Otwarte źródło Auto-GPT i BabyAGI integrują rekurencję w aplikacjach AI

Ostatnie rozwoje wokół Auto-GPT i BabyAGI wykazały imponujący potencjał autonomicznych agentów, generując znaczne zainteresowanie w sferze badań nad AI i rozwoju oprogramowania. Agenci ci, opierający się na dużych modelach językowych (LLM), są w stanie wykonywać złożone sekwencje zadań w odpowiedzi na podpowiedzi użytkownika. Wykorzystując różne zasoby, takie jak dostęp do internetu i plików lokalnych, inne API oraz podstawowe struktury pamięci, agenci ci wykazują wczesne postępy w integrowaniu rekurencji w aplikacjach AI.

Co to jest BabyAGI?

BabyAGI, wprowadzony przez Yohei Nakajimę za pośrednictwem Twittera 28 marca 2023 r., jest uproszczoną wersją oryginalnego Task-Driven Autonomous Agent. Wykorzystując możliwości przetwarzania języka naturalnego (NLP) OpenAI i Pinecone do przechowywania i pobierania wyników zadań w kontekście, BabyAGI zapewnia wydajne i przyjazne dla użytkownika doświadczenie. Z zaledwie 140 liniami kodu BabyAGI jest łatwy do zrozumienia i rozbudowy.

Nazwa BabyAGI jest istotna, ponieważ te narzędzia stale napędzają społeczeństwo w kierunku systemów AI, które, choć jeszcze nie osiągają sztucznej inteligencji ogólnej (AGI), wykazują wykładniczy wzrost mocy. Ekosystem AI doświadcza nowych postępów każdego dnia, a z przyszłymi przełomami i potencjalnymi wersjami GPT, które mogą samodzielnie generować podpowiedzi do rozwiązywania złożonych problemów, te systemy dają użytkownikom wrażenie interakcji z AGI.

Co to jest Auto-GPT?

Auto-GPT to agent AI zaprojektowany do realizacji celów wyrażonych w języku naturalnym przez podział ich na mniejsze podzadania i wykorzystanie zasobów, takich jak internet i inne narzędzia, w automatycznym cyklu. Agent ten wykorzystuje API GPT-4 lub GPT-3.5 OpenAI i wyróżnia się jako jeden z pionierskich aplikacji, które wykorzystują GPT-4 do realizacji autonomicznych zadań.

W przeciwieństwie do interaktywnych systemów, takich jak ChatGPT, które zależą od ręcznych instrukcji dla każdego zadania, Auto-GPT ustala nowe cele dla siebie, aby osiągnąć większy cel, bez konieczności interwencji człowieka. Agent ten jest w stanie generować odpowiedzi na podpowiedzi, aby spełnić określone zadanie, a także tworzyć i modyfikować własne podpowiedzi dla przypadków rekursywnych na podstawie nowo uzyskanych informacji.

Co to oznacza dla przyszłości

Chociaż agenci ci są jeszcze w fazie eksperymentalnej i mają pewne ograniczenia, są one gotowe do zwiększenia zysków produktywności dzięki malejącym kosztom sprzętu i oprogramowania AI. Zgodnie z badaniami ARK Invest, oprogramowanie AI może potencjalnie wygenerować do 14 bilionów dolarów przychodu i 90 bilionów dolarów wartości przedsiębiorstw do 2030 r. W miarę postępów modeli podstawowych, takich jak GPT-4, wiele firm decyduje się na szkolenie własnych mniejszych, wyspecjalizowanych modeli. Chociaż modele podstawowe mają szeroki zakres zastosowań, mniejsze modele wyspecjalizowane oferują korzyści, takie jak zmniejszone koszty inferencji.

Ponadto, wiele firm zainteresowanych kwestiami praw autorskich i zarządzaniem danymi wybiera rozwój własnych modeli przy użyciu kombinacji danych publicznych i prywatnych. Godny uwagi przykład to model LLM o 2,7 miliardzie parametrów, szkolony na danych biomedycznych PubMed, który osiągnął obiecujące wyniki w teście pytań i odpowiedzi egzaminu licencyjnego USMLE. Koszt szkolenia wyniósł około 38 000 dolarów na platformie MosaicML, z czasem obliczeniowym 6,25 dni. Dla porównania, ostateczny przebieg szkolenia GPT-3 jest szacowany na około 5 milionów dolarów w kosztach obliczeniowych.