Auto-Gpt и BabyAGI с открытым исходным кодом интегрируют рекурсию в приложения ИИ

Недавние разработки с участием Авто-GPT и BabyAGI продемонстрировали впечатляющий потенциал автономных агентов, вызвав значительный энтузиазм в области исследований ИИ и разработки программного обеспечения. Эти агенты, основанные на больших языковых моделях (LLM), способны выполнять сложные последовательности задач в ответ на запросы пользователя. Используя различные ресурсы, такие как доступ к Интернету и локальным файлам, другие API и базовые структуры памяти, эти агенты демонстрируют ранние достижения в интеграции рекурсии в приложения ИИ.

Что такое BabyAGI?

BabyAGI, представленный Йохеем Накадзимой в Твиттере 28 марта 2023 года, представляет собой упрощенную версию оригинального автономного агента, управляемого задачами. Используя возможности обработки естественного языка (NLP) OpenAI и Pinecone для хранения и извлечения результатов задач в контексте, BabyAGI обеспечивает эффективный и удобный интерфейс. BabyAGI, состоящий из 140 строк кода, легко понять и расширить.

Имя BabyAGI действительно имеет большое значение, поскольку эти инструменты настойчиво подталкивают общество к системам ИИ, которые, хотя и не достигли Искусственный общий интеллект (AGI), экспоненциально увеличивают свою мощность. Экосистема искусственного интеллекта ежедневно испытывает новые достижения, а благодаря будущим прорывам и потенциалу версии GPT, способной самостоятельно решать сложные проблемы, эти системы теперь создают у пользователей впечатление взаимодействия с AGI.

Что такое Auto-GPT?

Auto-GPT — это агент ИИ, предназначенный для достижения целей, выраженных на естественном языке, путем разделения их на более мелкие подзадачи и использования таких ресурсов, как Интернет и другие инструменты, в автоматизированном цикле. Этот агент использует API OpenAI GPT-4 или GPT-3.5 и выделяется как одно из первых приложений, использующих GPT-4 для выполнения автономных задач.

В отличие от интерактивных систем, таких как ChatGPT, которые зависят от ручных инструкций для каждой задачи, Auto-GPT ставит перед собой новые цели для достижения более крупной цели, не обязательно требуя вмешательства человека. Способный генерировать ответы на подсказки для выполнения определенной задачи, Auto-GPT также может создавать и изменять свои собственные подсказки для рекурсивных экземпляров на основе вновь полученной информации.

Что это значит двигаться вперед

Хотя агенты все еще находятся на экспериментальной стадии и имеют некоторые ограничения, они готовы повысить производительность за счет снижения затрат на аппаратное и программное обеспечение ИИ. В соответствии с Исследование АРК ИнвестК 14 году программное обеспечение для искусственного интеллекта потенциально может принести до 90 трлн долларов дохода и 2030 трлн долларов корпоративной стоимости. По мере того, как базовые модели, такие как GPT-4, продолжают развиваться, многие компании предпочитают обучать свои собственные более мелкие специализированные модели. В то время как базовые модели имеют широкий спектр приложений, более мелкие специализированные модели предлагают такие преимущества, как снижение затрат на логические выводы.

Более того, многие предприятия, обеспокоенные вопросами авторского права и управления данными, предпочитают разрабатывать свои проприетарные модели, используя сочетание общедоступных и частных данных. Ярким примером является LLM с 2.7 миллиардами параметров, обученный на PubMed биомедицинские данные, которые дали многообещающие результаты в тесте вопросов и ответов USMLE. Стоимость обучения составила около 38,000 XNUMX долларов США. Платформа MosaicML, с продолжительностью вычислений 6.25 дня. Напротив, последний тренировочный запуск GPT-3 оценивается в около 5 миллионов долларов на вычисления.