Open-Source Auto-Gpt & BabyAGI Intègrent La Récursion Dans Les Applications IA

Les développements récents impliquant Auto-GPT et BabyAGI ont démontré le potentiel impressionnant des agents autonomes, générant un enthousiasme considérable dans les sphères de la recherche en IA et du développement de logiciels. Ces agents, basés sur des modèles de langage grand public (LLM), sont capables de réaliser des séquences de tâches complexes en réponse à des invites 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 des progrès précoces dans l’intégration de la récursion dans les applications IA.

Qu’est-ce que BabyAGI ?

BabyAGI, introduit par Yohei Nakajima via Twitter le 28 mars 2023, est une version simplifiée de l’agent autonome à base de tâches. En utilisant les capacités de traitement du langage naturel (NLP) d’OpenAI et Pinecone pour stocker et récupérer les résultats des tâches dans le contexte, BabyAGI offre une expérience efficace et conviviale. Avec une concision de 140 lignes de code, BabyAGI est facile à comprendre et à étendre.
Le nom BabyAGI est effectivement significatif car ces outils poussent en permanence la société vers des systèmes IA qui, même s’ils n’ont pas encore atteint l’intelligence artificielle générale (AGI), augmentent exponentiellement en puissance. L’écosystème IA connaît de nouvelles avancées quotidiennes, et avec les progrès futurs et le potentiel d’une version de GPT capable de se lancer elle-même pour résoudre des problèmes complexes, ces systèmes donnent maintenant aux utilisateurs l’impression d’interagir avec des AGI.

Qu’est-ce qu’Auto-GPT ?

Auto-GPT est un agent IA conçu pour accomplir des objectifs exprimés dans un 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 qui utilisent GPT-4 pour effectuer des tâches autonomes.
Contrairement aux systèmes interactifs tels que ChatGPT, qui dépendent d’instructions manuelles pour chaque tâche, Auto-GPT définit de nouveaux objectifs pour lui-même pour atteindre un objectif plus large, sans nécessiter d’intervention humaine. Capable de générer des réponses à des invites pour remplir une tâche spécifique, Auto-GPT peut également créer et modifier ses propres invites pour des instances récursives en fonction des nouvelles informations acquises.

Que signifie cela pour l’avenir

Bien que toujours en phase expérimentale et avec certaines limitations, les agents sont prêts à stimuler les gains de productivité facilités par la diminution des coûts du matériel et des logiciels IA. Selon les recherches d’ARK Invest, les logiciels IA pourraient potentiellement produire jusqu’à 14 billions de dollars de chiffre d’affaires et 90 billions de dollars de valeur d’entreprise d’ici 2030. À mesure que les modèles fondamentaux comme GPT-4 continuent de progresser, de nombreuses entreprises optent pour la formation de leurs propres modèles spécialisés plus petits. 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 problèmes de droits d’auteur et de gouvernance des données choisissent de développer leurs propres 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 des données biomedicales PubMed, qui a obtenu des résultats prometteurs sur le test de questions et réponses de l’examen de licence médicale américaine (USMLE). Le coût de formation était d’environ 38 000 dollars sur la plateforme MosaicML, avec une durée de calcul de 6,25 jours. En revanche, la dernière exécution de formation de GPT-3 est estimée avoir coûté près de 5 millions de dollars en calcul.