开源 Auto-Gpt 和 BabyAGI 将递归集成到 AI 应用程序中

最近的事态发展涉及 自动GPT 和 宝宝AGI 展示了自主代理的巨大潜力，在人工智能研究和软件开发领域产生了巨大的热情。 这些代理基于大型语言模型 (LLM)，能够响应用户提示执行复杂的任务序列。 通过利用互联网和本地文件访问、其他 API 和基本内存结构等各种资源，这些代理在将递归集成到 AI 应用程序中展示了早期的进步。

什么是BabyAGI？

BabyAGI 由 Yohei Nakajima 于 28 年 2023 月 140 日通过 Twitter 推出，是原始任务驱动自治代理的简化迭代。 BabyAGI 利用 OpenAI 的自然语言处理 (NLP) 能力和 Pinecone 在上下文中存储和检索任务结果，提供高效且用户友好的体验。 BabyAGI 仅有 XNUMX 行简洁的代码，易于理解和扩展。

BabyAGI 这个名字确实很重要，因为这些工具持续推动社会走向人工智能系统，尽管尚未实现 人工智能 （AGI），其功率呈指数级增长。 人工智能生态系统每天都在经历新的进步，随着未来的突破以及能够促使自身解决复杂问题的 GPT 版本的潜力，这些系统现在给用户带来了与 AGI 交互的印象。

什么是自动 GPT？

Auto-GPT 是一种人工智能代理，旨在通过将目标划分为更小的子任务并在自动循环中利用互联网和其他工具等资源来实现以自然语言表达的目标。 该代理采用 OpenAI 的 GPT-4 或 GPT-3.5 API，是使用 GPT-4 执行自主任务的先驱应用程序之一。

与 ChatGPT 等每项任务都依赖于手动指令的交互系统不同，Auto-GPT 为自己设定新目标以实现更大的目标，而无需人工干预。 Auto-GPT 能够生成对提示的响应来完成特定任务，还可以根据新获取的信息为递归实例创建和修改自己的提示。

这意味着什么？

尽管仍处于实验阶段并且存在一些限制，但由于人工智能硬件和软件成本的下降，智能体已准备好提高生产力。 根据 ARK 投资公司的研究到 14 年，人工智能软件可能会产生高达 90 万亿美元的收入和 2030 万亿美元的企业价值。随着 GPT-4 等基础模型的不断发展，许多公司选择训练自己的小型专业模型。 虽然基础模型具有广泛的应用范围，但较小的专用模型具有降低推理成本等优势。

此外，许多关注版权问题和数据治理的企业正在选择混合使用公共和私有数据来开发其专有模型。 一个值得注意的例子是一个 2.7 亿参数的 LLM 训练 考研 生物医学数据，在美国医疗执照考试 (USMLE) 问答测试中取得了可喜的成绩。 培训费用约为 38,000 美元 MosaicML 平台，计算持续时间为 6.25 天。 相比之下，GPT-3 的最终训练运行估计花费了近 5 万美元的计算成本。