Yapay zeka modelleri ve platformları
Açık Kaynaklı Auto-GPT & BabyAGI, AI Uygulamalarına Özyinelemeyi Entegre Ediyor
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
Auto-GPT ve BabyAGI ile ilgili yakın zamanda yapılan geliştirmeler, otonom ajanların etkileyici potansiyelini gösterdi ve AI araştırma ve yazılım geliştirme alanlarında önemli bir heyecan yarattı. Bu ajanlar, büyük dil modelleri (LLM) temel alınarak oluşturulmuş ve kullanıcı talimatlarına yanıt olarak karmaşık görev dizilerini gerçekleştirebiliyorlar. İnternet ve yerel dosya erişimini, diğer API’leri ve temel bellek yapılarını kullanarak bu ajanlar, AI uygulamalarına özyinelemeyi entegre etme konusunda erken ilerlemeler gösteriyorlar.
BabyAGI Nedir?
BabyAGI, 28 Mart 2023’te Yohei Nakajima tarafından Twitter üzerinden tanıtılan, orijinal Görev Odaklı Otonom Ajanın basitleştirilmiş bir versiyonudur. OpenAI’nin doğal dil işleme (NLP) yeteneklerini ve Pinecone’u görev sonuçlarını bağlam içinde depolamak ve almak için kullanan BabyAGI, verimli ve kullanıcı dostu bir deneyim sunar. 140 satırdan oluşan kodu ile BabyAGI, anlaşılması ve üzerine inşa edilmesi kolaydır.
BabyAGI ismi gerçekten önemlidir, çünkü bu araçlar toplumu, henüz Yapay Genel Zeka (AGI) seviyesine ulaşmasa da, güçlerini katlayarak artıran AI sistemlerine doğru sürekli olarak ilerletmektedir. AI ekosistemi günlük olarak yeni gelişmeler yaşamakta ve gelecekteki atılımlar ile GPT’nin komplex sorunları çözmek için kendisini yönlendirebilecek bir versiyonu ile bu sistemler, kullanıcıların AGI ile etkileşime girdiği izlenimini uyandırmaktadır.
Auto-GPT Nedir?
Auto-GPT, doğal dilde ifade edilen hedefleri gerçekleştirmek için tasarlanmış bir AI ajanıdır. Bu, hedefleri daha küçük alt görevlere bölmek ve internet ve diğer araçları otomatik bir döngüde kullanmayı içerir. Auto-GPT, OpenAI’nin GPT-4 veya GPT-3.5 API’lerini kullanır ve GPT-4’ü kullanarak otonom görevleri gerçekleştiren öncü uygulamalardan biridir.
ChatGPT gibi etkileşimli sistemlerin aksine, her görev için manuel talimatlara bağlı olan Auto-GPT, daha büyük bir hedefi gerçekleştirmek için kendisine yeni hedefler belirler ve insan müdahalesi gerektirmez. Belirli bir görevi gerçekleştirmek için yanıtlar üretebilen Auto-GPT, ayrıca yeni edinilen bilgiler temelinde özyinelemeli örnekler için kendi talimatlarını oluşturabilir ve değiştirebilir.
İleriye Doğru Ne Anlama Geliyor?
Deneysel aşamasında ve bazı sınırlamalara rağmen, ajanlar AI donanım ve yazılımının maliyetinin azalmasıyla sağlanan verimlilik kazançlarını artıracaklar. ARK Invest’in araştırmasına göre, AI yazılımları 2030 yılına kadar 14 trilyon dolar gelir ve 90 trilyon dolar şirket değeri üretebilir. GPT-4 gibi temel modeller ilerledikçe, birçok şirket kendi daha küçük, uzmanlaşmış modellerini eğitmeyi tercih ediyor. Temel modeller geniş bir uygulama yelpazesine sahipken, daha küçük uzmanlaşmış modeller, azaltılmış çıkarım maliyetleri gibi avantajlar sunuyor.
Dahası, telif hakkı sorunları ve veri yönetimi konusunda endişe duyan birçok işletme, kamu ve özel veri karışımı kullanarak kendi özel modellerini geliştiriyor. Bir örnek, PubMed biyomedikal verilerine dayalı 2.7 milyar parametreli bir LLM, USMLE soru-cevap testinde umut verici sonuçlar elde etti. Eğitim maliyeti MosaicML platformunda yaklaşık 38.000 dolar iken, hesaplama süresi 6,25 gün sürdü. Karşılaştırıldığında, GPT-3’ün son eğitim çalışmasının hesaplama maliyetinin yaklaşık 5 milyon dolar olduğu tahmin ediliyor.
