โมเดลและแพลตฟอร์ม AI

AutoGen: ขับเคลื่อนการประยุกต์ใช้แบบจำลองภาษาขนาดใหญ่สำหรับยุคหน้า

Kunal Kejriwal
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
The AutoGen Framework
ประเด็นสำคัญAutoGen ทำงานอัตโนมัติให้กับเวิร์กโฟลว์ที่ซับซ้อนของ LLM…
ดูเพิ่มเติม
  • AutoGen ทำงานอัตโนมัติให้กับเวิร์กโฟลว์ที่ซับซ้อนของ LLM ด้วยการสนทนาระหว่างเอเจนต์หลายตัวที่ปรับแต่งได้ ซึ่งช่วยลดเวลาในการพัฒนาและความพยายามที่ต้องใช้มืออย่างมาก
  • นวัตกรรมหลักของเฟรมเวิร์กนี้คือการเขียนโปรแกรมการสนทนา ซึ่งประสานงานเอเจนต์ผ่านภาษาธรรมชาติและโค้ดเพื่อแก้ไขงานแบบไดนามิก
  • AutoGen ช่วยเปิดใช้งานแอปพลิเคชันใหม่หกประเภท ตั้งแต่การติวคณิตศาสตร์ไปจนถึงหมากรุกแบบสนทนา โดยทำให้ระบบเอเจนต์หลายตัวเข้าถึงได้และนำกลับมาใช้ใหม่ได้

โมเดลภาษาขนาดใหญ่ (LLM) เป็นหัวข้อสำคัญในวงการ AI นักพัฒนาทั่วโลกกำลังสำรวจการประยุกต์ใช้โมเดลเหล่านี้ ซึ่งอาศัยการเรียนรู้เชิงลึกและข้อมูลฝึกจำนวนมากในการทำความเข้าใจ สรุป คาดการณ์ และสร้างเนื้อหา เช่น ข้อความ เสียง ภาพ และวิดีโอ

โมเดลภาษาขนาดใหญ่เป็นอัลกอริทึมที่ซับซ้อน การพัฒนาโมเดลและการสร้างแอปพลิเคชันที่ใช้ศักยภาพของโมเดลอย่างเต็มที่ล้วนต้องอาศัยความเชี่ยวชาญ ความพยายาม และทรัพยากรจำนวนมาก ตั้งแต่การออกแบบ การนำไปใช้ ไปจนถึงการปรับกระบวนการทำงานให้ได้ผลดีที่สุด การทำกระบวนการเหล่านี้ให้เป็นอัตโนมัติจึงมีคุณค่า โดยเฉพาะเมื่อ แอปพลิเคชันที่ใช้ LLM มีความซับซ้อนเพิ่มขึ้น พื้นที่ของทางเลือกในการออกแบบกระบวนการทำงานก็กว้างและซับซ้อน ทำให้การสร้างระบบที่เหมาะสม ทนทาน และได้ประสิทธิภาพตามเป้าหมายยิ่งท้าทาย

AutoGen เป็นเฟรมเวิร์กที่ทีม Microsoft (MSFT ) พัฒนาขึ้นเพื่อทำให้การประสานและปรับกระบวนการทำงานของ LLM ง่ายขึ้นด้วยระบบอัตโนมัติ โดยมีเอเจนต์ที่สนทนาและปรับแต่งได้ ใช้ความสามารถของโมเดลอย่าง GPT-3 และ GPT-4 พร้อมรับมือกับข้อจำกัดของโมเดลด้วยการผสานเครื่องมือและข้อมูลจากมนุษย์ผ่านการสนทนาอัตโนมัติระหว่างหลายเอเจนต์

การสร้างระบบสนทนาหลายเอเจนต์ที่ซับซ้อนด้วย AutoGen มีสองขั้นตอน:

  1. กำหนดชุดเอเจนต์ โดยแต่ละตัวมีบทบาทและความสามารถของตนเอง
  2. กำหนดพฤติกรรมการโต้ตอบ เช่น เอเจนต์ควรตอบอย่างไรเมื่อได้รับข้อความจากเอเจนต์อื่น

ทั้งสองขั้นตอนเป็นแบบโมดูลาร์และเข้าใจได้ง่าย ทำให้ประกอบและนำเอเจนต์กลับมาใช้ซ้ำได้ ตัวอย่างการตอบคำถามด้วยโค้ดเพื่อเพิ่มประสิทธิภาพห่วงโซ่อุปทานในภาพด้านล่างเริ่มจาก Writer เขียนโค้ดและคำอธิบาย จากนั้น Safeguard ตรวจสอบความเป็นส่วนตัวและความปลอดภัย ก่อนที่ Commander จะเรียกใช้โค้ดเมื่อได้รับอนุญาต หากเกิดปัญหาระหว่างทำงาน ระบบจะทำซ้ำจนแก้ไขได้ ผลที่บทความรายงานคือการลดการแทรกแซงด้วยมือประมาณ 3–10 เท่า และลดภาระการเขียนโค้ดได้ถึง 4 เท่า

AutoGen อาจเปลี่ยนวิธีพัฒนาแอปพลิเคชัน LLM ที่ซับซ้อน โดยลดทั้งการโต้ตอบด้วยมือและงานเขียนโค้ด ช่วยให้พัฒนาได้เร็วขึ้นและใช้เวลา ความพยายาม และทรัพยากรน้อยลง บทความนี้จะอธิบายองค์ประกอบ สถาปัตยกรรม และการประยุกต์ใช้เฟรมเวิร์ก

แนะนำ AutoGen: ขับเคลื่อนแอปพลิเคชันโมเดลภาษาขนาดใหญ่ยุคใหม่

AutoGen เป็นเฟรมเวิร์กโอเพนซอร์สของ Microsoft สำหรับสร้างแอปพลิเคชันที่ใช้หลายเอเจนต์สนทนากันเพื่อทำงานให้สำเร็จ เอเจนต์ปรับแต่งได้และทำงานได้หลายโหมด โดยผสมผสานเครื่องมือ ข้อมูลจากมนุษย์ และ LLM นักพัฒนากำหนดพฤติกรรมการโต้ตอบและรูปแบบการสนทนาที่ยืดหยุ่นได้ด้วยทั้งโค้ดและภาษาธรรมชาติ จึงใช้เป็นเฟรมเวิร์กทั่วไปสำหรับสร้างแอปพลิเคชันหรือเฟรมเวิร์กที่มีความซับซ้อนแตกต่างกันได้

โมเดลภาษาขนาดใหญ่ มีบทบาทสำคัญในการสร้างเอเจนต์ที่ปรับตัวต่อสิ่งที่สังเกตใหม่ ใช้เครื่องมือ และให้เหตุผลในการใช้งานจริง แต่การพัฒนาแอปพลิเคชันที่ใช้ศักยภาพของ LLM ได้เต็มที่ยังซับซ้อน เมื่อความต้องการและความยากของงานเพิ่มขึ้น จึงจำเป็นต้องเพิ่มศักยภาพด้วยหลายเอเจนต์ที่ทำงานร่วมกัน แล้วจะนำวิธีนี้ไปใช้กับงานในหลายสาขาที่มีความซับซ้อนต่างกันอย่างไร? AutoGen พยายามตอบคำถามนี้ด้วยการสนทนาระหว่างหลายเอเจนต์

AutoGen: องค์ประกอบและเฟรมเวิร์ก

หลักการของ AutoGen คือการรวมและจัดกระบวนการทำงานหลายเอเจนต์ให้คล่องตัวผ่านการสนทนา พร้อมเพิ่มการนำเอเจนต์ที่สร้างแล้วกลับมาใช้ซ้ำ เฟรมเวิร์กมีแนวคิดพื้นฐานสองประการ ได้แก่ เอเจนต์ที่สนทนาได้ และการเขียนโปรแกรมด้วยการสนทนา

เอเจนต์ที่สนทนาได้

เอเจนต์ประเภทนี้มีบทบาทที่กำหนดไว้และส่งหรือรับข้อความจากเอเจนต์อื่นได้ แต่ละตัวรักษาบริบทภายในจากข้อความที่รับหรือส่ง นักพัฒนากำหนดความสามารถเฉพาะได้ เช่น ใช้ LLM ใช้เครื่องมือ หรือรับข้อมูลจากมนุษย์

ความสามารถที่ขับเคลื่อนด้วยมนุษย์ เครื่องมือ และ LLM

ความสามารถของเอเจนต์สัมพันธ์โดยตรงกับวิธีประมวลผลและตอบข้อความ AutoGen จึงให้นักพัฒนาผสมผสานความสามารถได้หลายแบบ:

  • LLM: ใช้ความสามารถ เช่น การอนุมานสถานะโดยนัย การสวมบทบาท การให้ข้อเสนอแนะ และการเขียนโค้ด นักพัฒนาผสานความสามารถเหล่านี้ด้วยเทคนิคการเขียนพรอมป์ต์เพื่อเพิ่มความเป็นอิสระหรือทักษะของเอเจนต์ได้
  • มนุษย์: บางแอปพลิเคชันต้องการหรือจำเป็นต้องมีมนุษย์ร่วมด้วย เอเจนต์ที่มีมนุษย์สนับสนุนอาจขอข้อมูลจากมนุษย์ในบางรอบของการสนทนา ตามการตั้งค่าของเอเจนต์
  • เครื่องมือ: เอเจนต์ใช้การเรียกใช้โค้ดหรือฟังก์ชันเพื่อทำงานผ่านเครื่องมือได้

ความร่วมมือและการปรับแต่งเอเจนต์

นักพัฒนากำหนดให้แต่ละเอเจนต์ผสานระบบสนับสนุนหลายประเภทตามความต้องการของแอปพลิเคชัน เพื่อสร้างพฤติกรรมที่ซับซ้อนในการสนทนาหลายเอเจนต์ สามารถสร้างบทบาทและความสามารถเฉพาะได้โดยขยายหรือนำเอเจนต์ที่มีให้กลับมาใช้ คลาส ConversableAgent เป็นนามธรรมระดับสูงสุดที่รองรับมนุษย์ เครื่องมือ และ LLM ส่วน UserProxyAgent และ AssistantAgent เป็นคลาสที่ตั้งค่าไว้ล่วงหน้าสำหรับรูปแบบการใช้งานทั่วไป เช่น ผู้ช่วย AI ที่ใช้ LLM หรือเอเจนต์ตัวแทนมนุษย์ที่ขอข้อมูลจากผู้ใช้และเรียกใช้โค้ดหรือฟังก์ชันผ่านเครื่องมือ

ภาพต่อไปแสดงระบบสองเอเจนต์ที่มีฟังก์ชันตอบกลับแบบกำหนดเอง และตัวอย่างการสนทนาอัตโนมัติที่เกิดขึ้นระหว่างการเรียกใช้โปรแกรม

เอเจนต์ที่ปรับแต่งและสนทนากันได้เป็นองค์ประกอบพื้นฐานของ AutoGen แต่เพื่อให้แอปพลิเคชันก้าวหน้าไปสู่เป้าหมาย นักพัฒนายังต้องกำหนดและจัดรูปแบบการสนทนาระหว่างเอเจนต์เหล่านี้

การเขียนโปรแกรมด้วยการสนทนา

AutoGen ใช้กระบวนทัศน์การเขียนโปรแกรมด้วยการสนทนาที่มีสองแนวคิดหลัก: การคำนวณ คือสิ่งที่เอเจนต์ทำเพื่อสร้างคำตอบ และ การควบคุมลำดับการทำงาน คือเงื่อนไขหรือลำดับที่ทำให้การคำนวณเกิดขึ้น การกำหนดสองส่วนนี้ช่วยสร้างรูปแบบการสนทนาที่ยืดหยุ่น การคำนวณมีศูนย์กลางอยู่ที่การสนทนา การกระทำของเอเจนต์เกี่ยวข้องกับบทสนทนาปัจจุบันและนำไปสู่การส่งข้อความเพื่อสนทนาต่อจนเข้าเงื่อนไขยุติ ส่วนลำดับการทำงานขับเคลื่อนโดยการสนทนาและการตัดสินใจของเอเจนต์ว่าจะส่งข้อความถึงใครในแต่ละขั้น

ภาพแสดงการทำงานตามบทบาทของแต่ละเอเจนต์และการคำนวณเพื่อสร้างคำตอบ เช่น เรียกใช้โค้ดหรือเรียกการอนุมานของ LLM งานคืบหน้าผ่านบทสนทนาที่แสดงในกล่องข้อความ รูปแบบการออกแบบสำคัญมีดังนี้:

  • กลไกตอบกลับอัตโนมัติและอินเทอร์เฟซรวม: เฟรมเวิร์กมีฟังก์ชันรับและส่งข้อความ รวมถึง generate_reply เพื่อสร้างคำตอบจากข้อความที่ได้รับและดำเนินการที่จำเป็น กลไกตอบกลับอัตโนมัติของเอเจนต์เปิดใช้โดยปริยายเพื่อควบคุมการทำงานผ่านการสนทนา
  • การควบคุมด้วยภาษาธรรมชาติร่วมกับภาษาโปรแกรม: รองรับการควบคุมด้วยภาษาธรรมชาติผ่าน LLM การควบคุมด้วยภาษาโปรแกรม และการส่งต่อการควบคุมระหว่างสองแบบนี้

นอกจากบทสนทนาแบบคงที่ซึ่งมีลำดับกำหนดไว้ล่วงหน้า AutoGen ยังรองรับการสนทนาแบบไดนามิกระหว่างหลายเอเจนต์ผ่านการเรียกฟังก์ชัน หรือการปรับแต่งฟังก์ชันสร้างคำตอบ

การประยุกต์ใช้ AutoGen

ตัวอย่างหกด้านต่อไปนี้แสดงศักยภาพของ AutoGen โดยพิจารณาจากความเกี่ยวข้องกับงานจริง การเพิ่มความสามารถในการแก้ปัญหา และโอกาสสร้างนวัตกรรม ได้แก่ การแก้โจทย์คณิตศาสตร์ การสนทนาที่เสริมด้วยการค้นคืนข้อมูล การสนทนา ALF การเขียนโค้ดหลายเอเจนต์ การสนทนากลุ่มแบบไดนามิก และหมากรุกผ่านบทสนทนา

Applications of AutoGen Framework

การประยุกต์ใช้ 1: การแก้โจทย์คณิตศาสตร์

คณิตศาสตร์เป็นสาขาพื้นฐานที่ LLM สามารถช่วยแก้โจทย์ซับซ้อน เปิดโอกาสตั้งแต่การช่วยวิจัย AI ไปจนถึงการสอนเฉพาะบุคคล ภาพแสดงการใช้ AutoGen เพื่อให้ได้ประสิทธิภาพในการแก้โจทย์ที่แข่งขันกับแนวทางอื่นได้

การประยุกต์ใช้ 2: การตอบคำถามและสร้างโค้ดโดยเสริมด้วยการค้นคืนข้อมูล

การสร้างโค้ดที่เสริมด้วยการค้นคืนข้อมูลเป็นแนวทางที่ได้ผลและใช้ได้จริงในการรับมือกับข้อจำกัดของ LLM ในการใช้เอกสารภายนอก ภาพแสดงการใช้ AutoGen เพื่อเพิ่มประสิทธิภาพการค้นคืนข้อมูลและปรับปรุงผลลัพธ์ของงานตอบคำถาม

การประยุกต์ใช้ 3: การตัดสินใจในสภาพแวดล้อมแบบข้อความ

AutoGen ใช้สร้างแอปพลิเคชันที่ตัดสินใจแบบออนไลน์หรือแบบโต้ตอบได้ ภาพแสดงระบบสนทนาสามเอเจนต์ โดยมีเอเจนต์ที่ช่วยเชื่อมโยงการตัดสินใจกับบริบทของสภาพแวดล้อม เพื่อเพิ่มประสิทธิภาพอย่างมาก

การประยุกต์ใช้ 4: การเขียนโค้ดด้วยหลายเอเจนต์

นักพัฒนาใช้เฟรมเวิร์ก OptiGuide เพื่อสร้างระบบหลายเอเจนต์ที่เขียนโค้ดสำหรับโซลูชันที่ปรับให้เหมาะสมและตอบคำถามผู้ใช้ได้ ภาพแสดงว่าการออกแบบหลายเอเจนต์ด้วย AutoGen ช่วยเพิ่มประสิทธิภาพโดยรวม โดยเฉพาะงานเขียนโค้ดที่ต้องมีการตรวจสอบเพื่อป้องกันความเสี่ยง

การประยุกต์ใช้ 5: การสนทนากลุ่มแบบไดนามิก

AutoGen รองรับรูปแบบการสื่อสารที่หลายเอเจนต์แบ่งปันบริบทและสนทนาอย่างยืดหยุ่น แทนที่จะทำตามคำสั่งที่กำหนดไว้ล่วงหน้า บทสนทนาที่กำลังดำเนินอยู่จะกำหนดทิศทางการโต้ตอบ ภาพแสดงการใช้เอเจนต์พิเศษ GroupChatManager เพื่อสนับสนุนการสนทนากลุ่มลักษณะนี้

การประยุกต์ใช้ 6: หมากรุกผ่านบทสนทนา

ทีมพัฒนาใช้ AutoGen สร้างเกมหมากรุกที่โต้ตอบด้วยภาษาธรรมชาติ ผู้เล่นเป็นเอเจนต์ที่ใช้ LLM หรือมนุษย์ก็ได้ และมีเอเจนต์อีกตัวให้ข้อมูลและตรวจสอบการเดินตามกฎมาตรฐานที่กำหนดไว้ ผู้เล่นอาจใช้มุกตลก สวมบทบาท หรืออ้างอิงมีมเพื่อบอกการเดินอย่างสร้างสรรค์ ทำให้เกมน่าสนใจทั้งสำหรับผู้เล่นและผู้ชม ภาพต่อไปแสดงตัวอย่างแอปพลิเคชันดังกล่าว

สรุป

AutoGen เป็นเฟรมเวิร์กโอเพนซอร์สที่ใช้เอเจนต์ซึ่งสนทนาได้และการเขียนโปรแกรมด้วยการสนทนา เพื่อทำให้การประสานและปรับกระบวนการทำงานของ LLM ง่ายขึ้นด้วยระบบอัตโนมัติ เอเจนต์ที่ปรับแต่งได้ใช้พลังของ GPT-3 และ GPT-4 พร้อมผสานเครื่องมือและข้อมูลจากมนุษย์ผ่านการสนทนาอัตโนมัติระหว่างหลายเอเจนต์เพื่อรับมือข้อจำกัดของโมเดล

แม้ในช่วงเวลาที่เขียนบทความ AutoGen ยังอยู่ในระยะทดลองเริ่มต้น แต่ก็เปิดทางให้การสำรวจและวิจัยต่อไป และอาจช่วยเพิ่มความเร็ว ความสามารถ และความสะดวกในการพัฒนาแอปพลิเคชันที่ใช้ LLM

Kunal Kejriwal เป็นวิศวกรแบ็กเอนด์ที่เชี่ยวชาญด้าน Python, PostgreSQL, Redis และโครงสร้างพื้นฐานคลาวด์บน GCP และ AWS. ด้วยประสบการณ์สามปีในการสร้างและขยายระบบที่ใช้งานจริง เขาเขียนเกี่ยวกับโครงสร้างพื้นฐาน AI, ระบบแบบกระจาย, และสถาปัตยกรรมที่อยู่เบื้องหลังการนำเวิร์กโหลดแมชชีนเลิร์นนิงไปใช้งาน