Modely a platformy AI
Otevřený zdroj Auto-GPT a BabyAGI integrují rekurzi do aplikací AI
Přidejte Unite.AI mezi své preferované zdroje na Google
Nedávný vývoj kolem Auto-GPT a BabyAGI prokázal působivý potenciál autonomních agentů, což vyvolalo značný zájem ve sféře výzkumu AI a softwarového vývoje. Tyto agenty, založené na velkých jazycových modelech (LLM), jsou schopny provádět složité sekvence úkolů v reakci na uživatelské podněty. Díky využití různých zdrojů, jako je přístup k internetu a místním souborům, dalších API a základních struktur paměti, tyto agenty ukazují rané pokroky v integraci rekurze do aplikací AI.
Co je BabyAGI?
BabyAGI, představený Yoheim Nakajimou prostřednictvím Twitteru 28. března 2023, je zjednodušená iterace původního úkolu řízeného autonomního agenta. Utilizuje schopnosti zpracování přirozeného jazyka (NLP) od OpenAI a Pinecone pro ukládání a načítání výsledků úkolů v kontextu, BabyAGI poskytuje efektivní a uživatelsky přívětivou zkušenost. S koncizními 140 řádky kódu je BabyAGI snadno pochopitelné a rozšiřitelné.
Název BabyAGI je skutečně významný, protože tyto nástroje neustále pohánějí společnost směrem k AI systémům, které, ačkoli dosud nedosáhly Umělé obecné inteligence (AGI), exponenciálně zvyšují svou sílu. Ekosystém AI prochází novými pokroky denně a s budoucími průlomy a potenciálem pro verzi GPT schopnou sama sebe podněcovat k řešení složitých problémů, tyto systémy nyní poskytují uživatelům dojem interakce s AGI.
Co je Auto-GPT?
Auto-GPT je AI agent navržen pro dosažení cílů vyjádřených v přirozeném jazyce rozdělením jich na menší podúkoly a využitím zdrojů, jako je internet a další nástroje v automatizovaném cyklu. Tento agent využívá API GPT-4 nebo GPT-3.5 od OpenAI a vyniká jako jedna z průkopnických aplikací, které využívají GPT-4 pro provádění autonomních úkolů.
Na rozdíl od interaktivních systémů, jako je ChatGPT, které závisí na manuálních instrukcích pro každý úkol, Auto-GPT si sám stanovuje cíle pro dosažení většího cíle, aniž by nutně vyžadoval lidskou intervenci. Schopný generovat odpovědi na podněty pro splnění konkrétního úkolu, Auto-GPT může také vytvářet a modifikovat své vlastní podněty pro rekurzivní instance na základě nově získaných informací.
Co to znamená pro budoucnost
Ačkoli jsou tyto agenty stále ve fázi experimentování a mají některé omezení, jsou připraveny zvýšit produktivitu díky snižujícím se nákladům na hardware a software AI. Podle výzkumu ARK Invest by mohlo softwarové AI potenciálně vygenerovat až 14 bilionů dolarů v tržbách a 90 bilionů dolarů v podnikové hodnotě do roku 2030. Jakmile budou základní modely, jako je GPT-4, dále pokročit, mnoho společností se rozhodne proškolit své vlastní menší, specializované modely. Zatímco základní modely mají širokou škálu aplikací, menší specializované modely nabízejí výhody, jako jsou snížené náklady na inferenci.
<p Navíc, mnoho firem, které se obávají otázek autorských práv a správy dat, si vybírá vývoj vlastních proprietárních modelů pomocí kombinace veřejných a soukromých dat. Značný příklad je 2,7 miliardový parametr LLM vyškolený na PubMed biomedicínských datech, který dosáhl slibných výsledků na testu otázek a odpovědí US Medical Licensing Exam (USMLE). Náklady na školení byly přibližně 38 000 dolarů na platformě MosaicML, s dobou výpočtu 6,25 dnů. Pro srovnání, konečná školicí běh GPT-3 je odhadován na téměř 5 milionů dolarů v počítačovém výkonu.
