Hvad er AutoGPT? En omfattende guide og ChatGPT-sammenligning

Kunstig intelligens fortsætter med at udvikle sig i en accelererende takt.

Fra GPT-3 til GPT-4 så vi markante forbedringer med hensyn til avanceret resonnement, inputindstillinger, finjustering af adfærd og forståelse af længere sammenhænge.

Få mere at vide om GPT-4 vs. GPT-3.

Ikke desto mindre forblev AI-menneskeinteraktionen den samme. Du skal omhyggeligt forme AI-prompts og finjustere deres adfærd for at opnå de ønskede resultater.

Nå, hvad hvis du bare angiver dine mål til AI'en, og den gør alt for dig? Ligesom når du indtaster din destination i en Tesla bil, og den tager dig derhen uden at kræve din aktive deltagelse.

Ja, vi taler om selvkørende AI-agenter. Og gæt hvad? De er allerede her!

AutoGPT er den nyeste applikation fra GPT-4, der har taget internettet med storm. Udviklere over hele verden bygger nye applikationer ved hjælp af AutoGPT på tværs af forskellige brancher. Og nogle kalder AutoGPT for en AGI!

I denne blog vil vi se bort fra hypen og forstå:

• Hvad er AutoGPT
• Sådan fungerer AutoGPT
• Hvordan AutoGPT sammenlignes med ChatGPT
• Sådan bruger du AutoGPT

Og meget mere!

Hvad er AutoGPT?

AutoGPT er en open-source AI-applikation, der udnytter OpenAI's GPT-4 sprogmodel til at skabe fuldt autonome og tilpasselige AI-agenter. Den blev frigivet den 30. marts 2023 af Toran Bruce Richards. Toran er spiludvikler af erhverv og grundlagde et spilfirma ved navn Significant Gravitas.

AutoGPT er unik i forhold til andre AI-værktøjer, fordi det fungerer uafhængigt, hvilket betyder, at du ikke længere behøver at styre modellen for at imødekomme dine behov. I stedet skriver du dine målsætninger, og AI'en tager sig af resten for dig. Så AutoGPT ændrer fundamentalt interaktionen mellem AI og mennesker, hvor mennesker ikke længere behøver at spille en aktiv rolle, samtidig med at de opretholder den samme eller bedre kvalitet af resultater som andre AI-applikationer som ChatGPT.

Tjek 31 ChatGPT-alternativer, som du bør kende til.

Hvordan fungerer AutoGPT?

AutoGPT fungerer baseret på en autonom AI-mekanisme, hvor AI-systemet opretter forskellige AI-agenter til at løse specifikke opgaver, herunder:

• Opgaveoprettelsesagent: Når du indtaster dine mål på AutoGPT, er det den første AI-agent, der interagerer med opgaveoprettelsesagenten. Baseret på dine mål opretter den en liste over opgaver med trin til at opnå dem og sender det til prioriteringsagenten.
• Opgaveprioriteringsagent: Efter modtagelsen af ​​opgavelisten sørger prioriterings-AI-agenten for, at sekvensen er korrekt og giver logisk mening, før det sendes til udførelsesagenten.
• Opgaveudførelsesagent: Når prioriteringen er afsluttet, fuldfører udførelsesagenten en opgave efter den anden. Dette indebærer at tage fat i GPT-4, internettet og andre ressourcer for at få resultater.

De ovenstående agenter kommunikerer også med hinanden. Så når udførelsesagenten fuldfører alle opgaver, og resultaterne er utilfredsstillende, kan den kommunikere med opgaveoprettelsesagenten for at oprette en ny liste over opgaver. Dette bliver en iterativ cyklus mellem de tre agenter, indtil alle brugerdefinerede mål er opfyldt.

Handlingerne fra AI-agenterne vises også på brugergrænsefladen ved at kategorisere dem i fire grupper: tanker, ræsonnement, plan og kritik. Først deler AI-agenten tanker efter fuldførelsen af en opgave. Derefter følger ræsonnementet, som forklarer hvorfor AI-agenten gør, hvad den gør. Efter det leverer systemet en plan for at fuldføre opgaven. Til sidst giver systemet også kritik for at tillade AI-agenten at rette sine fejl og overvinde eventuelle begrænsninger.

Ved at dele denne beregningsflow giver AutoGPT indblik i, hvordan den tilgår et bestemt problem og overvinder det uden brugerindgriben.

Hvordan sammenligner AutoGPT sig med ChatGPT?

Mens den underliggende LLM-model er den samme, kan vi trække flere forskelle mellem AutoGPT og ChatGPT. Nogle af dem er angivet nedenfor.

Realtidsindsigter

Den nyeste GPT-4-model, som ChatGPT bruger, er trænet på de samme data som GPT-3.5, som kun går indtil september 2021. Så du kan ikke få realtidsindsigter ved hjælp af ChatGPT, da du ikke kan få adgang til hjemmesider og onlineplatforme for at hente oplysninger.

På den anden side har AutoGPT adgang til internettet. Den kan ikke kun surfe på internettet, men kan også verificere om en kilde er legitim. Desuden kan AutoGPT få adgang til enhver platform for at udføre en opgave. For eksempel, hvis du beder AI'en om at undersøge potentielle kunder til at sælge et produkt og sende en kontaktmail, vil den oprette og sende e-mails direkte ved hjælp af din Gmail-konto.

Hukommelseshåndtering

Vinduet med kontekst er meget vigtigt for sprogmodeller for at give nøjagtige svar. Men i LLM'er som GPT-4 har vinduet en begrænsning på mellem 4000 og 8000 tokens. Så hvis kravet går ud over grænsen, kan modellen måske ikke følge alle instruktionerne korrekt eller komme væk fra emnet og give upålidelige resultater.

I modsætning hertil er AutoGPT god til håndtering af kortvarig og langvarig hukommelse. Ved at bruge vektor-databaser kan AutoGPT gemme kontekst eller tidligere erfaringer for at tillade modellen at træffe bedre beslutninger.

Billedgenerering

AutoGPT kan generere billeder, da den bruger DALL-E. Hvis du vil aktivere funktionaliteten til generering af billeder for din AI-agent, skal du have API-adgang til DALL-E. Denne funktion er i øjeblikket ikke tilgængelig i ChatGPT-4, på trods af at den er flermodal input-baseret.

Talegenkendelse

Du kan aktivere tekst-til-tale på AutoGPT ved at indtaste python -m autogpt --speak i kommandolinjen. Men du skal indtaste kommandoen hver gang du interagerer med AutoGPT. Du kan også tilføje forskellige stemmer til talefunktionen ved at forbinde AutoGPT til Eleven Labs, en alsidig AI-tale-software.

Begrænsninger af AutoGPT

Der er ingen tvivl om, at autonom karakter tilføjer en ny dimension til AI-systemer. Samtidig kan vi ikke ignorere begrænsningerne og risiciene ved AutoGPT. Nogle af de vigtigste begrænsninger, du skal kende, er angivet nedenfor.

For dyrt at bruge

Mens funktionaliteten er fantastisk, vil AutoGPTs praktiskhed sandsynligvis skuffe dig. Da AutoGPT bruger en dyr GPT-4-model, kan omkostningerne pr. fuldførelse af en opgave være høje, selv for en lille opgave. Dette skyldes primært, at AutoGPT kan bruge GPT-4 adskillige gange i løbet af en bestemt opgave.

Desuden er det ikke praktisk, fordi det ikke kan replikere resultater i en anden situation, når indgangen er den samme. Hvis du f.eks. beder modellen om at finde de bedste løbesko på vejen og græsset, vil den ikke oprette en funktion til at replikere processen for kategorien græsset; i stedet starter den fra bunden.

Bliver alt for ofte fanget i en løkke

Det mest almindelige problem, brugerne står over for med AutoGPT, er at det kører i en løkke. Hvis dette fortsætter i mere end et par minutter, betyder det sandsynligvis, at du skal genstarte processen. Dette sker, fordi AutoGPT er afhængig af GPT-4 for at kunne definere og nedbryde opgaver korrekt. Så resultaterne er utilstrækkelige for, at AutoGPT kan træffe nogen handling.

Dataangreb er mulige

Når en AI-model opererer autonomt med adgang til dit system og internettet, kan dine data lække. Da der ikke er nogen sikkerhedsagenter, er det en bekymring, og du skal være forsigtig, når du bruger AutoGPT. Du kan ikke lade modellen køre uden at give korrekte instruktioner og sikkerhedsretningslinjer.

Sådan installerer du AutoGPT?

I modsætning til andre AI-værktøjer har AutoGPT ikke en simpel tilmeldingsprocedure for at få adgang til sin platform og funktioner. Du skal downloade forskellige software for at opfylde krav, før du begynder at bruge AutoGPT. Så for at gøre tingene nemmere for dig, har vi delt en trinvis proces til installation af AutoGPT.

Trin 1: Hent forudsætningssoftware

Du har tre primære softwarekrav for at installere AutoGPT: Git, Python og Visual Code Studio. Du kan bruge hurtige links notatdokumentet til AutoGPT her for at downloade alle tre software.

Trin 2: Opret OpenAI-konto til API-nøgler

Hvis du ikke allerede har en, så opret en OpenAI-konto. Når du har åbnet en konto, skal du gå til API-nøgler fanen. Du vil se en mulighed (markeret nedenfor) for at oprette en hemmelig nøgle. Klik på det, og kopier den hemmelige nøgle.

Trin 3: Kopier AutoGPT Repository til harddisken

Du skal gøre to hovedting for at kopiere AutoGPT GitHub repository til harddisken. Først skal du kopiere linket til projektet fra GitHub.

Dernæst åbner du kommandoprompten og kloner AutoGPT GitHub-repositoriet ved at indsætte linket, som vist på billedet nedenfor.

Da du har VCS installeret, kan du også skrive code i kommandoprompten for at få adgang til AutoGPT fra VCS-editoren.

Trin 4: Installer Python-moduler

Når du åbner VCS, vil du se mange filer i venstre side. En af filerne vil være requirements.txt. I denne fil vil du se de nødvendige moduler for at AutoGPT kan køre.

For at installere disse moduler, skal du indtaste pip install -r requirements.txt og trykke på Enter. Bemærk: Du skal sikre dig, at biblioteket er placeret det rigtige sted.

Trin 5: Omdøb .env.template filen

Find filen .env.template på din VCS og fjern "." og "template."

Trin 6: Indtast OpenAI API-nøgler

Det sidste trin er at indsætte dine API-nøgler i .env-filen. Når du har indtastet nøglen og gemt filen, går du til kommandoprompten og skriver python -m autogpt. Det er det. Du har nu installeret AutoGPT og kan begynde at bruge det.

Afsluttende tanker

Mens jeg synes, at mulighederne med AutoGPT vil være spændende at følge med i, er det vigtigt at have realistiske forventninger, når det kommer til nye teknologier. Det er ikke engang en hel måned siden, at AutoGPT blev lanceret, så vi har stadig ikke set, hvad denne nye AI-applikation kan og ikke kan gøre i forskellige anvendelsestilfælde. Desuden er der mange personlige privatlivs- og datasikkerhedsproblemer, der kræver øjeblikkelig opmærksomhed.

Ikke desto mindre mener jeg, at AutoGPT ændrer på, hvordan vi interagerer med LLM-modeller som GPT-4. Vi kan nu se, hvordan en AI nærmer sig et problem, lærer af fejl og leverer gode resultater, hvilket gør det muligt for os at optimere vores input bedre. Så AI-agenter forsvinder ikke, men de vil tage tid at modne og skabe meningsfuld brugeradoption.