โมเดลและแพลตฟอร์ม AI

โอเพ่นซอร์ส Auto-GPT และ BabyAGI รวมการเรียกซ้ำเข้าไปในแอปพลิเคชัน AI

Antoine Tardif
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญAuto-GPT สร้างความโดดเด่นด้วยการสร้างและปรับแก้พรอมป์ของตัวเองสำหรับอินสแตนซ์แบบเรียกซ้ำ
ดูเพิ่มเติม
  • Auto-GPT สร้างความโดดเด่นด้วยการสร้างและปรับแก้พรอมป์ของตัวเองสำหรับอินสแตนซ์แบบเรียกซ้ำ
  • BabyAGI ยังคงมีขนาดกะทัดรัดและอ่านง่าย ซึ่งทำให้ผู้พัฒนาสามารถเข้าใจและขยายความสามารถได้ง่าย
  • เอเจนต์อัตโนมัติสัญญาว่าจะเพิ่มผลผลิตได้ เมื่อต้นทุนฮาร์ดแวร์และซอฟต์แวร์ AI ลดลงอย่างต่อเนื่อง

การพัฒนาล่าสุดเกี่ยวกับ Auto-GPT และ BabyAGI ได้แสดงถึงศักยภาพที่น่าประทับใจของเอเย่นต์อัตโนมัติ ซึ่งสร้างความสนใจอย่างมากในวงการวิจัยและพัฒนาซอฟต์แวร์ AI เหล่านี้เป็นเอเย่นต์ที่สามารถทำงานได้หลากหลายและซับซ้อน โดยใช้ทรัพยากรต่างๆ เช่น อินเทอร์เน็ตและไฟล์ cục bộ การเข้าถึง API และโครงสร้างหน่วยความจำพื้นฐาน ซึ่งแสดงถึงความก้าวหน้าในด้านการรวมการเรียกซ้ำเข้าไปในแอปพลิเคชัน AI

อะไรคือ BabyAGI?

BabyAGI ซึ่งถูกแนะนำโดย Yohei Nakajima ผ่าน Twitter เมื่อวันที่ 28 มีนาคม 2023 เป็นรุ่นที่ปรับปรุงของเอเย่นต์อัตโนมัติที่ขับเคลื่อนด้วยงาน โดยใช้ความสามารถในการประมวลผลภาษาธรรมชาติของ OpenAI และ Pinecone สำหรับการจัดเก็บและเรียกค้นผลลัพธ์งานในบริบท BabyAGI ให้ประสบการณ์ที่มีประสิทธิภาพและใช้งานง่าย โดยมีรหัสเพียง 140 บรรทัด ทำให้ง่ายต่อการเข้าใจและขยายต่อ

อะไรคือ Auto-GPT?

Auto-GPT เป็นเอเย่นต์ AI ที่ออกแบบมาเพื่อทำงานให้สำเร็จโดยแบ่งงานออกเป็นงานย่อยๆ และใช้ทรัพยากรต่างๆ เช่น อินเทอร์เน็ตและเครื่องมืออื่นๆ ในลูปอัตโนมัติ เอเย่นต์นี้ใช้ API ของ OpenAI GPT-4 หรือ GPT-3.5 และเป็นหนึ่งในแอปพลิเคชันแรกที่ใช้ GPT-4 ในการทำงานอัตโนมัติ

สิ่งนี้หมายถึงอะไรในอนาคต

แม้ว่ายังอยู่ในขั้นทดลองและยังมีข้อจำกัด แต่เอเย่นต์เหล่านี้มีศักยภาพที่จะเพิ่มผลผลิตโดยการลดต้นทุนของฮาร์ดแวร์และซอฟต์แวร์ AI ตามรายงานของ ARK Invest ซอฟต์แวร์ AI อาจสร้างรายได้ถึง 14 ล้านล้านดอลลาร์และมีมูลค่าองค์กรถึง 90 ล้านล้านดอลลาร์ภายในปี 2030 เมื่อโมเดลพื้นฐาน เช่น GPT-4 ยังคงพัฒนาหลายบริษัทเลือกที่จะฝึกโมเดลที่เล็กลงและเฉพาะเจาะจง โดยใช้ข้อมูลสาธารณะและเอกชน

นอกจากนี้ หลายบริษัทที่กังวลเกี่ยวกับปัญหาลิขสิทธิ์และข้อมูลเลือกที่จะพัฒนาโมเดลของตนเองโดยใช้ข้อมูลสาธารณะและเอกชน ตัวอย่างเช่น โมเดล LLM 2.7 พันล้านพารามิเตอร์ที่ฝึกอบรมบนข้อมูล PubMed ได้แสดงผลลัพธ์ที่น่าหวังในการทดสอบคำถามและคำตอบของการสอบใบอนุญาตแพทย์แห่งสหรัฐ (USMLE) ต้นทุนการฝึกอบรมอยู่ที่ประมาณ 38,000 ดอลลาร์บน แพลตฟอร์ม MosaicML โดยใช้เวลาประมวลผล 6.25 วัน ในทางตรงกันข้าม การฝึกอบรมรอบสุดท้ายของ GPT-3 มีค่าใช้จ่ายประมาณ 5 ล้านเหรียญสหรัฐในการคำนวณ

อองตวนเป็นผู้นำที่มีวิสัยทัศน์และหุ้นส่วนผู้ก่อตั้ง Unite.AI โดยมีความมุ่งมั่นอย่างไม่เปลี่ยนแปลงในการกำหนดทิศทางและส่งเสริมอนาคตของ AI และหุ่นยนต์ ในฐานะผู้ประกอบการที่ก่อตั้งธุรกิจมาแล้วหลายแห่ง เขาเชื่อว่า AI จะสร้างการเปลี่ยนแปลงครั้งใหญ่ต่อสังคมเช่นเดียวกับไฟฟ้า และมักกล่าวถึงศักยภาพของเทคโนโลยีที่พลิกโฉมโลกและ AGI อย่างกระตือรือร้น

ในฐานะ นักอนาคตศาสตร์ เขาทุ่มเทให้กับการสำรวจว่านวัตกรรมเหล่านี้จะกำหนดรูปแบบโลกของเราอย่างไร นอกจากนี้ เขายังเป็นผู้ก่อตั้ง Securities.io ซึ่งเป็นแพลตฟอร์มที่มุ่งเน้นการลงทุนในเทคโนโลยีล้ำสมัยที่กำลังนิยามอนาคตใหม่และเปลี่ยนโฉมอุตสาหกรรมทั้งภาคส่วน