Oltre ChatGPT; AI Agent: Un Nuovo Mondo di Lavoratori

Con gli avanzamenti nel deep learning, nell’elaborazione del linguaggio naturale (NLP) e nell’intelligenza artificiale, ci troviamo in un periodo in cui gli agenti AI potrebbero costituire una parte significativa della forza lavoro globale. Questi agenti AI, che trascendono i chatbot e gli assistenti vocali, stanno plasmando un nuovo paradigma sia per le industrie che per la nostra vita quotidiana. Ma cosa significa realmente vivere in un mondo arricchito da questi “lavoratori”? Questo articolo si addentra a fondo in questo paesaggio in evoluzione, valutando le implicazioni, le potenzialità e le sfide che si presentano.

Una Breve Ricapitolazione: L’Evoluzione dei Lavoratori AI

Prima di comprendere la rivoluzione imminente, è cruciale riconoscere l’evoluzione guidata dall’AI che è già avvenuta.

• Sistemi di Calcolo Tradizionali: Dal basic computing, il viaggio è iniziato. Questi sistemi potevano risolvere compiti predefiniti utilizzando un insieme fisso di regole.
• Chatbot e Assistente Vocale Precoci: Man mano che la tecnologia evolveva, anche le nostre interfacce evolvevano. Strumenti come Siri, Cortana e chatbot precoci semplificavano l’interazione utente-AI, ma avevano una comprensione e una capacità limitate.
• Reti Neurali e Deep Learning: Le reti neurali hanno segnato un punto di svolta, imitando le funzioni del cervello umano ed evolvendo attraverso l’esperienza. Le tecniche di deep learning hanno ulteriormente migliorato questo, consentendo riconoscimenti di immagini e discorsi sofisticati.
• Transformer e Modelli NLP Avanzati: L’introduzione di architetture transformer ha rivoluzionato il paesaggio NLP. Sistemi come ChatGPT di OpenAI, BERT e T5 hanno consentito innovazioni nella comunicazione umano-AI. Con la loro profonda comprensione del linguaggio e del contesto, questi modelli possono condurre conversazioni significative, creare contenuti e rispondere a domande complesse con un’accuratezza senza precedenti.

Entra l’Agente AI: Più di una Conversazione

Il paesaggio AI odierno suggerisce qualcosa di più ampio degli strumenti di conversazione. Gli agenti AI, al di là delle semplici funzioni di chat, possono ora eseguire compiti, imparare dall’ambiente, prendere decisioni e persino esibire creatività. Non stanno solo rispondendo a domande; stanno risolvendo problemi.

I modelli di software tradizionali funzionavano su un percorso chiaro. Gli stakeholder esprimevano un obiettivo ai manager del software, che poi progettavano un piano specifico. Gli ingegneri avrebbero eseguito questo piano attraverso righe di codice. Questo paradigma di funzionalità del software era chiaro, coinvolgendo una moltitudine di interventi umani.

Gli agenti AI, tuttavia, operano diversamente. Un agente:

1. Ha obiettivi che cerca di raggiungere.
2. Può interagire con il suo ambiente.
3. Formula un piano basato su queste osservazioni per raggiungere il suo obiettivo.
4. Prende azioni necessarie, adattando il suo approccio in base allo stato mutevole dell’ambiente.

Ciò che veramente distingue gli agenti AI dai modelli tradizionali è la loro capacità di creare autonomamente un piano passo dopo passo per realizzare un obiettivo. In sostanza, mentre in precedenza il programmatore forniva il piano, oggi gli agenti AI tracciano il loro corso.

Considera un esempio quotidiano. Nella progettazione del software tradizionale, un programma avrebbe notificato gli utenti sui compiti scaduti in base a condizioni predefinite. Gli sviluppatori avrebbero impostato queste condizioni in base alle specifiche fornite dal product manager.

Nel paradigma dell’agente AI, l’agente stesso determina quando e come notificare l’utente. Valuta l’ambiente (abitudini dell’utente, stato dell’applicazione) e decide il miglior corso di azione. Il processo diventa così più dinamico, più nel momento.

ChatGPT ha segnato una deviazione dal suo uso tradizionale con l’integrazione di plugin, permettendogli di sfruttare strumenti esterni per eseguire più richieste. È diventato una prima manifestazione del concetto di agente. Se consideriamo un semplice esempio: un utente che chiede del meteo di New York City, ChatGPT, sfruttando i plugin, potrebbe interagire con un’API meteorologica esterna, interpretare i dati e persino correggere il corso in base alle risposte ricevute.

Current Landscape of AI Agents

Gli agenti AI, tra cui Auto-GPT, AgentGPT e BabyAGI, stanno annunciando una nuova era nell’universo AI espansivo. Mentre ChatGPT ha reso popolare l’AI generativa richiedendo input umano, la visione dietro gli agenti AI è quella di consentire agli AI di funzionare in modo indipendente, dirigendosi verso obiettivi con poca o nessuna interferenza umana. Questo potenziale trasformativo è stato sottolineato dalla rapida ascesa di Auto-GPT, che ha raccolto oltre 107.000 stelle su GitHub in sole sei settimane dalla sua creazione, una crescita senza precedenti rispetto a progetti stabiliti come il pacchetto di scienza dei dati ‘pandas’.

Agenti AI vs. ChatGPT

Molti agenti AI avanzati, come Auto-GPT e BabyAGI, utilizzano l’architettura GPT. Il loro obiettivo principale è minimizzare la necessità di intervento umano nel completamento dei compiti AI. Termini descrittivi come “GPT in loop” caratterizzano l’operazione di modelli come AgentGPT e BabyAGI. Operano in cicli iterativi per comprendere meglio le richieste degli utenti e raffinare i loro output. Nel frattempo, Auto-GPT spinge i confini più in là incorporando l’accesso a Internet e le capacità di esecuzione del codice, ampliando notevolmente la sua portata di risoluzione dei problemi.

Innovazioni negli Agenti AI

1. Memoria a Lungo Termine: I tradizionali LLM hanno una memoria limitata, conservando solo i segmenti recenti delle interazioni. Per compiti complessivi, ricordare l’intera conversazione o anche quelle precedenti diventa cruciale. Per superare questo, gli agenti AI hanno adottato flussi di lavoro di incorporamento, convertendo conversazioni testuali in array numerici, offrendo una soluzione alle limitazioni di memoria.
2. Capacità di Navigazione Web: Per rimanere aggiornati con eventi recenti, Auto-GPT è stato dotato di capacità di navigazione web, utilizzando l’API di ricerca di Google. Ciò ha sollevato dibattiti all’interno della comunità AI riguardo alla portata della conoscenza di un AI.
3. Esecuzione di Codice: Oltre a generare codice, Auto-GPT può eseguire sia codice shell che Python. Questa capacità senza precedenti gli consente di interfacciarsi con altri software, ampliando così il suo dominio operativo.

Il diagramma visualizza l’architettura di un sistema AI alimentato da un modello linguistico grande e agenti.

• Input: Il sistema riceve dati da fonti diverse: comandi utente diretti, database strutturati, contenuti web e sensori ambientali in tempo reale.
• LLM & Agenti: Al centro, il LLM elabora questi input, collaborando con agenti specializzati come Auto-GPT per la catena di pensieri, AgentGPT per compiti web-specifici, BabyAGI per azioni specifiche del compito e HuggingGPT per l’elaborazione di squadra.
• Output: Una volta elaborata, l’informazione viene trasformata in un formato utente-friendly e quindi trasmessa a dispositivi che possono agire o influenzare l’ambiente esterno.
• Componenti di Memoria: Il sistema conserva informazioni, sia a breve che a lungo termine, attraverso cache temporanee e database permanenti.
• Ambiente: Questo è il regno esterno, che influenza i sensori e viene influenzato dalle azioni del sistema.

Agenti AI Avanzati: Auto-GPT, BabyAGI e più

AutoGPT e AgentGPT

AutoGPT, un prodotto geniale rilasciato su GitHub nel marzo 2023, è un’applicazione Python-based che sfrutta il potere di GPT, il modello generativo trasformativo di OpenAI. Ciò che distingue Auto-GPT dai suoi predecessori è la sua autonomia: è progettato per intraprendere compiti con una guida umana minima e ha la capacità unica di auto-iniziare i prompt. Gli utenti devono semplicemente definire un obiettivo generale e Auto-GPT crea i prompt necessari per raggiungere quell’obiettivo, rendendolo un potenziale balzo rivoluzionario verso la vera intelligenza artificiale generale (AGI).

Con funzionalità che spaziano dalla connettività internet alla gestione della memoria e alle capacità di archiviazione dei file utilizzando GPT-3.5, questo strumento è adatto a gestire un’ampia gamma di compiti, dalle attività convenzionali come la composizione di email a compiti intricati che richiederebbero normalmente molto più coinvolgimento umano.

D’altra parte, AgentGPT, anch’esso costruito sul framework GPT, è un’interfaccia utente-centric che non richiede una vasta esperienza di codifica per la configurazione e l’uso. AgentGPT consente agli utenti di definire obiettivi AI, che vengono poi suddivisi in compiti gestibili.

AgentGPT UI

Inoltre, AgentGPT si distingue per la sua versatilità. Non è limitato alla creazione di chatbot. La piattaforma estende le sue capacità alla creazione di applicazioni diverse come bot Discord e integra perfettamente con Auto-GPT. Questo approccio garantisce che anche coloro che non hanno un’esperienza di codifica estesa possano eseguire compiti come la codifica completamente autonoma, la generazione di testi, la traduzione linguistica e la risoluzione dei problemi.

LangChain è un framework che collega i Large Language Models (LLM) con vari strumenti e utilizza agenti, spesso percepiti come ‘Bot’, per determinare ed eseguire compiti specifici scegliendo lo strumento appropriato. Questi agenti si integrano perfettamente con risorse esterne, mentre un database vettoriale in LangChain archivia dati non strutturati, facilitando il recupero rapido di informazioni per gli LLM.

BabyAGI

Poi c’è BabyAGI, un agente semplificato ma potente. Per comprendere le capacità di BabyAGI, immagina un project manager digitale che crea, organizza ed esegue compiti con un focus netto sugli obiettivi assegnati. Mentre la maggior parte delle piattaforme AI è limitata dalle loro conoscenze pre-addestrate, BabyAGI si distingue per la sua capacità di adattarsi e imparare dalle esperienze. Ha una profonda capacità di discernere il feedback e, come gli esseri umani, basare le decisioni su prove ed errori.

Nota che la forza sottostante di BabyAGI non è solo la sua adattabilità, ma anche la sua competenza nell’esecuzione di codice per obiettivi specifici. Eccelle in domini complessi, come il trading di criptovalute, la robotica e la guida autonoma, rendendolo uno strumento versatile in una moltitudine di applicazioni.

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

Il processo può essere categorizzato in tre agenti:

1. Agente di Esecuzione: Il cuore del sistema, questo agente sfrutta l’API di OpenAI per l’elaborazione dei compiti. Dato un obiettivo e un compito, invia un prompt all’API di OpenAI e recupera i risultati del compito.
2. Agente di Creazione del Compito: Questa funzione crea nuovi compiti in base ai risultati precedenti e agli obiettivi attuali. Un prompt viene inviato all’API di OpenAI, che restituisce potenziali compiti, organizzati come una lista di dizionari.
3. Agente di Prioritizzazione del Compito: La fase finale coinvolge la sequenziazione dei compiti in base alla priorità. Questo agente utilizza l’API di OpenAI per riordinare i compiti, assicurandosi che quelli più critici vengano eseguiti per primi.

In collaborazione con il modello linguistico di OpenAI, BabyAGI sfrutta le capacità di Pinecone per l’archiviazione e il recupero dei risultati dei compiti basati sul contesto.

Di seguito è riportata una dimostrazione di BabyAGI utilizzando questo link.

Per iniziare, avrai bisogno di una chiave API OpenAPI valida. Per facilitare l’accesso, l’interfaccia utente ha una sezione delle impostazioni dove la chiave API OpenAPI può essere inserita. Inoltre, se stai cercando di gestire i costi, ricorda di impostare un limite sul numero di iterazioni.

Una volta configurata l’applicazione, ho eseguito un piccolo esperimento. Ho inviato un prompt a BabyAGI: “Crea un thread di tweet conciso che si concentra sul viaggio di crescita personale, toccando pietre miliari, sfide e il potere trasformativo dell’apprendimento continuo”.

BabyAGI ha risposto con un piano ben pensato. Non era solo un modello generico, ma una mappa stradale completa che indicava che l’AI sottostante aveva effettivamente compreso le sfumature della richiesta.

Deepnote AI Copilot

Deepnote AI Copilot ridisegna la dinamica dell’esplorazione dei dati nei notebook. Ma cosa lo distingue?

Al suo nucleo, Deepnote AI mira ad aumentare il flusso di lavoro degli scienziati dei dati. Nel momento in cui fornisci un’istruzione rudimentale, l’AI si attiva, elaborando strategie, eseguendo query SQL, visualizzando dati utilizzando Python e presentando i suoi risultati in modo articolato.

Una delle forze di Deepnote AI è la sua comprensione globale del tuo spazio di lavoro. Comprendendo schemi di integrazione e sistemi di file, allinea i suoi piani di esecuzione perfettamente con il contesto organizzativo, assicurandosi che le sue intuizioni siano sempre rilevanti.

Deepnote AI si distingue per le sue operazioni trasparenti, fornendo una chiara comprensione dei suoi processi. L’intreccio di codice e output assicura che le sue azioni siano sempre responsabili e riproducibili.

CAMEL

CAMEL è un framework che cerca di promuovere la collaborazione tra gli agenti AI, mirando al completamento efficiente dei compiti con un minimo di supervisione umana.

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

Divide le sue operazioni in due tipi di agenti principali:

• L’Agente Utente AI definisce le istruzioni.
• L’Agente Assistente AI esegue i compiti in base alle direttive fornite.

Uno degli obiettivi di CAMEL è quello di sbrogliare le complessità dei processi di pensiero AI, mirando a ottimizzare le sinergie tra più agenti. Con funzionalità come il role-playing e il prompting dell’iniziazione, assicura che i compiti AI si allineino perfettamente con gli obiettivi umani.

Simulazione Westworld: Vita nell’AI

Derivata da ispirazioni come il software Unity e adattata in Python, la simulazione Westworld è un balzo nella simulazione e nell’ottimizzazione di ambienti in cui più agenti AI interagiscono, quasi come una società digitale.

Generative Agents

Questi agenti non sono solo entità digitali. Simulano comportamenti umani credibili, dalle routine quotidiane alle interazioni sociali complesse. La loro architettura estende un modello linguistico grande per archiviare esperienze, riflettere su di esse e impiegarle per la pianificazione del comportamento dinamico.

L’ambiente sandbox interattivo di Westworld, simile a The Sims, porta in vita una città popolata da agenti generativi. Qui, gli utenti possono interagire, osservare e guidare questi agenti durante la loro giornata, osservando comportamenti emergenti e dinamiche sociali complesse.

La simulazione Westworld rappresenta la fusione armoniosa di potenza computazionale e sfumature umane. Unendo vasti modelli linguistici con simulazioni di agenti dinamici, traccia un percorso verso la creazione di esperienze AI che sono sorprendentemente indistinguibili dalla realtà.

Conclusione