Au-delà de ChatGPT ; Agent IA : Un nouveau monde de travailleurs

Avec les progrès de l’apprentissage profond, du traitement automatique du langage naturel (NLP) et de l’IA, nous sommes à une époque où les agents IA pourraient former une partie importante de la main-d’œuvre mondiale. Ces agents IA, qui dépassent les chatbots et les assistants vocaux, sont en train de créer un nouveau paradigme pour les industries et notre vie quotidienne. Mais qu’est-ce que cela signifie vraiment de vivre dans un monde augmenté par ces “travailleurs” ? Cet article plonge dans ce paysage en évolution, en évaluant les implications, le potentiel et les défis qui se posent.

Un bref rappel : L’évolution des travailleurs IA

Avant de comprendre la révolution imminente, il est crucial de reconnaître l’évolution impulsée par l’IA qui a déjà eu lieu.

• Systèmes de calcul traditionnels : Le voyage a commencé avec les algorithmes de calcul de base. Ces systèmes pouvaient résoudre des tâches prédéfinies en utilisant un ensemble de règles fixes.
• Chatbots et assistants vocaux précoces : À mesure que la technologie évoluait, nos interfaces ont également évolué. Des outils comme Siri, Cortana et les chatbots précoces ont simplifié l’interaction utilisateur-IA, mais avaient une compréhension et des capacités limitées.
• Réseaux de neurones et apprentissage profond : Les réseaux de neurones ont marqué un tournant, en imitant les fonctions du cerveau humain et en évoluant à travers l’expérience. Les techniques d’apprentissage profond ont encore amélioré cela, permettant une reconnaissance d’images et de parole sophistiquée.
• Transformateurs et modèles NLP avancés : L’introduction des architectures de transformateurs a révolutionné le paysage NLP. Des systèmes comme ChatGPT d’OpenAI, BERT et T5 ont permis des avancées dans la communication humain-IA. Avec leur compréhension profonde du langage et du contexte, ces modèles peuvent tenir des conversations significatives, rédiger du contenu et répondre à des questions complexes avec une précision sans précédent.

Entrez l’agent IA : Plus qu’une conversation

Le paysage actuel de l’IA suggère quelque chose de plus vaste que des outils de conversation. Les agents IA, au-delà des simples fonctions de chat, peuvent désormais effectuer des tâches, apprendre de leur environnement, prendre des décisions et même faire preuve de créativité. Ils ne répondent pas seulement à des questions ; ils résolvent des problèmes.

Les modèles de logiciel traditionnels fonctionnaient sur un chemin clair. Les parties prenantes exprimaient un objectif aux gestionnaires de logiciels, qui concevaient ensuite un plan spécifique. Les ingénieurs exécutaient ce plan à travers des lignes de code. Ce paradigme de fonctionnalité de logiciel était clair, impliquant de nombreuses interventions humaines.

Les agents IA, cependant, fonctionnent différemment. Un agent :

1. A des objectifs qu’il cherche à atteindre.
2. Peut interagir avec son environnement.
3. Conçoit un plan basé sur ces observations pour atteindre son objectif.
4. Prend les actions nécessaires, ajustant son approche en fonction de l’état changeant de l’environnement.

Ce qui distingue vraiment les agents IA des modèles traditionnels, c’est leur capacité à créer de manière autonome un plan étape par étape pour réaliser un objectif. En essence, alors que le programmeur fournissait auparavant le plan, les agents IA d’aujourd’hui tracent leur propre chemin.

Considérons un exemple quotidien. Dans la conception de logiciels traditionnelle, un programme notifierait les utilisateurs des tâches en retard en fonction de conditions prédéfinies. Les développeurs définiraient ces conditions en fonction des spécifications fournies par le responsable de produit.

Dans le paradigme de l’agent IA, l’agent lui-même détermine quand et comment notifier l’utilisateur. Il évalue l’environnement (habitudes de l’utilisateur, état de l’application) et décide du meilleur plan d’action. Le processus devient ainsi plus dynamique, plus en temps réel.

ChatGPT a marqué un départ de son utilisation traditionnelle avec l’intégration de plugins, permettant ainsi d’harnacher des outils externes pour effectuer plusieurs requêtes. C’est devenu une manifestation précoce du concept d’agent. Si l’on considère un exemple simple : un utilisateur qui demande des informations sur le temps à New York, ChatGPT, en utilisant des plugins, pourrait interagir avec une API météorologique externe, interpréter les données et même corriger son cours en fonction des réponses reçues.

Paysage actuel des agents IA

Les agents IA, notamment Auto-GPT, AgentGPT et BabyAGI, annoncent une nouvelle ère dans l’univers de l’IA. Alors que ChatGPT a popularisé l’IA générative en nécessitant une entrée humaine, la vision derrière les agents IA est de permettre aux IA de fonctionner de manière indépendante, se dirigeant vers des objectifs avec peu ou pas d’intervention humaine. Ce potentiel de transformation a été souligné par la montée en puissance d’Auto-GPT, qui a récolté plus de 107 000 étoiles sur GitHub en seulement six semaines après son lancement, une croissance sans précédent par rapport à des projets établis comme le package de science des données « pandas ».

Agents IA vs ChatGPT

De nombreux agents IA avancés, tels qu’Auto-GPT et BabyAGI, utilisent l’architecture GPT. Leur objectif principal est de minimiser le besoin d’intervention humaine dans la réalisation des tâches IA. Des termes descriptifs comme “GPT en boucle” caractérisent le fonctionnement de modèles comme AgentGPT et BabyAGI. Ils fonctionnent en cycles itératifs pour mieux comprendre les demandes des utilisateurs et affiner leurs sorties. Pendant ce temps, Auto-GPT pousse les limites plus loin en intégrant l’accès à Internet et la capacité d’exécution de code, élargissant considérablement sa portée de résolution de problèmes.

Innovations dans les agents IA

1. Mémoire à long terme : Les LLM traditionnels ont une mémoire limitée, ne retenant que les segments récents des interactions. Pour des tâches complètes, rappeler toute la conversation ou même les conversations précédentes devient crucial. Pour surmonter cela, les agents IA ont adopté des flux de travail d’intégration, convertissant les conversations textuelles en tableaux numériques, offrant une solution aux contraintes de mémoire.
2. Capacités de navigation Web : Pour rester à jour avec les événements récents, Auto-GPT a été doté de capacités de navigation, utilisant l’API de recherche Google. Cela a suscité des débats au sein de la communauté IA concernant la portée des connaissances d’un IA.
3. Exécution de code : Au-delà de la génération de code, Auto-GPT peut exécuter à la fois des codes shell et Python. Cette capacité sans précédent lui permet d’interfacer avec d’autres logiciels, élargissant ainsi son domaine d’application.

Le diagramme visualise l’architecture d’un système d’IA alimenté par un modèle de langage et des agents.

• Entrées : Le système reçoit des données de sources diverses : commandes utilisateur directes, bases de données structurées, contenu Web et capteurs environnementaux en temps réel.
• LLM et agents : Au cœur, le LLM traite ces entrées, collaborant avec des agents spécialisés comme Auto-GPT pour la chaîne de pensée, AgentGPT pour les tâches Web spécifiques, BabyAGI pour les actions spécifiques aux tâches et HuggingGPT pour le traitement d’équipe.
• Sorties : Une fois traitées, les informations sont transformées en un format convivial pour l’utilisateur et relayées à des appareils qui peuvent agir sur ou influencer l’environnement extérieur.
• Composants de mémoire : Le système retient des informations, à la fois à court et à long terme, grâce à des caches temporaires et des bases de données permanentes.
• Environnement : Il s’agit du domaine extérieur, qui affecte les capteurs et est impacté par les actions du système.

Agents IA avancés : Auto-GPT, BabyAGI et plus

AutoGPT et AgentGPT

AutoGPT, un projet lancé sur GitHub en mars 2023, est une application Python ingénieuse qui exploite le pouvoir de GPT, le modèle génératif transformateur d’OpenAI. Ce qui distingue Auto-GPT de ses prédécesseurs, c’est son autonomie – il est conçu pour entreprendre des tâches avec une guidance humaine minimale et a la capacité unique de lancer des invites de manière autonome. Les utilisateurs n’ont qu’à définir un objectif global, et Auto-GPT crée les invites requises pour atteindre cet objectif, ce qui pourrait être un saut révolutionnaire vers une véritable intelligence artificielle générale (IAG).

Avec des fonctionnalités qui s’étendent de la connectivité Internet à la gestion de la mémoire et aux capacités de stockage de fichiers en utilisant GPT-3.5, cet outil est apte à gérer un large éventail de tâches, des tâches conventionnelles comme la composition d’e-mails à des tâches complexes qui nécessiteraient normalement beaucoup plus d’intervention humaine.

D’un autre côté, AgentGPT, également construit sur le cadre GPT, est une interface centrée sur l’utilisateur qui ne nécessite pas d’expertise de codage extensive pour la configurer et l’utiliser. AgentGPT permet aux utilisateurs de définir des objectifs IA, qu’il divise ensuite en tâches gérables.

Interface AgentGPT

De plus, AgentGPT se distingue par sa polyvalence. Il n’est pas limité à la création de chatbots. La plateforme étend ses capacités pour créer diverses applications, comme des bots Discord, et s’intègre sans effort avec Auto-GPT. Cette approche garantit que même ceux sans une solide expérience en codage puissent effectuer des tâches telles que la programmation autonome, la génération de texte, la traduction de langues et la résolution de problèmes.

LangChain est un cadre qui relie les modèles de langage à grande échelle (LLM) avec divers outils et utilise des agents, souvent perçus comme des « bots », pour déterminer et exécuter des tâches spécifiques en choisissant l’outil approprié. Ces agents s’intègrent sans effort avec des ressources externes, tandis qu’une base de données vectorielle dans LangChain stocke des données non structurées, facilitant ainsi la récupération rapide d’informations pour les LLM.

BabyAGI

Ensuite, il y a BabyAGI, un agent simplifié mais puissant. Pour comprendre les capacités de BabyAGI, imaginez un gestionnaire de projet numérique qui crée, organise et exécute des tâches de manière autonome avec un focus aigu sur les objectifs donnés. Alors que la plupart des plateformes IA sont limitées par leurs connaissances préentraînées, BabyAGI se distingue par sa capacité à s’adapter et à apprendre des expériences. Il possède une capacité profonde à discerner les commentaires et, comme les humains, à prendre des décisions basées sur les essais et les erreurs.

Notamment, la force sous-jacente de BabyAGI ne réside pas seulement dans son adaptabilité, mais également dans sa capacité à exécuter du code pour des objectifs spécifiques. Il brille dans des domaines complexes, tels que le trading de crypto-monnaies, la robotique et la conduite autonome, ce qui en fait un outil polyvalent dans de nombreuses applications.

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

Le processus peut être catégorisé en trois agents :

1. Agent d’exécution : Le cœur du système, cet agent utilise l’API d’OpenAI pour le traitement des tâches. Étant donné un objectif et une tâche, il envoie une invite à l’API d’OpenAI et récupère les résultats de la tâche.
2. Agent de création de tâches : Cette fonction crée de nouvelles tâches en fonction des résultats précédents et des objectifs actuels. Une invite est envoyée à l’API d’OpenAI, qui retourne ensuite des tâches potentielles, organisées sous forme de liste de dictionnaires.
3. Agent de priorisation de tâches : La dernière phase consiste à séquencer les tâches en fonction de la priorité. Cet agent utilise l’API d’OpenAI pour réorganiser les tâches, garantissant que les plus critiques soient exécutées en premier.

En collaboration avec le modèle de langage d’OpenAI, BabyAGI exploite les capacités de Pinecone pour le stockage et la récupération de résultats de tâches axés sur le contexte.

Voici une démonstration de BabyAGI en utilisant ce lien.

Pour commencer, vous aurez besoin d’une clé API OpenAPI valide. Pour faciliter l’accès, l’interface utilisateur dispose d’une section de paramètres où la clé API OpenAPI peut être saisie. De plus, si vous souhaitez gérer les coûts, n’oubliez pas de définir une limite sur le nombre d’itérations.

Une fois l’application configurée, j’ai réalisé une petite expérience. J’ai soumis une invite à BabyAGI : « Créez un fil de discussion concis sur le parcours de la croissance personnelle, en abordant les jalons, les défis et le pouvoir transformateur de l’apprentissage continu. »

BabyAGI a répondu avec un plan bien pensé. Ce n’était pas un modèle générique, mais une feuille de route complète qui indiquait que l’IA sous-jacente avait véritablement compris les nuances de la demande.

Copilote IA Deepnote

Deepnote AI Copilot redéfinit la dynamique de l’exploration de données dans les cahiers. Mais qu’est-ce qui le distingue ?

À son cœur, Deepnote AI vise à améliorer le flux de travail des scientifiques de données. Dès que vous fournissez une instruction rudimentaire, l’IA se met en action, concevant des stratégies, exécutant des requêtes SQL, visualisant des données en utilisant Python et présentant ses découvertes de manière articulée.

L’une des forces de Deepnote AI est sa compréhension approfondie de votre espace de travail. En comprenant les schémas d’intégration et les systèmes de fichiers, il aligne ses plans d’exécution parfaitement sur le contexte organisationnel, garantissant que ses insights sont toujours pertinents.

L’intégration de l’IA avec les supports de cahier crée une boucle de rétroaction unique. Elle évalue activement les sorties de code, la rendant ainsi apte à l’auto-correction et garantissant que les résultats sont cohérents avec les objectifs définis.

Deepnote AI se distingue par ses opérations transparentes, offrant des insights clairs sur ses processus. L’entrelacement du code et des sorties garantit que ses actions sont toujours responsables et reproductibles.

CAMEL

CAMEL est un cadre qui vise à favoriser la collaboration entre les agents IA, visant à accomplir des tâches de manière efficace avec une surveillance humaine minimale.

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

Il divise ses opérations en deux types d’agents principaux :

• L’agent utilisateur IA définit les instructions.
• L’agent assistant IA exécute les tâches en fonction des directives fournies.

L’une des aspirations de CAMEL est de dénouer les complexités des processus de pensée IA, visant à optimiser les synergies entre plusieurs agents. Avec des fonctionnalités telles que le jeu de rôle et l’invocation d’inspiration, il garantit que les tâches IA s’alignent sans effort sur les objectifs humains.

Simulation Westworld : Insuffler la vie dans l’IA

Dérivée d’inspirations telles que le logiciel Unity et adaptée en Python, la simulation Westworld est un saut dans la simulation et l’optimisation d’environnements où de multiples agents IA interagissent, presque comme une société numérique.

Agents génératifs

Ces agents ne sont pas seulement des entités numériques. Ils simulent des comportements humains crédibles, des routines quotidiennes aux interactions sociales complexes. Leur architecture étend un grand modèle de langage pour stocker des expériences, les réfléchir et les utiliser pour la planification du comportement dynamique.

L’environnement de simulation interactif de Westworld, rappelant The Sims, donne vie à une ville peuplée d’agents génératifs. Ici, les utilisateurs peuvent interagir, observer et guider ces agents tout au long de leur journée, observant les comportements émergents et les dynamiques sociales complexes.

La simulation Westworld incarne la fusion harmonieuse de la puissance de calcul et des complexités humaines. En fusionnant de vastes modèles de langage avec des simulations d’agents dynamiques, elle trace un chemin vers la création d’expériences IA qui sont frappantes et indiscernables de la réalité.

Conclusion