์ธ๊ณต์ง๋ฅ
์คํ์์ค Auto-GPT & BabyAGI, AI ์ ํ๋ฆฌ์ผ์ด์ ์ ์ฌ๊ท ํตํฉ
최근 Auto-GPT와 BabyAGI를 포함한 개발은 자율 에이전트의 인상적인 잠재력을 보여주었으며, AI 연구와 소프트웨어 개발 분야에서 상당한 열정을 불러일으켰습니다. 이러한 에이전트는 대규모 언어 모델(LLM)을 기반으로 하며, 사용자 프롬프트에 응답하여 복잡한 작업 시퀀스를 수행할 수 있습니다. 인터넷 및 로컬 파일 액세스, 다른 API 및 기본 메모리 구조와 같은 다양한 리소스를 사용하여 이러한 에이전트는 AI 애플리케이션에 재귀를 통합하는 초기 발전을 보여줍니다.
BabyAGI란 무엇입니까?
BabyAGI는 2023년 3월 28일 요헤이 나카지마(Yohei Nakajima)가 트위터를 통해 소개한 Task-Driven Autonomous Agent의 간소화된 버전입니다. OpenAI의 자연어 처리(NLP) 기능과 Pinecone을 사용하여 작업 결과를 저장하고 검색하는 컨텍스트를 제공하는 BabyAGI는 효율적이고 사용자 친화적인 경험을 제공합니다. 140줄의 코드로 구성된 BabyAGI는 이해하고 확장하기 쉽습니다.
BabyAGI라는 이름은 실제로 중요합니다. 이러한 도구는 끊임없이 사회를 AI 시스템으로推進시키고 있으며, 아직 AGI(인공 일반 지능)를 달성하지 못했지만, 지능이指数적으로 증가하고 있습니다. AI 생태계는 매일 새로운 발전을 경험하고 있으며, 미래의 돌파구와 GPT-4와 같은 복잡한 문제를 해결할 수 있는 버전의 GPT는 이러한 시스템이 사용자와 상호작용하는 방식을革命적으로 바꿀 수 있습니다.
Auto-GPT란 무엇입니까?
Auto-GPT는 자연어로 표현된 목표를 달성하기 위해 더 작은 하위 작업으로 나누고 인터넷 및 기타 도구와 같은 리소스를 자동으로 사용하는 AI 에이전트입니다. 이 에이전트는 OpenAI의 GPT-4 또는 GPT-3.5 API를 사용하며, GPT-4를 사용하여 자율 작업을 수행하는 최초의 응용 프로그램 중 하나입니다.
대화형 시스템과 달리 ChatGPT와 같은 각 작업에 대한 수동 지시를 필요로 하는 반면, Auto-GPT는 더 큰 목표를 달성하기 위해 스스로 목표를 설정하며, 인간의 개입이 필요하지 않습니다. 특정 작업을 수행하기 위한 프롬프트에 대한 응답을 생성할 수 있으며, Auto-GPT는 또한 새로 획득한 정보를 기반으로 재귀적 인스턴스에 대한 프롬프트를 생성하고 수정할 수 있습니다.
미래를 위한 의미
실험 단계에 있으며 일부 제한이 있지만, 에이전트는 하드웨어 및 소프트웨어의 비용이 감소함에 따라 생산성 향상을 높일 수 있습니다. ARK Invest의 연구에 따르면, AI 소프트웨어는 2030년까지 14조 달러의 매출과 90조 달러의 기업 가치를 창출할 수 있습니다. GPT-4와 같은 기초 모델이 계속 발전함에 따라, 많은 회사들이 자신의 작은 특수 모델을 훈련시키고 있습니다. 기초 모델은 광범위한 응용 분야를 가지고 있지만, 작은 특수 모델은 추론 비용이 줄어드는 등의 장점을 제공합니다.
또한, 저작권 문제와 데이터 거버넌스에 대한 우려로 많은 기업들이 공개 및 사적 데이터의 혼합을 사용하여 자체 모델을 개발하고 있습니다. PubMed 생물의학 데이터를 사용하여 훈련된 2.7억 파라미터의 LLM은 USMLE(미국 의사 면허 시험) 질문 및 답변 테스트에서 유망한 결과를 달성했습니다. 훈련 비용은 MosaicML 플랫폼에서 약 38,000달러였으며, 계산 기간은 6.25일이었습니다. 반면에, GPT-3의 최종 훈련 실행은 약 500만 달러의 컴퓨팅 비용을 소요한 것으로 추정됩니다.
