Avoin lähdekoodi Auto-GPT & BabyAGI integroivat rekursion AI-sovelluksiin

Viimeaikaiset kehityssuunnat, jotka liittyvät Auto-GPT:iin ja BabyAGI:in, ovat osoittaneet autonomisten agenttien vaikuttavan potentiaalia, ja ne ovat herättäneet merkittävää innostusta sekä tekoälytutkimuksessa että ohjelmistokehityksessä. Nämä agentit, jotka perustuvat suuriin kielen mallinnusmalliin (LLM), pystyvät suorittamaan monimutkaisia tehtäväsarjoja vastauksena käyttäjän ohjelmointiin. Käyttämällä erilaisia resursseja, kuten internetiä ja paikallisia tiedostoja, muita API:ja ja perusmuistirakenteita, nämä agentit näyttävät varhaisia edistysaskelia rekursion integroimisessa tekoälysovelluksiin.

Mikä on BabyAGI?

BabyAGI, jonka Yohei Nakajima esitteli Twitterissä 28. maaliskuuta 2023, on suoraviivainen versio alkuperäisestä tehtävänjohtaisesta autonomisesta agentista. Käyttämällä OpenAI:n luonnollisen kielen prosessointikapasiteettia ja Pineconea tehtävän tuloksien tallentamiseen ja hakemiseen kontekstissa, BabyAGI tarjoaa tehokkaan ja käyttäjäystävällisen kokemuksen. Lyhyellä 140 rivillä koodia BabyAGI on helppo ymmärtää ja laajentaa.

BabyAGI-nimi on merkittävä, sillä nämä työkalut pyrkivät jatkuvasti pyrkimään kohti tekoälyjärjestelmiä, jotka, vaikka eivät ole vielä saavuttaneet tekoälyälykkyyttä (AGI), kasvavat eksponentiaalisesti voimakkaampia. Tekoälyekosysteemi kokee uusia edistysaskelia päivittäin, ja tulevaisuuden läpimurtojen ja mahdollisuuden GPT:n kehittämiseen, joka voi ohjata itseään monimutkaisiin ongelmiin, nämä järjestelmät antavat käyttäjille vaikutelman siitä, että he ovat vuorovaikutuksessa AGI:n kanssa.

Mikä on Auto-GPT?

Auto-GPT on tekoälyagentti, joka on suunniteltu saavuttamaan tavoitteita, jotka on ilmaistu luonnollisessa kielessä, jakamalla ne pienempiin alitehtäviin ja käyttämällä resursseja kuten internetiä ja muita työkaluja automaattisessa silmukassa. Tämä agentti käyttää OpenAI:n GPT-4- tai GPT-3.5-API:ja ja erottuu yhtenä uranuurtavista sovelluksista, jotka käyttävät GPT-4:ää autonomisten tehtävien suorittamiseen.

Toisin kuin interaktiiviset järjestelmät, kuten ChatGPT, jotka riippuvat manuaalisista ohjeista kunkin tehtävän suorittamiseksi, Auto-GPT asettaa itselleen uusia tavoitteita suuremman tavoitteen saavuttamiseksi ilman välttämättä tarvitsevaan ihmisen väliintuloa. Pystyen vastaamaan ohjelmoituihin kysymyksiin tietyn tehtävän suorittamiseksi, Auto-GPT voi myös luoda ja muokata omia ohjelmointejaan rekursiivisille tapauksille uuden tiedon perusteella.

Mitä tämä merkitsee tulevaisuudelle?

Vaikka edelleen kokeellisessa vaiheessa ja joillakin rajoituksilla, agentit ovat valmiina lisäämään tuottavuuden hyötyjä, jotka mahdollistetaan tekoälylaitteiden ja -ohjelmistojen kustannusten laskiessa. ARK Investin tutkimuksen mukaan tekoälyohjelmisto voi potentiaalisesti tuottaa jopa 14 biljoonaa dollaria liikevaihtoa ja 90 biljoonaa dollaria yritysarvoa vuoteen 2030 mennessä. Koska perusmallit kuten GPT-4 jatkavat kehittymistään, useat yritykset valitsevat kouluttavansa omat pienemmät, erikoistuneet mallinsa. Vaikka perusmallit tarjoavat laajan soveltamisalueen, pienemmät erikoistuneet mallit tarjoavat etuja, kuten vähennetyt inference-kustannukset.

Lisäksi monet yritykset, jotka ovat huolissaan tekijänoikeusasioista ja datan hallinnasta, valitsevat kehittääkseen omat mallinsa yhdistelemällä julkisia ja yksityisiä tietoja. Merkittävä esimerkki on 2,7 miljardin parametrin LLM, joka on koulutettu PubMed-biolääketieteellisillä tiedoilla, ja joka on saavuttanut lupaavia tuloksia US Medical Licensing Exam -kysymys- ja vastauskokeessa. Koulutuksen kustannukset olivat noin 38 000 dollaria MosaicML-alustalla, ja laskennan kesto oli 6,25 päivää. Vertailun vuoksi GPT-3:n viimeisen koulutusajon arvioidaan maksaneen lähes 5 miljoonaa dollaria laskennassa.