Open-Source Auto-Gpt & BabyAGI intègrent la récursivité dans les applications d'IA

Développements récents impliquant GPT automatique et BébéAGI ont démontré le potentiel impressionnant des agents autonomes, suscitant un enthousiasme considérable dans les domaines de la recherche en IA et du développement de logiciels. Ces agents, basés sur de grands modèles de langage (LLM), sont capables d'effectuer des séquences de tâches complexes en réponse aux invites de l'utilisateur. En utilisant une variété de ressources telles que l'accès à Internet et aux fichiers locaux, d'autres API et des structures de mémoire de base, ces agents affichent les premiers progrès dans l'intégration de la récursivité dans les applications d'IA.

Qu'est-ce que BabyAGI ?

BabyAGI, présenté par Yohei Nakajima sur Twitter le 28 mars 2023, est une version simplifiée de l'agent autonome piloté par tâches original. Exploitant les capacités de traitement du langage naturel (TALN) d'OpenAI et Pinecone pour le stockage et la récupération des résultats des tâches en contexte, BabyAGI offre une expérience efficace et conviviale. Avec un code concis de 140 lignes, BabyAGI est facile à comprendre et à développer.

Le nom BabyAGI est en effet significatif car ces outils propulsent constamment la société vers des systèmes d'IA qui, bien qu'ils n'atteignent pas encore Intelligence générale artificielle (AGI), augmentent de manière exponentielle en puissance. L'écosystème de l'IA connaît chaque jour de nouvelles avancées, et avec les avancées futures et le potentiel d'une version de GPT capable de s'attaquer à des problèmes complexes, ces systèmes donnent désormais aux utilisateurs l'impression d'interagir avec les AGI.

Qu'est-ce qu'Auto-GPT ?

Auto-GPT est un agent d'IA conçu pour atteindre des objectifs exprimés en langage naturel en les divisant en sous-tâches plus petites et en utilisant des ressources comme Internet et d'autres outils dans une boucle automatisée. Cet agent utilise les API GPT-4 ou GPT-3.5 d'OpenAI et se distingue comme l'une des applications pionnières utilisant GPT-4 pour effectuer des tâches autonomes.

Contrairement aux systèmes interactifs tels que ChatGPT, qui dépendent d'instructions manuelles pour chaque tâche, Auto-GPT se fixe de nouveaux objectifs pour atteindre un objectif plus large, sans nécessairement nécessiter une intervention humaine. Capable de générer des réponses aux invites pour accomplir une tâche spécifique, Auto-GPT peut également créer et modifier ses propres invites pour les instances récursives en fonction des informations nouvellement acquises.

Ce que cela signifie pour aller de l'avant

Bien qu'encore en phase expérimentale et avec certaines limites, les agents sont sur le point d'augmenter les gains de productivité facilités par la baisse des coûts du matériel et des logiciels d'IA. Selon Recherche d'ARK Invest, les logiciels d'IA pourraient générer jusqu'à 14 90 milliards de dollars de revenus et 2030 4 milliards de dollars de valeur d'entreprise d'ici XNUMX. Alors que les modèles fondamentaux comme GPT-XNUMX continuent de progresser, de nombreuses entreprises choisissent de former leurs propres modèles plus petits et spécialisés. Alors que les modèles fondamentaux ont une large gamme d'applications, les modèles spécialisés plus petits offrent des avantages tels que des coûts d'inférence réduits.

De plus, de nombreuses entreprises préoccupées par les questions de droit d'auteur et de gouvernance des données choisissent de développer leurs modèles propriétaires en utilisant un mélange de données publiques et privées. Un exemple notable est un LLM de 2.7 milliards de paramètres formé sur PubMed données biomédicales, qui ont obtenu des résultats prometteurs au test de questions-réponses de l'USMLE (US Medical Licensing Exam). Le coût de la formation s'est élevé à environ 38,000 XNUMX $. Plateforme MosaicML, avec une durée de calcul de 6.25 jours. En revanche, la dernière exécution de formation de GPT-3 aurait coûté près de 5 millions de dollars en calcul.