摘要
<?XML:NAMESPACE PREFIX = "W" />
AutoGPT 有自助执行的能力,使其成为“人工通用智能”或AGI的一个例子。AutoGPT是一种实验性的人工智能工具,利用自动化机器学习(AutoML)技术来自动执行创建语言模型的过程,能够在几乎没有人为干预的情况下执行任务。只需交给它一项任务,它就能自主地拆解任务、提出计划,然后执行计划。AutoGPT建立在CHATGPT的框架之上,结合了GPT-4的技术,通过API创建完整的项目。AutoGPT拥有的自行决策能力,只需为其提供AI名称、描述和目标,AutoGPT就可以自己生成完成任务所需的每个必要提示,完成项目。无需像chatGPT一样需要一个人工不停提示的过程。
AutoGPT有望赋能众多应用场景。AutoGPT可以处理各种类型的各种文本数据,包括新闻文章、社交媒体帖子、客户评论、电子邮件、聊天记录等,它减少了创建语言模型时对语言专业知识的需求,可以在多语言数据集上进行训练,并用于各种多语言NLP任务,例如情感分析和翻译。它还可以吸取教训,基于历史工作得出更准确的结果,与矢量数据库(一种内存存储解决方案)集成,使 AutoGPT 能够保存上下文并进行改进,以做出更好的决策。
AutoGPT类似于可以代表用户执行特定任务的个人助理,例如安排约会或发送电子邮件。此外,依据API授予的访问权限,它还可以访问互联网搜索信息,安装它认为能实现其目标所需的应用程序,乃至代表用户购物等。该技术虽然目前只是一个实验项目,但其在实际应用方面具有巨大的潜力,例如播客创建、投资分析和活动策划。AutoGPT仍处在发展完善的阶段,未来投入广泛的生产使用,还有待时间证明。
AutoGPT的横空出世对基础设施的需求进一步提出挑战。该模型会最大化token以获得更好的推理和提示,每个步骤都需要对GPT-4模型进行代价颇高的调用,这导致成本可能会迅速增加。其次,AutoGPT不能将开发和生产分离,迫使用户为微小的更改支付全部成本,凸显了其在为大规模解决问题提供可持续且具有成本效益的解决方案方面,尚不具有经济性。另一方面,有限的功能和GPT-4的受限推理能力的结合造成了循环泥潭,通常会阻止AutoGPT提供预期的结果。总体而言,运算规模的成倍增长产生的高成本对其在生产环境中的实际使用提出了更高的需求,未来AI的普及势必迎来算力和数据传输速度等基础设施的降本提速。
风险提示:宏观经济下行;科技转化不及预期;AI商业化进程不及预期;行业竞争加剧的风险。