Tích hợp Tự động Auto-GPT & BabyAGI: Tích hợp đệ quy vào ứng dụng AI

Các phát triển gần đây liên quan đến Auto-GPT và BabyAGI đã chứng minh tiềm năng ấn tượng của các tác nhân tự động, tạo ra sự hào hứng đáng kể trong lĩnh vực nghiên cứu và phát triển phần mềm AI. Các tác nhân này, dựa trên mô hình ngôn ngữ lớn (LLM), có khả năng thực hiện các chuỗi nhiệm vụ phức tạp để đáp ứng các yêu cầu của người dùng. Bằng cách sử dụng nhiều tài nguyên như truy cập internet và tệp tin cục bộ, các API khác và cấu trúc bộ nhớ cơ bản, các tác nhân này thể hiện những bước tiến đầu tiên trong việc tích hợp đệ quy vào các ứng dụng AI.

Auto-GPT và BabyAGI là gì?

BabyAGI, được giới thiệu bởi Yohei Nakajima qua Twitter vào ngày 28 tháng 3 năm 2023, là một phiên bản tinh gọn của Tác nhân Tự động Được Chỉ định Ban đầu. Sử dụng khả năng xử lý ngôn ngữ tự nhiên (NLP) của OpenAI và Pinecone để lưu trữ và lấy kết quả nhiệm vụ trong ngữ cảnh, BabyAGI cung cấp một trải nghiệm hiệu quả và thân thiện với người dùng. Với chỉ 140 dòng mã, BabyAGI dễ dàng hiểu và mở rộng.

Tên BabyAGI thực sự có ý nghĩa vì những công cụ này liên tục đẩy xã hội hướng tới các hệ thống AI, mặc dù chưa đạt được Trí tuệ Tổng quát Nhân tạo (AGI), nhưng đang tăng sức mạnh theo cấp số nhân. Hệ sinh thái AI trải qua những tiến bộ mới mỗi ngày, và với những đột phá trong tương lai và khả năng của một phiên bản GPT có thể tự nhắc mình giải quyết các vấn đề phức tạp, những hệ thống này hiện cho người dùng cảm giác như đang tương tác với AGI.

Auto-GPT là gì?

Auto-GPT là một tác nhân AI được thiết kế để đạt được các mục tiêu được thể hiện bằng ngôn ngữ tự nhiên bằng cách chia chúng thành các nhiệm vụ con nhỏ hơn và sử dụng tài nguyên như internet và các công cụ khác trong một vòng lặp tự động. Tác nhân này sử dụng API GPT-4 hoặc GPT-3.5 của OpenAI và nổi bật như một trong những ứng dụng tiên phong sử dụng GPT-4 để thực hiện các nhiệm vụ tự động.

Không giống như các hệ thống tương tác như ChatGPT, phụ thuộc vào hướng dẫn thủ công cho mỗi nhiệm vụ, Auto-GPT đặt ra các mục tiêu mới cho chính mình để đạt được một mục tiêu lớn hơn, mà không nhất thiết cần can thiệp của con người. Có khả năng tạo ra các phản hồi cho các yêu cầu để hoàn thành một nhiệm vụ cụ thể, Auto-GPT cũng có thể tạo và sửa đổi các yêu cầu của chính nó cho các trường hợp đệ quy dựa trên thông tin mới thu được.

Điều này có nghĩa là gì khi di chuyển tiến về phía trước

Mặc dù vẫn còn trong giai đoạn thử nghiệm và có một số hạn chế, các tác nhân này có khả năng tăng cường lợi ích về năng suất được tạo điều kiện bởi chi phí giảm của phần cứng và phần mềm AI. Theo nghiên cứu của ARK Invest, phần mềm AI có thể tạo ra doanh thu lên đến 14 nghìn tỷ đô la và giá trị doanh nghiệp lên đến 90 nghìn tỷ đô la vào năm 2030. Khi các mô hình cơ bản như GPT-4 tiếp tục tiến bộ, nhiều công ty đang chọn cách đào tạo các mô hình nhỏ hơn, chuyên biệt của riêng họ. Mặc dù các mô hình cơ bản có một loạt các ứng dụng, nhưng các mô hình nhỏ hơn, chuyên biệt mang lại những lợi thế như giảm chi phí suy luận.

Ngoài ra, nhiều doanh nghiệp lo ngại về các vấn đề bản quyền và quản lý dữ liệu đang chọn cách phát triển các mô hình độc quyền của riêng họ bằng cách kết hợp dữ liệu công khai và riêng tư. Một ví dụ đáng chú ý là một mô hình LLM 2,7 tỷ tham số được đào tạo trên dữ liệu PubMed về dữ liệu y sinh, đã đạt được kết quả đầy hứa hẹn trong bài kiểm tra câu hỏi và trả lời của Kỳ thi cấp phép Y khoa Hoa Kỳ (USMLE). Chi phí đào tạo khoảng 38.000 đô la trên nền tảng MosaicML, với thời gian tính toán là 6,25 ngày. Ngược lại, lần chạy đào tạo cuối cùng của GPT-3 được ước tính có chi phí gần 5 triệu đô la cho tính toán.