前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >AutoGPT - 个人全自动AI助手

AutoGPT - 个人全自动AI助手

原创
作者头像
用户10434820
发布2023-06-03 05:17:50
7190
发布2023-06-03 05:17:50
举报
文章被收录于专栏:高效插件高效插件

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。

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 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!!

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。

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。

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。

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。

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。

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。

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。

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。

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。

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 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。

测试结果

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。

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。

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。

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

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。

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。

参考

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 问题驱动 – 人工(Manual)GPT的局限
  • AutoGPT 诞生 - 基于GPT-4的全自动AI助手
  • 如何实现 Auto(自动化)?
    • 基于Commands命令的无限扩展能力
      • 多种记忆介质
        • 基于任务的自驱系统
          • 核心问题 1:理解人类给它设定的角色和目标
          • 核心问题 2:根据目标拆解任务
          • 核心问题 3:如何生成中间Prompt
          • 核心问题 4:评估任务达成效果
        • 完全自主的智能体
        • 安装部署
        • AutoGPT 测试 —— NVIDIA投资报告
        • Plugins 插件机制
        • 不够成熟,但潜力无限
        • 类AutoGPT产品 - AgentGPT
        • 类AutoGPT产品 - BabyAGI
        • 类AutoGPT产品 - GodMode
        • 类AutoGPT产品 - HuggingGPT
        • 参考
        相关产品与服务
        容器服务
        腾讯云容器服务(Tencent Kubernetes Engine, TKE)基于原生 kubernetes 提供以容器为核心的、高度可扩展的高性能容器管理服务,覆盖 Serverless、边缘计算、分布式云等多种业务部署场景,业内首创单个集群兼容多种计算节点的容器资源管理模式。同时产品作为云原生 Finops 领先布道者,主导开源项目Crane,全面助力客户实现资源优化、成本控制。
        领券
        问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档