Open-Source Auto-Gpt & BabyAGI integriraju rekurziju u AI aplikacije

Nedavni razvoj događaja koji uključuje Auto-GPT i BabyAGI demonstrirali su impresivan potencijal autonomnih agenata, generirajući značajan entuzijazam u sferama istraživanja umjetne inteligencije i razvoja softvera. Ovi agenti, temeljeni na velikim jezičnim modelima (LLM), sposobni su izvršavati zamršene nizove zadataka kao odgovor na upite korisnika. Upotrebom različitih resursa kao što su internetski i lokalni pristup datotekama, drugi API-ji i osnovne memorijske strukture, ovi agenti pokazuju rani napredak u integraciji rekurzije u AI aplikacije.

Što je BabyAGI?

BabyAGI, koji je predstavio Yohei Nakajima putem Twittera 28. ožujka 2023., pojednostavljena je iteracija izvornog Autonomnog agenta vođenog zadacima. Koristeći OpenAI-jeve mogućnosti obrade prirodnog jezika (NLP) i Pinecone za pohranjivanje i dohvaćanje rezultata zadataka u kontekstu, BabyAGI pruža učinkovito i korisničko iskustvo. Sa sažetih 140 redaka koda, BabyAGI je lako razumjeti i proširiti.

Naziv BabyAGI doista je značajan jer ovi alati ustrajno pokreću društvo prema sustavima umjetne inteligencije koji, iako još ne postižu Opća umjetna inteligencija (AGI), eksponencijalno povećavaju snagu. Ekosustav umjetne inteligencije svakodnevno doživljava nova poboljšanja, a s budućim otkrićima i potencijalom za verziju GPT-a koja se može sama pokrenuti za rješavanje složenih problema, ovi sustavi sada korisnicima ostavljaju dojam interakcije s AGI-jima.

Što je Auto-GPT?

Auto-GPT je AI agent dizajniran za postizanje ciljeva izraženih prirodnim jezikom dijeljenjem u manje podzadatke i korištenjem resursa poput interneta i drugih alata u automatiziranoj petlji. Ovaj agent koristi API-je OpenAI GPT-4 ili GPT-3.5 i ističe se kao jedna od pionirskih aplikacija koje koriste GPT-4 za obavljanje autonomnih zadataka.

Za razliku od interaktivnih sustava kao što je ChatGPT, koji ovise o ručnim uputama za svaki zadatak, Auto-GPT postavlja nove ciljeve za sebe kako bi postigao veći cilj, bez potrebe za ljudskom intervencijom. Sposoban za generiranje odgovora na upite za ispunjavanje određenog zadatka, Auto-GPT također može stvoriti i modificirati vlastite upite za rekurzivne instance na temelju novostečenih informacija.

Što to znači Krenuti naprijed

Iako su još uvijek u eksperimentalnoj fazi i uz određena ograničenja, agenti su spremni povećati produktivnost zahvaljujući sve nižim troškovima AI hardvera i softvera. Prema Istraživanje ARK Investa, softver umjetne inteligencije potencijalno bi mogao proizvesti do 14 trilijuna dolara prihoda i 90 trilijuna dolara vrijednosti poduzeća do 2030. Kako temeljni modeli poput GPT-4 nastavljaju napredovati, brojne tvrtke odlučuju trenirati vlastite manje, specijalizirane modele. Dok temeljni modeli imaju širok raspon primjena, manji specijalizirani modeli nude prednosti kao što su smanjeni troškovi zaključivanja.

Štoviše, mnoge tvrtke zabrinute zbog pitanja autorskih prava i upravljanja podacima odlučuju razviti svoje vlasničke modele koristeći kombinaciju javnih i privatnih podataka. Značajan primjer je LLM s 2.7 milijardi parametara na kojem se treniralo PubMed biomedicinskih podataka, koji su postigli obećavajuće rezultate na testu pitanja i odgovora US Medical Licensing Exam (USMLE). Trošak obuke iznosio je otprilike 38,000 dolara MosaicML platforma, s trajanjem izračuna od 6.25 dana. Nasuprot tome, procjenjuje se da je završna obuka GPT-3 koštala gotovo 5 milijuna dolara u računanju.