AutoGPT - 全自动人工智能助手

最近一款基于GPT-4的最强语言模型AutoGPT火遍了整个AI圈,是目前为数不多的完全自主运行的人工智能之一,它会根据你提的目标来制定计划,然后自己执行完整个计划,整个过程自动化的能力非常的强。

AutoGPT - 全自动人工智能助手_第1张图片

问题驱动 – 人工(Manual)GPT的局限

众所周知,此前爆火AI圈的ChatGPT,唯一不太好用的地方就是需要人类不断的prompt。因此,如果你想要ChatGPT帮你去做一件复杂的事情,那么怎么提问时一件很麻烦的事情。而AGI的目标就是让机器能够像人类一样,能够自己去做事情,而不是需要人类不断的提问。

AutoGPT - 全自动人工智能助手_第2张图片

AutoGPT 诞生 - 基于GPT-4的全自动AI助手

原名 EntreprenurGPT(创业者GPT),Significant Gravitas创造的一个基于GPT4实验项目

核心思想:不停的向GPT-4发送请求,让其做商业决策,最后根据这个决策执行,看GPT-4给的策略能挣多少钱!!

AutoGPT - 全自动人工智能助手_第3张图片

比如AutoGPT敏锐地发现了加州洪水淹没农田,造成食物价格上涨。

AutoGPT - 全自动人工智能助手_第4张图片

如何实现 Auto(自动化)?

基于Commands命令的无限扩展能力

AutoGPT将联网、搜索、网页爬虫、文件操作、GIT、PMS等多元能力封装成一致的Command接口,为处理复杂的多样化任务提供了技术基础,以此打破数据局限和功能局限。

AutoGPT - 全自动人工智能助手_第5张图片
AutoGPT - 全自动人工智能助手_第6张图片

多种记忆介质

AutoGPT支持本地文件系统、Redis、向量数据库(Pinecone)等多种记忆介质,用于保存历史prompt等多种数据,以此打破无状态的设计局限,实现更加强大的记忆能力。

AutoGPT - 全自动人工智能助手_第7张图片
AutoGPT - 全自动人工智能助手_第8张图片

基于任务的自驱系统

类似与OKR的工作机制,AutoGPT基于目标智能设定任务,并有序执行和校验,层层递进,直到工作初始目标达成,以此打破人工驱动的局限。

AutoGPT - 全自动人工智能助手_第9张图片
AutoGPT - 全自动人工智能助手_第10张图片

核心问题 1:理解人类给它设定的角色和目标

AutoGPT利用机器学习中的无监督学习(零样本学习)Zero Shot Learning来理解设定的角色和目标,即根据一些描述或者定义学习到一个新的概念,然后用这个概念再来生成新的内容,降低收集和标注数据的需求。

AutoGPT - 全自动人工智能助手_第11张图片

核心问题 2:根据目标拆解任务

AutoGPT 利用机器学习中的多任务学习(Multi-task Learning, MTL)来不断的拆解任务:在单个学习过程中同时学习多个相关任务,即通过让模型共享不同任务之间的底层表示(例如,特征、权重等),实现知识的泛化、共享和迁移。

AutoGPT - 全自动人工智能助手_第12张图片

核心问题 3:如何生成中间Prompt

短期学习(Fuel Short Learning,FSL):采用元学习、数据增强、预训练模型等策略,从有限的样本中学习有效的知识。

即 Auto GPT 根据设定的目标和任务以及存储在数据库中的数据(历史),不断为 GPT-4 生成合适的提示。

AutoGPT - 全自动人工智能助手_第13张图片

核心问题 4:评估任务达成效果

元学习(Meta-learning,ML) :让模型学会自我学习,以适应不断变化的新任务、新情况。

即AutoGPT通过自我评估和改进,从而实现更复杂和多步骤的任务,降低对人类提示的依赖。

AutoGPT - 全自动人工智能助手_第14张图片

完全自主的智能体

AutoGPT 遵循thoughts、reasoning、plan和criticism的过程,给出一个有条理的、可实施的行动方案,并请求进行行动。

AutoGPT - 全自动人工智能助手_第15张图片
AutoGPT - 全自动人工智能助手_第16张图片

安装部署

AutoGPT 支持直接源码安装,也支持Docker虚拟化,推荐后者,因为可能涉及到文件系统命令,丢失或修改重要文件,影响宿主系统稳定性。

步骤

  • 安装Docker & Docker Compose以支持docker虚拟化,桌面版地址
  • 创建Open API Key,并配置 .env
  • 创建docker-compose.yaml配置文件
  • 启动 docker-compose run --rm auto-gpt

AutoGPT - 全自动人工智能助手_第17张图片

AutoGPT 测试 —— NVIDIA投资报告

设定角色role:一个用于分析上市公司的AI

拆分目标(Goal):

  • 查询NVIDIA公司最新的财务数据。
  • 查询关于NVIDIA公司的最新投资报告。
  • 综台以上信息,对于是否应该买入NVIDIA给出一个可行的投资建议。
  • 将报告用中文输出为txt文件。

AutoGPT - 全自动人工智能助手_第18张图片

测试结果

AutoGPT - 全自动人工智能助手_第19张图片

Plugins 插件机制

AutoGPT支持插件机制,以提高扩展能力,如Bing搜索、新闻榜单等。

AutoGPT - 全自动人工智能助手_第20张图片

不够成熟,但潜力无限

AutoGPT当前仍处于实验阶段,也存在诸如成本高昂等固有问题,但是它的潜力无限,是AI发展的未来趋势。

AutoGPT - 全自动人工智能助手_第21张图片
AutoGPT - 全自动人工智能助手_第22张图片

类AutoGPT产品 - AgentGPT

基于AutoGPT的在线智能体,无需进行本地部署,对于使用者来说更加友好。可以自动为任务添加task,并依次解决。

AutoGPT - 全自动人工智能助手_第23张图片
AutoGPT - 全自动人工智能助手_第24张图片

类AutoGPT产品 - BabyAGI

BabyAGI 是人工智能任务管理系统,使用 OpenAI 和 Pinecone API 来创建任务、确定任务的优先级和执行任务,是任务驱动自主代理的精简实现

AutoGPT - 全自动人工智能助手_第25张图片
AutoGPT - 全自动人工智能助手_第26张图片

类AutoGPT产品 - GodMode

Godmode 是一个网络平台,可以访问 AutoGPT 和 BabyAGI 的强大功能。AI 代理仍处于起步阶段,但它们的能力正在迅速增长, Godmode 能够让更多的人即使在这个早期阶段也能利用自主 AI 代理。

AutoGPT - 全自动人工智能助手_第27张图片

类AutoGPT产品 - HuggingGPT

又名JARVIS,微软推出的连接LLM和ML社区的AGI系统,目标是通过一个 ChatGPT 控制所有 AI 模型,自动帮人选择模型,完成 AI 任务。

HuggingGPT 就能帮你自动分析需要哪些 AI 模型,然后直接去调用 HuggingFace 上的相应模型,来帮你执行并完成。

AutoGPT - 全自动人工智能助手_第28张图片

参考

  • PPT
  • 高质量书签
  • 书签管理插件 - Flash Switcher

你可能感兴趣的:(人工智能)