Odprtokodni Auto-Gpt & BabyAGI integrirata rekurzijo v aplikacije AI

Nedavni dogodki, ki vključujejo Auto-GPT in BabyAGI so pokazali impresiven potencial avtonomnih agentov, kar je povzročilo veliko navdušenje na področju raziskav AI in razvoja programske opreme. Ti agenti, ki temeljijo na velikih jezikovnih modelih (LLM), so sposobni izvajati zapletena zaporedja opravil kot odgovor na pozive uporabnika. Z uporabo različnih virov, kot so dostop do interneta in lokalnih datotek, drugi API-ji in osnovne pomnilniške strukture, ti agenti kažejo zgodnji napredek pri integraciji rekurzije v aplikacije AI.

Kaj je BabyAGI?

BabyAGI, ki ga je predstavil Yohei Nakajima prek Twitterja 28. marca 2023, je poenostavljena ponovitev prvotnega avtonomnega agenta, ki ga vodijo naloge. BabyAGI z uporabo zmožnosti obdelave naravnega jezika (NLP) OpenAI in Pinecone za shranjevanje in pridobivanje rezultatov opravil v kontekstu zagotavlja učinkovito in uporabniku prijazno izkušnjo. Z jedrnatimi 140 vrsticami kode je BabyAGI enostaven za razumevanje in razširitev.

Ime BabyAGI je res pomembno, saj ta orodja vztrajno ženejo družbo k sistemom umetne inteligence, ki sicer še ne dosegajo Umetna splošna inteligenca (AGI), eksponentno naraščajo. Ekosistem umetne inteligence dnevno doživlja nov napredek in s prihodnjimi preboji in potencialom za različico GPT, ki se lahko sama spopade z zapletenimi problemi, ti sistemi zdaj dajejo uporabnikom vtis, da komunicirajo z AGI.

Kaj je Auto-GPT?

Auto-GPT je agent AI, zasnovan za doseganje ciljev, izraženih v naravnem jeziku, tako da jih razdeli na manjše podnaloge in uporabi vire, kot so internet in druga orodja v avtomatizirani zanki. Ta agent uporablja API-je GPT-4 ali GPT-3.5 OpenAI in izstopa kot ena od pionirskih aplikacij, ki uporabljajo GPT-4 za izvajanje avtonomnih nalog.

Za razliko od interaktivnih sistemov, kot je ChatGPT, ki so odvisni od ročnih navodil za vsako nalogo, Auto-GPT sam postavlja nove cilje za doseganje večjega cilja, ne da bi nujno potreboval človeško posredovanje. Zmožen generiranja odgovorov na pozive za izpolnitev določene naloge, lahko Auto-GPT ustvari in spremeni lastne pozive za rekurzivne primerke na podlagi na novo pridobljenih informacij.

Kaj to pomeni Premik naprej

Čeprav so še vedno v poskusni fazi in z nekaterimi omejitvami, so agenti pripravljeni povečati produktivnost, ki jo olajšajo nižji stroški strojne in programske opreme AI. Po navedbah Raziskave ARK Investa, bi lahko programska oprema AI potencialno ustvarila do 14 bilijonov dolarjev prihodkov in 90 bilijonov dolarjev vrednosti podjetja do leta 2030. Ker temeljni modeli, kot je GPT-4, še naprej napredujejo, se številna podjetja odločajo za usposabljanje lastnih manjših, specializiranih modelov. Medtem ko imajo osnovni modeli široko paleto aplikacij, manjši specializirani modeli ponujajo prednosti, kot so nižji stroški sklepanja.

Poleg tega se mnoga podjetja, ki jih skrbijo vprašanja avtorskih pravic in upravljanja podatkov, odločajo za razvoj svojih lastniških modelov z uporabo mešanice javnih in zasebnih podatkov. Pomemben primer je LLM z 2.7 milijarde parametrov, na katerem se usposablja PubMed biomedicinskih podatkov, ki so dosegli obetavne rezultate na testu vprašanj in odgovorov US Medical Licensing Exam (USMLE). Stroški usposabljanja so bili približno 38,000 $ MosaicML platforma, s trajanjem izračuna 6.25 dni. Nasprotno pa naj bi končna učna izvedba GPT-3 stala skoraj 5 milijonov dolarjev v izračunih.