Jenseits von ChatGPT: AI-Agent – Eine neue Welt der Arbeitskräfte

Mit den Fortschritten in Deep Learning, Natural Language Processing (NLP) und KI befinden wir uns in einer Zeit, in der KI-Agenten einen wesentlichen Teil der globalen Arbeitskräfte ausmachen könnten. Diese KI-Agenten, die über Chatbots und Sprachassistenten hinausgehen, prägen ein neues Paradigma für Branchen und unser tägliches Leben. Aber was bedeutet es wirklich, in einer Welt zu leben, die durch diese “Arbeitskräfte” ergänzt wird? Dieser Artikel taucht tief in diese sich entwickelnde Landschaft ein, bewertet die Auswirkungen, das Potenzial und die Herausforderungen, die vor uns liegen.

Kurze Zusammenfassung: Die Evolution der KI-Arbeitskräfte

Bevor wir die bevorstehende Revolution verstehen, ist es wichtig, die KI-getriebene Evolution zu erkennen, die bereits stattgefunden hat.

• Traditionelle Computersysteme: Von grundlegenden Computeralgorithmen begann die Reise. Diese Systeme konnten vordefinierte Aufgaben mit einer festen Menge an Regeln lösen.
• Chatbots und frühe Sprachassistenten: Als die Technologie fortschritt, entwickelten sich auch unsere Schnittstellen. Tools wie Siri, Cortana und frühe Chatbots vereinfachten die Benutzer-KI-Interaktion, hatten jedoch begrenzte Verständnis- und Funktionsfähigkeit.
• Neuronale Netze und Deep Learning: Neuronale Netze markierten einen Wendepunkt, indem sie die Funktionen des menschlichen Gehirns nachahmten und durch Erfahrung evolvierten. Deep-Learning-Techniken verbesserten dies weiter, ermöglichten fortgeschrittene Bild- und Spracherkennung.
• Transformer und fortschrittliche NLP-Modelle: Die Einführung von Transformer-Architekturen revolutionierte das NLP-Landschaft. Systeme wie ChatGPT von OpenAI, BERT und T5 ermöglichten Durchbrüche in der menschlichen KI-Kommunikation. Mit ihrem tiefen Verständnis von Sprache und Kontext können diese Modelle sinnvolle Gespräche führen, Inhalte erstellen und komplexe Fragen mit unvergleichlicher Genauigkeit beantworten.

Der Einstieg in den KI-Agenten: Mehr als nur eine Konversation

Die heutige KI-Landschaft deutet auf etwas aus, das über Konversationswerkzeuge hinausgeht. KI-Agenten können nun Aufgaben ausführen, aus ihrer Umgebung lernen, Entscheidungen treffen und sogar Kreativität zeigen. Sie beantworten nicht nur Fragen, sondern lösen Probleme.

Traditionelle Softwaremodelle funktionierten auf einem klaren Weg. Stakeholder äußerten ein Ziel an Software-Manager, die dann einen spezifischen Plan entwarfen. Ingenieure würden diesen Plan durch Codezeilen ausführen. Dieses “Legacy-Paradigma” der Software-Funktionalität war klar definiert und beinhaltete eine Vielzahl von menschlichen Eingriffen.

KI-Agenten hingegen funktionieren anders. Ein Agent:

1. Hat Ziele, die er erreichen will.
2. Kann interagieren mit seiner Umgebung.
3. Entwickelt einen Plan basierend auf diesen Beobachtungen, um sein Ziel zu erreichen.
4. Nimmt notwendige Aktionen, passt seinen Ansatz basierend auf dem sich ändernden Zustand der Umgebung an.

Was KI-Agenten von traditionellen Modellen unterscheidet, ist ihre Fähigkeit, autonom einen Schritt-für-Schritt-Plan zu erstellen, um ein Ziel zu erreichen. Im Wesentlichen lieferten früher der Programmierer den Plan, heute erstellen KI-Agenten ihren eigenen Kurs.

Betrachten wir ein alltägliches Beispiel. In traditioneller Software-Entwicklung würde ein Programm Benutzer über überfällige Aufgaben basierend auf vordefinierten Bedingungen benachrichtigen. Die Entwickler würden diese Bedingungen basierend auf Spezifikationen des Produktmanagers festlegen.

Im KI-Agenten-Paradigma bestimmt der Agent selbst, wann und wie er den Benutzer benachrichtigt. Er beurteilt die Umgebung (Benutzergewohnheiten, Anwendungsstatus) und entscheidet den besten Vorgehensweg. Der Prozess wird damit dynamischer, mehr im Moment.

ChatGPT markierte einen Abschied von seiner traditionellen Verwendung mit der Integration von Plug-ins, wodurch es in der Lage war, externe Tools zu nutzen, um mehrere Anfragen auszuführen. Es wurde zu einer frühen Manifestation des Agenten-Konzepts. Wenn wir ein einfaches Beispiel betrachten: Ein Benutzer, der nach dem Wetter in New York City fragt, könnte ChatGPT, unter Nutzung von Plug-ins, mit einer externen Wetter-API interagieren, die Daten interpretieren und sogar basierend auf den erhaltenen Antworten korrigieren.

Aktuelle Landschaft von KI-Agenten

KI-Agenten, einschließlich Auto-GPT, AgentGPT und BabyAGI, kündigen eine neue Ära im umfassenden KI-Universum an. Während ChatGPT die generative KI popularisierte, indem es menschliche Eingabe erforderte, zielt die Vision hinter KI-Agenten darauf ab, KIs zu ermöglichen, unabhängig zu funktionieren, auf Ziele zuzusteuern, mit wenig bis keiner menschlicher Einmischung. Dieses transformative Potenzial wurde durch den meteorischen Aufstieg von Auto-GPT unterstrichen, der innerhalb von sechs Wochen nach seiner Einführung über 107.000 Sterne auf GitHub erhielt, ein unvergleichliches Wachstum im Vergleich zu etablierten Projekten wie dem Datenwissenschaftspaket “pandas”.

KI-Agenten vs. ChatGPT

Viele fortschrittliche KI-Agenten, wie Auto-GPT und BabyAGI, nutzen die GPT-Architektur. Ihr primäres Ziel ist es, den Bedarf an menschlicher Intervention bei der KI-Aufgabenerfüllung zu minimieren. Beschreibende Begriffe wie “GPT in einer Schleife” charakterisieren den Betrieb von Modellen wie AgentGPT und BabyAGI. Sie operieren in iterativen Zyklen, um Benutzeranfragen besser zu verstehen und ihre Ausgaben zu verfeinern. Währenddessen erweitert Auto-GPT die Grenzen weiter, indem es Internetzugang und Code-Ausführungsfähigkeiten integriert, was seinen Problemlösungsbereich erheblich erweitert.

Neuerungen in KI-Agenten

1. Langzeitgedächtnis: Traditionelle LLMs haben ein begrenztes Gedächtnis, das nur die jüngsten Segmente von Interaktionen speichert. Für umfassende Aufgaben wird es wichtig, die gesamte Konversation oder sogar frühere Konversationen abzurufen. Um diese Einschränkung zu überwinden, haben KI-Agenten Arbeitsabläufe übernommen, die textuelle Konversationen in numerische Arrays umwandeln, was eine Lösung für die Gedächtniseinschränkungen bietet.
2. Web-Browsing-Fähigkeiten: Um auf dem neuesten Stand zu bleiben, hat Auto-GPT die Fähigkeit zum Web-Browsing erhalten, unter Nutzung der Google-Such-API. Dies hat Debatten innerhalb der KI-Gemeinschaft über den Umfang des Wissens einer KI ausgelöst.
3. Code-Ausführung: Jenseits der Code-Generierung kann Auto-GPT sowohl Shell- als auch Python-Code ausführen. Diese beispiellose Fähigkeit ermöglicht es ihm, mit anderen Software-Tools zu interagieren, wodurch sein Betriebsbereich erweitert wird.

Das Diagramm visualisiert die Architektur eines KI-Systems, das von einem Large Language Model und Agenten angetrieben wird.

• Eingaben: Das System erhält Daten aus verschiedenen Quellen: direkte Benutzerbefehle, strukturierte Datenbanken, Web-Inhalte und Echtzeit-Umweltsensoren.
• LLM & Agenten: Im Kern verarbeitet das LLM diese Eingaben, zusammen mit spezialisierten Agenten wie Auto-GPT für Gedankenketten, AgentGPT für web-spezifische Aufgaben, BabyAGI für aufgabenorientierte Aktionen und HuggingGPT für teambasierte Verarbeitung.
• Ausgaben: Sobald die Informationen verarbeitet sind, werden sie in ein benutzerfreundliches Format umgewandelt und dann an Geräte gesendet, die auf die äußere Umgebung einwirken können.
• Gedächtniskomponenten: Das System speichert Informationen, sowohl vorübergehend als auch dauerhaft, durch kurzfristige Zwischenspeicher und langfristige Datenbanken.
• Umgebung: Dies ist die äußere Umgebung, die von den Sensoren beeinflusst wird und von den Aktionen des Systems betroffen ist.

Fortgeschrittene KI-Agenten: Auto-GPT, BabyAGI und mehr

AutoGPT und AgentGPT

AutoGPT, ein Meisterwerk, das im März 2023 auf GitHub veröffentlicht wurde, ist eine geniale Python-basierte Anwendung, die die Kraft von GPT, OpenAIs transformierendem generativem Modell, nutzt. Was Auto-GPT von seinen Vorgängern unterscheidet, ist seine Autonomie – es ist dazu konzipiert, Aufgaben mit minimaler menschlicher Anleitung auszuführen und hat die einzigartige Fähigkeit, selbst initiierte Anfragen zu erstellen. Benutzer müssen lediglich ein übergeordnetes Ziel definieren, und Auto-GPT erstellt die erforderlichen Anfragen, um dieses Ziel zu erreichen, was es zu einem potenziell revolutionären Schritt in Richtung wahre künstliche allgemeine Intelligenz (AGI) macht.

Mit Funktionen, die von Internet-Konnektivität, Gedächtnisverwaltung und Dateispeicherfunktionen unter Nutzung von GPT-3.5 reichen, ist dieses Tool in der Lage, eine breite Palette von Aufgaben zu bewältigen, von herkömmlichen Aufgaben wie der Erstellung von E-Mails bis hin zu komplexen Aufgaben, die normalerweise viel mehr menschliche Beteiligung erfordern.

Andererseits ist AgentGPT, ebenfalls auf dem GPT-Rahmenwerk basierend, eine benutzerzentrierte Schnittstelle, die keine umfassenden Codierkenntnisse erfordert, um sie zu verwenden. AgentGPT ermöglicht es Benutzern, KI-Ziele zu definieren, die es dann in handhabbare Aufgaben zerlegt.

AgentGPT-Benutzeroberfläche

Darüber hinaus zeichnet sich AgentGPT durch seine Vielseitigkeit aus. Es ist nicht nur auf die Erstellung von Chatbots beschränkt. Die Plattform erweitert ihre Fähigkeiten auf die Erstellung verschiedener Anwendungen wie Discord-Bots und integriert sich sogar nahtlos mit Auto-GPT. Dieser Ansatz stellt sicher, dass auch diejenigen, die nicht über umfassende Codierkenntnisse verfügen, Aufgaben wie vollständig autonome Codierung, Textgenerierung, Sprachübersetzung und Problemlösung ausführen können.

LangChain ist ein Rahmenwerk, das Large Language Models (LLMs) mit verschiedenen Tools verbindet und Agenten nutzt, oft als “Bots” wahrgenommen, um spezifische Aufgaben zu bestimmen und auszuführen, indem sie das geeignete Tool wählen. Diese Agenten integrieren sich nahtlos mit externen Ressourcen, während eine Vektordatenbank in LangChain unstrukturierte Daten speichert, was eine schnelle Informationsabruf für LLMs ermöglicht.

BabyAGI

Dann gibt es BabyAGI, einen vereinfachten, aber leistungsstarken Agenten. Um BabyAGIs Fähigkeiten zu verstehen, stellen Sie sich einen digitalen Projektmanager vor, der Aufgaben autonom erstellt, organisiert und ausführt, mit einem scharfen Fokus auf gegebene Ziele. Während die meisten KI-getriebenen Plattformen durch ihre vorab trainierten Kenntnisse begrenzt sind, zeichnet sich BabyAGI durch seine Fähigkeit aus, sich an Erfahrungen anzupassen und zu lernen. Es verfügt über die bemerkenswerte Fähigkeit, Feedback zu erkennen und, ähnlich wie Menschen, Entscheidungen auf der Grundlage von Versuch und Irrtum zu treffen.

Das zugrunde liegende Wesen von BabyAGI ist nicht nur seine Anpassungsfähigkeit, sondern auch seine Fähigkeit, Code für spezifische Ziele auszuführen. Es glänzt in komplexen Bereichen wie Kryptowährungs-Handel, Robotik und autonomem Fahren, was es zu einem vielseitigen Werkzeug in einer Vielzahl von Anwendungen macht.

https://yoheinakajima.com/task-driven-autonomous-agent-utilizing-gpt-4-pinecone-and-langchain-for-diverse-applications/

Der Prozess kann in drei Agenten unterteilt werden:

1. Ausführungs-Agent: Das Herzstück des Systems, dieser Agent nutzt OpenAIs API für die Aufgabenverarbeitung. Gegeben ein Ziel und eine Aufgabe, sendet er OpenAIs API eine Anfrage und erhält die Aufgaben-Ergebnisse.
2. Aufgaben-Erstellungs-Agent: Diese Funktion erstellt neue Aufgaben basierend auf früheren Ergebnissen und aktuellen Zielen. Eine Anfrage wird an OpenAIs API gesendet, die dann potenzielle Aufgaben zurückgibt, organisiert als Liste von Wörterbüchern.
3. Aufgaben-Priorisierungs-Agent: Die letzte Phase umfasst die Sequenzierung der Aufgaben basierend auf Priorität. Dieser Agent nutzt OpenAIs API, um die Aufgaben neu zu ordnen, um sicherzustellen, dass die wichtigsten Aufgaben zuerst ausgeführt werden.

In Zusammenarbeit mit OpenAIs Sprachmodell nutzt BabyAGI die Fähigkeiten von Pinecone für die kontextorientierte Aufgaben-Ergebnisspeicherung und -abruf.

Unten finden Sie eine Demonstration von BabyAGI mit diesem Link.

Um zu beginnen, benötigen Sie einen gültigen OpenAPI-Schlüssel. Für den Zugriff auf die UI gibt es einen Einstellungsabschnitt, in dem der OpenAPI-Schlüssel eingegeben werden kann. Wenn Sie außerdem die Kosten verwalten möchten, sollten Sie sich daran erinnern, eine Grenze für die Anzahl der Iterationen zu setzen.

Sobald ich die Anwendung konfiguriert hatte, führte ich ein kleines Experiment durch. Ich stellte BabyAGI eine Anfrage: “Erstelle einen kurzen Tweet-Thread, der sich auf die Reise der persönlichen Entwicklung konzentriert, wichtige Meilensteine, Herausforderungen und die transformative Kraft des kontinuierlichen Lernens berührt.”

BabyAGI antwortete mit einem gut durchdachten Plan. Es war nicht nur ein generischer Vorlage, sondern ein umfassender Fahrplan, der darauf hindeutete, dass die zugrunde liegende KI tatsächlich die Nuancen der Anfrage verstanden hatte.

Deepnote AI Copilot

Deepnote AI Copilot verändert die Dynamik der Datenexploration in Notebooks. Aber was unterscheidet es?

In seinem Kern zielt Deepnote AI darauf ab, den Arbeitsablauf von Datenwissenschaftlern zu ergänzen. Sobald Sie eine grundlegende Anweisung geben, springt die KI in Aktion, entwickelt Strategien, führt SQL-Abfragen aus, visualisiert Daten mit Python und präsentiert ihre Ergebnisse in einer artikulierten Weise.

Eine der Stärken von Deepnote AI ist sein umfassendes Verständnis Ihres Arbeitsbereichs. Durch das Verständnis von Integrations-Schemas und Dateisystemen passt es seine Ausführungspläne perfekt an den organisatorischen Kontext an, um sicherzustellen, dass seine Erkenntnisse immer relevant sind.

Die Integration von Deepnote AI mit Notebook-Medien schafft eine einzigartige Rückkopplungsschleife. Es bewertet aktiv Code-Ausgaben, was es zu einem Meister der Selbstkorrektur macht und sicherstellt, dass die Ergebnisse konsistent mit den festgelegten Zielen sind.

Deepnote AI zeichnet sich durch transparente Operationen aus, indem es klare Einblicke in seine Prozesse bietet. Die Verbindung von Code und Ausgaben stellt sicher, dass seine Handlungen immer verantwortlich und reproduzierbar sind.

CAMEL

CAMEL ist ein Rahmenwerk, das darauf abzielt, die Zusammenarbeit zwischen KI-Agenten zu fördern, um eine effiziente Aufgabenerfüllung mit minimaler menschlicher Aufsicht zu ermöglichen.

https://github.com/camel-ai/camel

Es teilt seine Operationen in zwei Hauptagenten-Typen auf:

• Der KI-Benutzer-Agent legt Anweisungen fest.
• Der KI-Assistent-Agent führt Aufgaben basierend auf den bereitgestellten Anweisungen aus.

Eines von CAMELS Zielen ist es, die Komplexität von KI-Gedankenprozessen zu entschlüsseln, um die Synergien zwischen mehreren Agenten zu optimieren. Mit Funktionen wie Rollenspiel und Prompting stellt es sicher, dass KI-Aufgaben nahtlos mit menschlichen Zielen übereinstimmen.

Westworld-Simulation: Leben in die KI

Abgeleitet von Inspirationen wie Unity-Software und in Python adaptiert, ist die Westworld-Simulation ein Sprung in die Simulation und Optimierung von Umgebungen, in denen mehrere KI-Agenten interagieren, fast wie eine digitale Gesellschaft.

Generative Agenten

Diese Agenten sind nicht nur digitale Entitäten. Sie simulieren glaubwürdige menschliche Verhaltensweisen, von täglichen Routinen bis hin zu komplexen sozialen Interaktionen. Ihre Architektur erweitert ein Large Language Model, um Erfahrungen zu speichern, über sie nachzudenken und sie für dynamische Verhaltensplanung zu nutzen.

Westworlds interaktive Sandbox-Umgebung, die an The Sims erinnert, bringt ein Dorf zum Leben, das von generativen Agenten bewohnt wird. Hier können Benutzer interagieren, beobachten und diese Agenten durch ihren Tag führen, emergente Verhaltensweisen und komplexe soziale Dynamiken beobachtend.

Die Westworld-Simulation verkörpert die harmonische Verschmelzung von Rechenleistung und menschlichen Feinheiten. Durch die Kombination von Large Language Models mit dynamischen Agenten-Simulationen bahnt sie den Weg zur Schaffung von KI-Erlebnissen, die von der Realität kaum zu unterscheiden sind.

Schlussfolgerung