โอเพ่นซอร์ส Auto-Gpt & BabyAGI รวมการเรียกซ้ำเข้ากับแอปพลิเคชัน AI

การพัฒนาล่าสุดที่เกี่ยวข้องกับ GPT อัตโนมัติ และ เบบี้เอจี ได้แสดงให้เห็นถึงศักยภาพที่น่าประทับใจของตัวแทนอิสระ สร้างความกระตือรือร้นอย่างมากในแวดวงการวิจัยและพัฒนาซอฟต์แวร์ AI เอเจนต์เหล่านี้ซึ่งใช้โมเดลภาษาขนาดใหญ่ (LLM) สามารถดำเนินการลำดับงานที่ซับซ้อนเพื่อตอบสนองต่อข้อความแจ้งของผู้ใช้ ด้วยการใช้ทรัพยากรที่หลากหลาย เช่น อินเทอร์เน็ตและการเข้าถึงไฟล์ในเครื่อง, API อื่นๆ และโครงสร้างหน่วยความจำพื้นฐาน เอเจนต์เหล่านี้แสดงความก้าวหน้าในช่วงต้นของการรวมการเรียกซ้ำเข้ากับแอปพลิเคชัน AI

BabyAGI คืออะไร?

BabyAGI ซึ่งเปิดตัวโดย Yohei Nakajima ผ่านทาง Twitter เมื่อวันที่ 28 มีนาคม 2023 เป็นการทำซ้ำที่มีประสิทธิภาพมากขึ้นจาก Task-Driven Autonomous Agent ดั้งเดิม ด้วยการใช้ความสามารถในการประมวลผลภาษาธรรมชาติ (NLP) ของ OpenAI และ Pinecone ในการจัดเก็บและเรียกค้นผลลัพธ์งานในบริบท BabyAGI มอบประสบการณ์ที่มีประสิทธิภาพและเป็นมิตรกับผู้ใช้ ด้วยโค้ดที่กระชับถึง 140 บรรทัด BabyAGI จึงง่ายต่อการเข้าใจและขยายความ

ชื่อ BabyAGI มีความสำคัญอย่างยิ่งเนื่องจากเครื่องมือเหล่านี้ขับเคลื่อนสังคมอย่างต่อเนื่องไปสู่ระบบ AI ซึ่งในขณะที่ยังไม่บรรลุ ปัญญาประดิษฐ์ทั่วไป (AGI) กำลังเพิ่มขึ้นอย่างทวีคูณ ระบบนิเวศของ AI พบกับความก้าวหน้าใหม่ๆ ทุกวัน และด้วยความก้าวหน้าในอนาคตและศักยภาพของเวอร์ชันของ GPT ที่สามารถกระตุ้นให้ตัวเองจัดการกับปัญหาที่ซับซ้อนได้ ปัจจุบันระบบเหล่านี้ทำให้ผู้ใช้รู้สึกประทับใจในการโต้ตอบกับ AGI

Auto-GPT คืออะไร?

Auto-GPT คือเอเจนต์ AI ที่ออกแบบมาเพื่อบรรลุเป้าหมายที่แสดงเป็นภาษาธรรมชาติ โดยแบ่งเป็นงานย่อยเล็กๆ และใช้ทรัพยากร เช่น อินเทอร์เน็ตและเครื่องมืออื่นๆ ในลูปอัตโนมัติ เอเจนต์นี้ใช้ GPT-4 หรือ GPT-3.5 API ของ OpenAI และโดดเด่นในฐานะหนึ่งในแอปพลิเคชันบุกเบิกที่ใช้ GPT-4 เพื่อทำงานอัตโนมัติ

ซึ่งแตกต่างจากระบบโต้ตอบเช่น ChatGPT ซึ่งขึ้นอยู่กับคำแนะนำด้วยตนเองสำหรับแต่ละงาน Auto-GPT ตั้งเป้าหมายใหม่สำหรับตัวมันเองเพื่อให้บรรลุวัตถุประสงค์ที่ใหญ่ขึ้น โดยไม่ต้องอาศัยการแทรกแซงของมนุษย์ Auto-GPT สามารถสร้างการตอบสนองต่อข้อความแจ้งเพื่อทำงานบางอย่างให้สำเร็จได้ นอกจากนี้ Auto-GPT ยังสามารถสร้างและแก้ไขข้อความแจ้งของตัวเองสำหรับอินสแตนซ์แบบเรียกซ้ำตามข้อมูลที่ได้รับมาใหม่

สิ่งนี้หมายถึงการก้าวไปข้างหน้า

แม้ว่าจะยังอยู่ในช่วงทดลองและด้วยข้อจำกัดบางประการ แต่ตัวแทนก็พร้อมที่จะเพิ่มผลผลิตที่ได้รับจากต้นทุนที่ลดลงของฮาร์ดแวร์และซอฟต์แวร์ AI ตาม การวิจัยของ ARK Investซอฟต์แวร์ AI อาจสร้างรายได้สูงถึง 14 ล้านล้านดอลลาร์ และมูลค่าองค์กร 90 ล้านล้านดอลลาร์ภายในปี 2030 ในขณะที่โมเดลพื้นฐานอย่าง GPT-4 มีความคืบหน้าอย่างต่อเนื่อง บริษัทจำนวนมากเลือกที่จะฝึกฝนโมเดลเฉพาะทางที่มีขนาดเล็กลง แม้ว่าโมเดลพื้นฐานจะมีการใช้งานที่หลากหลาย แต่โมเดลเฉพาะทางที่มีขนาดเล็กกว่าก็มีข้อดี เช่น ค่าใช้จ่ายในการอนุมานที่ลดลง

นอกจากนี้ ธุรกิจจำนวนมากที่กังวลเกี่ยวกับปัญหาลิขสิทธิ์และการกำกับดูแลข้อมูลกำลังเลือกที่จะพัฒนาโมเดลที่เป็นกรรมสิทธิ์ของตนโดยใช้ข้อมูลสาธารณะและส่วนตัวผสมกัน ตัวอย่างที่โดดเด่นคือ LLM พารามิเตอร์ 2.7 พันล้านที่ผ่านการฝึกอบรม PubMed ข้อมูลทางชีวการแพทย์ ซึ่งบรรลุผลลัพธ์ที่น่าพอใจจากการทดสอบถาม-ตอบของ US Medical Licensing Exam (USMLE) ค่าใช้จ่ายในการฝึกอบรมอยู่ที่ประมาณ 38,000 ดอลลาร์สหรัฐฯ แพลตฟอร์ม MosaicMLด้วยระยะเวลาการคำนวณ 6.25 วัน ในทางตรงกันข้าม การฝึกอบรมขั้นสุดท้ายของ GPT-3 คาดว่าจะมีค่าใช้จ่ายเกือบ 5 ล้านดอลลาร์ในการประมวลผล