se vraag-en-antwoord-toets behaal het. Die opleiding koste was ongeveer $ 38,000 op die MosaicML platform, met 'n berekeningsduur van 6.25 dae. Daarteenoor word geraam dat die finale oefenlopie van GPT-3 byna $5 miljoen in berekening gekos het.
