Историю развития интернет-приложений можно рассматривать как процесс непрерывной эволюции и инноваций.С непрерывным развитием технологий продолжают появляться инновационные интернет-приложения.
Разработку интернет-приложений можно разделить на три этапа:
Веб-сайты
В 1990-х годах с популяризацией Интернета появились некоторые важные интернет-компании, такие как Amazon, Yahoo, Google и т. д. Эти компании разработали некоторые важные интернет-приложения, такие как электронная коммерция, поисковые системы, онлайн-реклама и т. д.
Мобильное приложение (Mobile)
В 2000-х годах, с появлением мобильного Интернета, появились некоторые важные мобильные приложения, такие как смартфоны, магазины мобильных приложений и т. д.
Приложение агента ИИ
В 2020-х годах с развитием технологии искусственного интеллекта появились некоторые важные приложения искусственного интеллекта, такие как распознавание речи, распознавание изображений и обработка естественного языка. Особенно после того, как OpenAI запустила ChatGPT, автономное приложение агента ИИ, управляемое большой языковой моделью (LLM), выведет приложение агента ИИ на новый этап развития.
Карта развития агента ИИ
Источник изображения: e2b
Что такое агент ИИ
Агент ИИ (агент ИИ) относится к компьютерной программе, разработанной и запрограммированной с использованием технологии ИИ, которая может самостоятельно выполнять определенные задачи и реагировать на окружающую среду. Агента ИИ можно рассматривать как агента, который воспринимает свою среду, изменяет ее своими собственными решениями и действиями и улучшает свою производительность, обучаясь и адаптируясь. Используя как кратковременную память (контекстное обучение), так и долговременную память (извлечение информации из внешних векторных хранилищ), агент имеет возможность планировать, шаг за шагом «думая», разбивать цели на более мелкие задачи и размышлять над ними. собственное исполнение.
Агенты ИИ обычно используют несколько технологий, таких как машинное обучение, обработка естественного языка, компьютерное зрение, планирование и рассуждение, которые позволяют агентам обрабатывать информацию и принимать решения автономно.
OpenAI неоднократно выражал свой энтузиазм по поводу агентов ИИ. Соучредитель OpenAI Андрей Карпати недавно сказал на офлайн-мероприятии для разработчиков, что если в статье предлагается другой метод обучения модели, OpenAI будет насмехаться над ним внутри, думая, что все это осталось от их игры. Но когда выйдет новая статья об агентах ИИ, они серьезно и взволнованно ее обсудят.
Что такое автономный агент, поддерживаемый LLM
Лилиан Венг, директор по исследованиям приложений ИИ в OpenAI, недавно опубликовала статью объемом 10 000 слов об агентах ИИ: «Автономные агенты, поддерживаемые большими языковыми моделями (LLM)», в которой дается всесторонняя интерпретация того, что такое приложение агента ИИ. построен обучением LLM. LLM поддерживает множество отличных приложений агентов ИИ, таких как AutoGPT, GPT-Engineer, BabyAGI и SuperAGI.
В автономной агентской системе на базе LLM LLM действует как мозг агента и дополняется несколькими ключевыми компонентами: планирование, память и использование инструментов.
Этот агент разбивает большие задачи на более мелкие управляемые подцели, обеспечивая эффективное выполнение сложных задач. Это также позволяет самокритике и самоанализу прошлых действий, обучению на ошибках и совершенствованию будущих шагов, тем самым улучшая качество конечного результата.
Особенностью автономного агента LLM является то, что он как бы обладает «памятью», которая способна кратковременно (долгосрочно) вспоминать то, чему он научился во время обучения. Кроме того, LLM автономно дает возможность научиться вызывать внешние API для получения дополнительной информации, отсутствующей в весах модели (обычно ее трудно изменить после предварительного обучения), включая текущую информацию, возможности выполнения кода, доступ к проприетарным источникам информации и т. д.
Какими бы захватывающими и многообещающими ни были агенты ИИ, все еще существует много проблем, связанных с ажиотажем вокруг агентов ИИ. Агенты ИИ становятся будущим программных приложений и будут становиться все более и более распространенными.
Как упоминала Лилиан Венг, автономные агенты LLM также страдают от некоторых общих ограничений, включая ограниченную длину контекста, проблемы долгосрочного планирования и декомпозиции задач, стабильность LLM и т. д.
Но нет никаких сомнений в том, что эти проблемы и проблемы будут преодолены или смягчены.Агенты ИИ внесли изменения в нашу работу и жизнь, и это изменение трудно обратить вспять. Попробовав что-то хорошее, вы миритесь с чем-то действительно плохим?
Использованная литература:
Посмотреть Оригинал
This page may contain third-party content, which is provided for information purposes only (not representations/warranties) and should not be considered as an endorsement of its views by Gate, nor as financial or professional advice. See Disclaimer for details.
Внутренний толчок OpenAI, могут ли агенты ИИ действительно стать следующим этапом разработки интернет-приложений?
Историю развития интернет-приложений можно рассматривать как процесс непрерывной эволюции и инноваций.С непрерывным развитием технологий продолжают появляться инновационные интернет-приложения.
Разработку интернет-приложений можно разделить на три этапа:
В 1990-х годах с популяризацией Интернета появились некоторые важные интернет-компании, такие как Amazon, Yahoo, Google и т. д. Эти компании разработали некоторые важные интернет-приложения, такие как электронная коммерция, поисковые системы, онлайн-реклама и т. д.
В 2000-х годах, с появлением мобильного Интернета, появились некоторые важные мобильные приложения, такие как смартфоны, магазины мобильных приложений и т. д.
В 2020-х годах с развитием технологии искусственного интеллекта появились некоторые важные приложения искусственного интеллекта, такие как распознавание речи, распознавание изображений и обработка естественного языка. Особенно после того, как OpenAI запустила ChatGPT, автономное приложение агента ИИ, управляемое большой языковой моделью (LLM), выведет приложение агента ИИ на новый этап развития.
Карта развития агента ИИ
Что такое агент ИИ
Агент ИИ (агент ИИ) относится к компьютерной программе, разработанной и запрограммированной с использованием технологии ИИ, которая может самостоятельно выполнять определенные задачи и реагировать на окружающую среду. Агента ИИ можно рассматривать как агента, который воспринимает свою среду, изменяет ее своими собственными решениями и действиями и улучшает свою производительность, обучаясь и адаптируясь. Используя как кратковременную память (контекстное обучение), так и долговременную память (извлечение информации из внешних векторных хранилищ), агент имеет возможность планировать, шаг за шагом «думая», разбивать цели на более мелкие задачи и размышлять над ними. собственное исполнение.
Агенты ИИ обычно используют несколько технологий, таких как машинное обучение, обработка естественного языка, компьютерное зрение, планирование и рассуждение, которые позволяют агентам обрабатывать информацию и принимать решения автономно.
OpenAI неоднократно выражал свой энтузиазм по поводу агентов ИИ. Соучредитель OpenAI Андрей Карпати недавно сказал на офлайн-мероприятии для разработчиков, что если в статье предлагается другой метод обучения модели, OpenAI будет насмехаться над ним внутри, думая, что все это осталось от их игры. Но когда выйдет новая статья об агентах ИИ, они серьезно и взволнованно ее обсудят.
Что такое автономный агент, поддерживаемый LLM
Лилиан Венг, директор по исследованиям приложений ИИ в OpenAI, недавно опубликовала статью объемом 10 000 слов об агентах ИИ: «Автономные агенты, поддерживаемые большими языковыми моделями (LLM)», в которой дается всесторонняя интерпретация того, что такое приложение агента ИИ. построен обучением LLM. LLM поддерживает множество отличных приложений агентов ИИ, таких как AutoGPT, GPT-Engineer, BabyAGI и SuperAGI.
В автономной агентской системе на базе LLM LLM действует как мозг агента и дополняется несколькими ключевыми компонентами: планирование, память и использование инструментов.
Этот агент разбивает большие задачи на более мелкие управляемые подцели, обеспечивая эффективное выполнение сложных задач. Это также позволяет самокритике и самоанализу прошлых действий, обучению на ошибках и совершенствованию будущих шагов, тем самым улучшая качество конечного результата.
Особенностью автономного агента LLM является то, что он как бы обладает «памятью», которая способна кратковременно (долгосрочно) вспоминать то, чему он научился во время обучения. Кроме того, LLM автономно дает возможность научиться вызывать внешние API для получения дополнительной информации, отсутствующей в весах модели (обычно ее трудно изменить после предварительного обучения), включая текущую информацию, возможности выполнения кода, доступ к проприетарным источникам информации и т. д.
Какими бы захватывающими и многообещающими ни были агенты ИИ, все еще существует много проблем, связанных с ажиотажем вокруг агентов ИИ. Агенты ИИ становятся будущим программных приложений и будут становиться все более и более распространенными.
Как упоминала Лилиан Венг, автономные агенты LLM также страдают от некоторых общих ограничений, включая ограниченную длину контекста, проблемы долгосрочного планирования и декомпозиции задач, стабильность LLM и т. д.
Но нет никаких сомнений в том, что эти проблемы и проблемы будут преодолены или смягчены.Агенты ИИ внесли изменения в нашу работу и жизнь, и это изменение трудно обратить вспять. Попробовав что-то хорошее, вы миритесь с чем-то действительно плохим?
Использованная литература: