10 temsili AI Aracısı, İnterneti nasıl değiştirecek / Web3'ü yeniden şekillendirecek

KAYNAK: VION WILLIAMS

AI-Agents'ın yenilikçi olanaklarını keşfedin

AI-Agent'ların hemfikir olduğu ve olmadığı

AI-Agents'ın giderek daha fazla dikkat çeken bir yön haline gelmesinin nedeni, büyük ölçüde LLM'nin AI-Agent'ların uygulanması için uygulanabilir bir teknik uygulama yolu sağlaması ve ikinci olarak, AI-Agents ile ilgili birçok proje olmasıdır. .kilitleyin.

LiLian Weng, makalesinde LLM odaklı AI-Agent'ların neler olduğunu tanımlasa da? Ama Deepmind aynı zamanda ununified agent kavramını da tanımlamaya çalışıyor, AI-Agents kavramının da farklı AI şirketlerinin anlayışı ile farklı farklılaşma türleri oluşturacağına inanıyorum.

Genel sorunların otomatik olarak işlenmesini gerçekleştirmek için LLM güdümlü Aracılara dayalı olarak, bu büyük ölçekli dil modeli patlama döngüsünde tanımladığımız ve ortak bir anlayış oluşturduğumuzun AI-Agent'lar olduğu konusunda daha net bir fikir birliği var.

Ajanların korelasyonundan olasılığı bulun

AI-Agent'ların uygulama düzeyinde, gelinen aşamada, AI-Agent'lara mümkün olduğunca "alaka" perspektifinden bakmalı, yani deneme yanılmaya toleranslı ve olası biçimlerde yenilikçi olmalıyız. Olasılık**, bazı eleştirmenler gibi dar bir konumda standart bir yanıt aramamalısınız, bunlar tavsiye edilmez.

Örneğin, Auto-GTP, bir olasılık olarak, aslında birçok Ajan projesine ilham vermiştir, ancak dar görüşlü bir eleştiri, Çinli geliştiriciler arasında yaygın bir olgu olan yeni fırsatları yakalama fırsatını kaçıracaktır. Yaratıcılığı olmayan bir geliştirici olarak, doğal dil programlama çağında geleneksel rekabet gücünüze nasıl güveneceksiniz?

AI-Agents ile ilgili projeler hakkında birçok tanıtım olmasına rağmen homojen bir listeleme ve tanıtım sorunu olduğunu düşünüyorum.Bu içerikler hangi projelerin AI-Agents yönüne ait olduğunu bize bildiriyor ama doğadan yola çıkarak ilgili yok, AI-Agents'ın farklı uygulama alanlarındaki potansiyelini ve belirli AI-Agents proje türlerinin ekolojik konumunu gösterir.

Örneğin, girişimde Auto-GPT, BabayAGI ve MetaGPT, belirli bir yolun sürekliliğine sahip oldukları için, benim tarafımdan bir tür ekoloji olarak sınıflandırılacaktır;

Agents bulmacasında bütünsel bir biliş oluşturma

Sonuç olarak, AI-Agents ile ilgili temsili projelerin tanıtımında **"uygunluk", "ekolojik konum" ve "süreklilik" perspektiflerini ** temsili projeleri tanıtmak için kullandım, böylece gelecekteki gelişimi belirsiz bir şekilde görebiliriz AI-Agent'ların trendi.

Bazı ilgili referans projeleri de dahil olmak üzere aşağıdaki 10 temsili ilgili proje ortaya çıkıyor. Vakayı nispeten eksiksiz bir haritayı bir araya getirmek için bir yapboz olarak kullanacağım, bu da daha fazla insanın Ajanların potansiyelinin İnternet'teki her şeyi nasıl değiştirebileceğini açıkça anlamasına izin vermeye yeter. • Web3 manzarasının yeniden şekillendirilmesi dahil.

AI-Agent'ların gelecekteki iki ana yönü

AI-Agent'lar kabaca iki yöne ayrılabilir: **Otonom Aracılar ve Üretken Aracılar. **

Autonomous Agents, doğal dil gereksinimi açıklamaları yoluyla hedef sonuçlara ulaşmak için çeşitli görevleri otomatik olarak gerçekleştirme yeteneğini temsil eden Auto-GPT'yi örnek olarak alır.Bu işbirlikçi ilişkide, Autonomous Agent'lar insanlara hizmet eder ve net araç özelliklerine sahiptir;

Generative Agents, Stanford tarafından yayınlanan 25 akıllı ajandan oluşan sanal kasabayı örnek alıyor.Kişilik benzeri özelliklere, otonom karar verme yeteneğine ve uzun süreli belleğe sahip bir AI-Agents olarak Generative Agents, kavramına daha yatkındır. "Yerlilik" Bu işbirlikçi ilişkilerde, Temsilciler yalnızca insanlara hizmet edecek araçlara değil, dijital olarak yerel sosyal ilişkilere sahiptir;

Otomatik GPT

Auto-GPT'nin en iyi bilinen açık kaynak projelerinden biri olan GitHub'daki tanıtımı çok basittir "GPT-4'ü tamamen otonom hale getirmek için deneysel bir açık kaynak girişimi.", GPT-4'ü tam olarak yapmak için deneysel bir açık kaynak girişimi. otonom

Kısa bir özet, Auto-GTP'nin nihai görev sonucunu tek cümlelik bir görev gereksinimi aracılığıyla tamamen otomatik hale getirebileceğidir; Auto-GPT'nin görevleri bağımsız olarak tamamlama yeteneğinin temel mantığı, dil modelinin görev taşıma yoluyla görev planlama becerisinde yatmaktadır. adım adım demonte etme ve analiz etme ve görevin yürütme adımlarını otomatik olarak iyileştirme Süreçte, İnternet'teki arama sonuçları dil modeline geri gönderilecek ve görev daha fazla demonte edilecek ve yürütülecektir.

Popüler yerel deyimi bir metafor olarak kullanacak olursak, **Auto-GPT, "kendi kendini sorgulama ve kendi kendine cevap verme" sürecinde, insanların hızlı kelimeler sağlamasına gerek kalmadan görevi tamamladı. **

Birçok kişi Auto-GPT'yi devasa token tüketimi ve istikrarlı sonuçlar vermemesi nedeniyle eleştirse de, LLM tabanlı bir otomasyon vakası olarak Auto-GTP, geliştiricilerin merakını büyük ölçüde uyandırdı.Benzer Auto-GPT de BabayAGI, MetaGPT, vb. otomasyonu keşfetmek için açık kaynaklı projelerle deney yapmada ön saflarda yer almaktadır.

proje adresi:

**BabyAGI, önceki görevlerin sonuçlarına ve önceden belirlenmiş hedeflerimize göre yeni görevleri otomatik olarak oluşturabilir, sıralayabilir ve yürütebilir. **Hedeflere dayalı yeni görevler oluşturmak için doğal dil işleme teknolojisini kullanır ve gerektiğinde ilgili bilgilerin bulunabilmesi için görev sonuçlarını veritabanında saklar.

BabyAGI aslında aşağıdaki adımları tamamlamak için sonsuz bir döngü çalıştıran bir Python betiğidir:

• Görev listesinden ilk görevi alın.
• Görevi yürütme aracısına gönderin ve yürütme aracısı, bağlama göre görevi tamamlamak için OpenAI'nin API'sini kullanır.
• Sonucu zenginleştirin ve Chroma/Weaviate'de saklayın.
• Önceden belirlenmiş hedeflere ve önceki görevlerin sonuçlarına göre yeni görevler oluşturun ve görev listelerini yeniden sıralayın.

proje adresi:

Hem Auto-GPT hem de BabyAGI teorik olarak mevcut LLM salgınımızın ilk dönemini temsil ediyor. LLM'ye dayalı AGI keşfimiz ve LLM tarafından yönetilen genel amaçlı görev çözme işlemcisi, bence, AI alanındaki kutsal kâsedir. Gelecekte ajanlar.

Üretici Aracılar

Stanford ve Google araştırmacıları tarafından yayınlanan "Generative Agents: Interactive Simulacra of Human Behavior" makalesi zaten çok iyi bilinen bir AI-Agent projesidir. Sonuç olarak, bu araştırma 25 AI ajanını kasabadaki piksel tarzı sanal küçük bir alana koydu. , akıllı ajanlar, insan yaşamı davranışının simüle edilmiş etkileşimini gerçekleştirebilir ve ayrıca sanal şehrin çevresi ile etkileşime girebilir ve ayrıca sanal dünyanın dışındaki insanlarla da etkileşime girebilir. **

Bu makale, dikkatimizi en çok çeken iki temel çözüme sahiptir:

1, Üretim Aracısı Mimarisi

Aracılar çevrelerini algılar ve tüm algıları, aracının deneyimini kaydeden, bellek akışı adı verilen kapsamlı bir kayıtta tutar. Mimari, algılarına dayanarak ilgili anıları alır ve ardından bu geri alınan davranışları bir eylemi belirlemek için kullanır. Geri alınan bu anılar ayrıca daha uzun vadeli planlar oluşturmak ve daha yüksek seviyeli yansımalar oluşturmak için kullanılır ve her ikisi de gelecekte kullanılmak üzere bellek akışına beslenir.

2, bellek akışı

Üretim aracısının mimarisine ve deneyin bulunduğu etkileşimli ortama bağlı olarak, aracı kaçınılmaz olarak büyük miktarda bellek verisi üretecektir.Hafıza Akışı, üretici aracının tüm anılarını kapsamlı bir şekilde kaydeden bir veritabanıdır. Birden çok bellek nesnesi içeren bir listedir, her nesne bir doğal dil açıklaması, bir oluşturma zaman damgası ve bir son erişim zaman damgası içerir. Hafıza akışının en temel unsuru, bir ajan tarafından doğrudan algılanan bir olay olan gözlemdir. Yaygın gözlemler, aracının kendisi tarafından gerçekleştirilen eylemleri veya aracının diğer aracılar veya aracı olmayan nesneler tarafından gerçekleştirildiğini algıladığı eylemleri içerir.

Aslında, yukarıdaki iki temel bileşene dayalı olarak, üretken aracının genel davranışı üç bölüme ayrılır: [bellek ve geri getirme] [yansıtma] [planlama ve yanıt]. Ayrıntılar için, lütfen orijinal makalenin içeriğine bakın. .

Bu makale ve bu deney, LLM'ye dayalı olarak oluşturulan etmen tarafından üretilen etkileşimli davranışın, dijital bir ortamdaki insan etkileşiminin davranışını simüle etmek için güvenilir olabileceğini doğrulamıştır. Üretken etmen, özellikle üretilen olmak üzere birçok dijital ortamda rol oynayabilir. insan etmenleri ve insanlar arasında oluşan bir insan-bilgisayar etkileşimi ilişkisi.

En sezgisel olarak hissedebildiğimiz şey, üretken aracının, meta evrenin yerel bir dijital sakininin rolü olarak yaratıldığı ve insan meta evreninin ortamıyla çeşitli etkileşimler ürettiğidir. Aslında, AI-Agent'ların oldukça gelişmiş bir dijital sanal dünyasını simüle edebiliriz ve insanlar, AI-Agent'ların dijital işçilik sonuçlarını bu dünyadan çıkarabilir;

Temsilciler Nasıl Çalışma Ortağı Olur

Aracılar bu kez birçok bağlamda "aracı" olarak tercüme edildiğinden, aracılar bir aracının rol kavramıyla kolayca ilişkilendirilir, bu da birçok kişinin Aracıların sahne uygulamasıyla sezgisel olarak ilişkilendirmesini zorlaştırır; bu üç durumda sırasıyla Temsilcilerin nasıl işe alınabilen "insan uzmanlar" haline gelebileceğini, hiçbir şekilde insan katılımı gerektirmeyen otomatik bir pazarlama şirketi haline gelebileceğini ve Temsilcilerin birbirleriyle işbirliği yapmak için nasıl bir ekip oluşturduğunu gösterir.

Aşağıdaki örnekte, birden fazla uzman personel oluşturmak için NexusGPT'yi ve insanlar tarafından işe alınan bir ekip oluşturmak için GPTeam'i kullanabiliriz ve bu AI ekibi, AutoCorp gibi tam otomatik bir şirkette çalışır. Bu yapboz parçalarını bir araya getirdiğimizde, geleceğin geldiğini sezgisel olarak hissedebiliriz;

NexusGPT

Bu, bağımsız bir geliştirici Assem tarafından yapılmış, dünyanın ilk yapay zeka serbest çalışan platformudur. NexusGPT, NexuseGPT platformunda GPT-3.5 API ve Chroma (AI-yerel bir açık kaynaklı gömülü veritabanı) kullanan LangChainAI çerçevesini temel alır. belirli becerilere sahip sekiz yüz AI ajanı.

NexusGPT'deki aracılar, soruların zorluğunu akıllıca ayarlayabilir:

• • Seviye 1: Basit diyalog
• • Seviye 2: önceden eğitilmiş işlemler/eklentiler
• • Seviye 3: AutoGPT modu

Ancak bunların tümü, OpenAI ve LangchainAI'nin işlev çağrılarının desteğine dayanır;

Ajanın görev yürütmesi sırasında, yazarlar sistemin insan geri bildirimi ve derecelendirme gözlemleri yoluyla bir döngüde yüksek derecelendirmelere yakınsama hızını göz önünde bulundururlar. Aslında bu, yapay zeka aracılarına, görev gereksinimleri konusunda insan tarafı A ile iletişim kurmada yinelemeli olarak optimize edilmiş iyileştirme stratejileri elde etmek için belirli beceriler sağlamak içindir.

NexusGPT, insanların Aracıları işe alması için gelecekteki bir iş modelini temsil ediyor. Bu projede, Aracıların ve uzman modüllerin (uzman sistem ve uzman modeli) kombinasyonu gibi aslında iyileştirme için çok alan var. Taraf A'nın Aracıları işe almak için fiyatlandırma yöntemi: Tüketimin Token Hesaplamasına vb. dayalı olarak bunlar, işgücü piyasasını işe alma konusundaki geleneksel yöntemimizi değiştirecek ve aynı zamanda DAO'nun işbirliği yöntemini de değiştirecektir;

AutoCorp

New York GPT/LLM Hackathon'u sırasında AutoCorpmina fahmi ve ekibi tarafından 5 saatte oluşturuldu. AutoCorp tamamen bağımsız bir marka pazarlama şirketidir.AutoCorp, doğrudan tişört satan bir şirket için otomatik olarak marka reklamları ve ürün tasarımları oluşturacaktır.Müşteriler yeni tüketici ihtiyaçları dile getirdiğinde, AutoCorp temasını güncelleyecek ve yeni tasarım varlıkları oluşturacaktır.Sürekli kendini yineleme daha iyi bir iş yönüne doğru.

İlk olarak, AutoCorp orijinal fikre dayalı bir tişört markası için bir ilk fikir geliştirdi. Daha sonra şirketin çeşitli varlıklarını ve bir varsayılan stil kılavuzunu oluşturmak için bu ilk fikri kullandı. Müşteriler ihtiyaç duyduğunda, AutoCorp planını bu ihtiyaçlara göre güncelleyecektir. Bir plan daha az satışla sonuçlanırsa, AutoCorp ayarlamalar yapar. Yukarıdaki süreç baştan sona yürütülmüştür ve gerçek dünyada dağıtım için reklamcılık API'sine ve özel tişört API'sine gerçekten bağlanabilir.

Bu paragraf Mina fahmi'nin twitter'ından alıntılanmıştır ve AutoCorp da mina fahmi ve ekibi tarafından New York'taki GPT/LLM hackathon'unda 5 saat içinde oluşturulmuştur ve AutoCorp'u oluşturma amaçları da "Özerklik" kavramını aşırı .

Aslında, AutoCorp ve DAO'nun amacı son derece tutarlıdır.**Eğer merkezi olmayan bir organizasyonun nihai hedefi "insan" faktörünü ortadan kaldırmaksa, o zaman üretim operasyonlarını tamamen otomatik hale getirmek aslında DAO kavramının makul bir geliştirme çekiciliğidir. **AutoCorp aslında DAO'nun gelecekteki iş geliştirme yönünü temsil ediyor.

GPTeam

GPTeam, açık kaynaklı bir çok aracılı simülasyon sistemidir. GPTeam, önceden tanımlanmış hedeflere ulaşmak için işbirliği yapan birden fazla aracı oluşturmak için GPT-4'ten yararlanır. Bu projenin temel amacı, GPT modellerinin çok aracılı üretkenliği ve etkili iletişimi iyileştirme potansiyelini keşfetmektir.

GPTeam, her biri bellekle donatılmış ve iletişim yoluyla etkileşime giren bağımsız aracılar kullanır. Aracılar için bellek ve yansıma uygulamaları bu araştırma makalesinden esinlenmiştir. Temsilciler dünya çapında hareket eder ve kendi görevlerine ve diğer aracıların konumlarına göre farklı konumlarda görevler gerçekleştirir. Ortak bir hedefe paralel olarak çalışırken birbirleriyle iletişim kurabilir ve görevler üzerinde işbirliği yapabilirler.

proje adresi:

Aslında, GPTeam gibi, kullanıcılar için özelleştirilmiş mikro hizmetler oluşturan otomatik bir geliştirme ekibi olan Dev-GPT gibi birçok açık kaynak projesi hala var. Ekip üç sanal rolden oluşur: ürün yöneticisi, geliştirici ve geliştirme, operasyon ve bakım.Dev-GPT'nin teknik fikri, esas olarak etkili görev stratejilerini belirlemek ve test etmektir.Ard arda 10 kez başarısız olursa, geçiş yapacaktır. sonraki yönteme.

Giderek daha fazla proje göreceğiz, AI-Agent'ları bir tür AI ekibi olarak tasarlayın, NexusGPT örneğinde olduğu gibi, Agent'ları bir üretim rolü olarak tanımlamak zor değil, geliştiriciler her Agent'ı ayarlayabilir Zorlayıcıdır özel becerilere sahip Temsilciler olmak ve ardından ilgili becerilerini uygulamak ve zorlu bir görev/proje otomasyonunu birlikte gerçekleştirmek için bu Temsilcilerle nasıl işbirliği yapılacağı. Project Atlas Agents, doğal dil tabanlı otomasyonu araştırıyor , aslında Temsilciler ekibi için iyi bir uygulama senaryosu;

Bütün bunlar, otomatik yönetişim mantığına dayanan otomatik bir görev işbirliği organizasyonu olan DAO'yu düşünmeme neden oluyor;

Temsilciler, tekrar eden işleri nasıl değiştirir

AI tamamen işimizin yerini almadan önce, Aracılar mevcut tekrarlayan iş gücümüzün çoğunun yerini alıyor, iş alanındaki Temsilcilerin bir sonraki gelişim yönüdür.LLM tabanlı Temsilcilerin ortaya çıkmasından önce, RPA (Robot Proses Otomasyonu) endüstrinin çözüm arayan ilk şirketiydi, ancak geleneksel RPA'nın yüksek bir eşiği vardır ve halka yaygınlaştırılamaz. RPA, geleneksel BT etkileşim mantığının otomasyon eksikliği için bir çözümdür ve mevcut Temsilciler, RPA ihtiyacının işlevini gerçekleştirmek için doğal dil ile iletişim kurabilir.

Aşağıdaki iki proje, LLM tabanlı Aracıların, günlük işlerimizde ve akademik araştırmalarımızda kendimizi tekrar eden iş gücünden kurtarmamıza nasıl yardımcı olacağını gösteriyor. (Aslında bu iki projenin potansiyeli bundan daha fazla)

Hile Katmanı

"Doğal Dil Kullanarak İşinizi Otomatikleştirin", işinizi otomatikleştirmek için doğal dil kullanarak, bu Cheat Layere'ın marka sloganıdır. Hile katmanı, her kullanıcı için yapay zeka yazılım mühendisleri olarak hizmet veren, özel olarak eğitilmiş GPT-4 makine öğrenimi modelleri aracılığıyla imkansız iş otomasyonu sorunlarını çözer.

Cheat Layer, Producthunt üzerinde biri Cheat Layer, diğeri Project Atlas Agents olmak üzere iki ürün yayınladı.Project Atlas Agents, AI Agent'ları oluşturmak ve yinelemek için kullanılabilecek kodsuz projeler için bir yönetim arayüzüdür.

Cheat Layer, Google Chrome'un eklenti modu aracılığıyla tüm web sayfasının çalışmasını otomatikleştirir ve doğal bir dil kullanır.Örneğin, web sayfasındaki rutin işlemlerimizin çoğu aslında otomatik olarak çalıştırılabilir. Hile Katmanı, RPA'yı, yani robotik süreç otomasyonunu kolayca anımsatır. Agent'lar ve RPA ilişkisi hakkında birçok tartışma yapılmıştır.Geleneksel RPA'nın Agent'lar tarafından ortadan kaldırıldığı tartışılmaz bir gerçektir.

İş süreçlerinin otomasyonunu ayarlamak için Cheat Layer aracılığıyla doğal dili kullanın ve farklı otomasyon süreçlerini yönetmek için Project Atlas Agent'ları kullanın.Genel olarak konuşursak, belirli bir işin otomatik olarak yürütülmesini yönetmek için bir Aracı oluşturmak için doğal dil modunu kullanabiliriz, işin karmaşıklığı arttıkça Aracıları yinelemeli olarak iyileştirebiliriz.

Cheat Layer'ın pazarlama ve tanıtımını şu an için bilmiyorum ama benzerweb'in istatistiklerine göre ana kullanıcılar ağırlıklı olarak Kuzey Amerika'da ve ziyaret sayısı bir önceki aya göre %37.8 arttı. İş yönetimini otomatikleştirmek için bir Aracı oluşturarak, çeşitli sohbet robotlarıyla karşılaştırıldığında, bu talep küçük ve orta ölçekli e-ticaret sahiplerinin ihtiyaçlarını büyük ölçüde karşılayabilir ve belki de bu, keşfetmeye ve kazmaya değer bir yöndür;

GPT Araştırmacısı

GPT Araştırmacısı, herhangi bir konuda çevrimiçi kapsamlı araştırma yürütme yeteneğine sahip, GPT tabanlı otonom bir aracıdır. Projenin Github'daki tanıtımı:

"Ajan, ilgili kaynaklara, ana hatlara ve derslere odaklanmak için özelleştirme seçenekleriyle ayrıntılı, nesnel ve tarafsız araştırma raporları oluşturma yeteneğine sahiptir. AutoGPT'den ve yakın tarihli bir Planla ve Çöz makalesinden ilham alan GPT Araştırmacısı, hız ve deterministik sorunları çözer. senkronize operasyonlar yerine aracı işini paralelleştirerek, daha istikrarlı performans ve daha yüksek hız sağlıyor."

GPT Araştırmacısı'nın mimarisi temel olarak iki aracı çalıştırarak gerçekleştirilir, **biri "planlayıcı" ve diğeri "yürütücü"dür; **planlayıcı araştırma sorularını oluşturmaktan sorumludur, yürütücü ise araştırmaya dayalıdır planlayıcı tarafından oluşturulan sorular İlgili bilgileri bulun ve son olarak planlayıcı aracılığıyla ilgili tüm bilgileri filtreleyip özetleyin ve ardından bir araştırma raporu oluşturun;

daha spesifik olarak:

1. Birlikte verilen herhangi bir görev hakkında nesnel bir görüş oluşturan bir dizi araştırma sorusu oluşturun.

2. Her araştırma sorusu için, verilen görevle ilgili bilgileri çevrimiçi kaynaklardan sıyırmak üzere bir paletli aracıyı tetikleyin.

3. Taranan her kaynak için, ilgili bilgilere göre özetleyin ve kaynağının izini sürün.

4. Son olarak, özetlenen tüm kaynaklar taranır, birleştirilir ve nihai araştırma raporu oluşturulur.

Bu projenin özellikleri

Araştırma, ana hatlar, kaynaklar ve öğrenilen dersler raporları oluşturun

Her çalışma, nesnel ve olgusal sonuçlar oluşturmak için 20'den fazla internet kaynağını bir araya getirir.

Kullanımı kolay bir web arayüzü içerir (HTML/CSS/JS)

Java özellikli web kazıma

Ziyaret edilen ve kullanılan web kaynakları hakkında bağlamsal bilgileri günlüğe kaydedin ve izleyin

Araştırma raporlarını PDF gibi formatlara aktarın...

GPT Araştırmacısı, GPT'ye dayalı bir akademik araştırma aracı olmasına rağmen, bu, MIT lisansı altında akademik amaçlar için açık kaynaklı bir projedir. İçerik oluşturma açısından bakıldığında, bu açık kaynağın ticari değeri yüksektir.Örneğin, bu açık kaynak projesi iş analizi raporlarına uygulandığında, yine de çok zaman kazandırabilir.İkincisi, bu açık kaynak projesini yapay zekaya dönüştürmek derinlemesine içerik yazma aracıları, içerik medyası endüstrisinin modelini de tamamen değiştirecek;

proje adresi:

AI-Agents altyapı ekolojisi

Açık gelecek, gelecekte insanlar arasındaki işbirlikçi ilişkinin artık insanlar ve insanlar arasındaki işbirlikçi bir ilişki değil, insanlar ve AI-Agent'lar arasındaki işbirlikçi bir ilişki olacağı ve herkesin mümkün olduğunca çok AI-Agent'a sahip olacağıdır. mümkün olduğu kadar çok görevi yerine getirmek, böylece büyük ve karmaşık bir akıllı sosyal işbirliği yapısı oluşturmak;**

İnsanlar ve Aracılar arasındaki işbirliğine dayalı ilişki, önceki sosyal bilim teorilerindeki işbirlikçi insan ve araçlar teorisinden farklıdır.Önemli nokta, bir tür insan benzeri zeka olarak Aracıların belirli bağımsız karar verme yeteneklerine ve insanın güvenine sahip olmasıdır. Etmenler de önemli bir konu haline geldi, Etmenlerin öz-farkındalığından bahsetmiyorum bile, ancak Etmenlerin insanlar yerine karar vermede sosyal etkileşim davranışı üzerindeki etkisi.

Yukarıdaki iki önermeyi göz önünde bulundurarak, insanların kendi AI-Agent'larını verimli ve rahat bir şekilde yaratırken, kendi Agent'larının daha güçlü yeteneklere sahip olmasına ve aynı zamanda Agent'larına izin vermesinin mümkün olduğunu fark etmeliyiz. güvenilir ve güvenilirdir.Destek sağlamak için iyi bir altyapıdan ayrılamaz. Aşağıdaki üç projenin tanıtılması, bence gelecekteki AI-Agents altyapısının inşa yönünü temsil ediyor;

dil zinciri

LangChain, dil modeli tabanlı bir uygulama geliştirme çerçevesidir. Aşağıdaki işlevleri gerçekleştirebilir

Veriye duyarlı: Dil modellerini diğer veri kaynaklarına bağlayın

Aracı: Bir dil modelinin ortamıyla etkileşime girmesine izin verir.

LangChain'in ana değeri şunlarda yatmaktadır:

Bileşen: Dil modelleriyle çalışmak için soyutlamalar sağlar ve her soyutlama için bir dizi uygulama sağlar. LangChain çerçevesinin geri kalanını kullansanız da kullanmasanız da, bu bileşenler modülerdir ve kullanımı kolaydır.

Hazır zincirler: Belirli üst düzey görevleri uygulamak için yapılandırılmış bir bileşen seti.

Hazır zincirler, hızlı bir şekilde başlamayı kolaylaştırır. Daha karmaşık uygulamalar ve ayrıntılı kullanım durumları için bileşenler, mevcut zincirlerin özelleştirilmesini veya yenilerinin oluşturulmasını kolaylaştırır.

langchain, aşağıdaki modülleri sağlayarak standart, genişletilebilir arabirimler ve harici entegrasyon sağlar

Model G/Ç modeli girişi ve çıkışı: dil modeli ile arayüz etkileşimi

Veri bağlantısı veri bağlantısı: belirli bir uygulamanın verileriyle arayüz etkileşimi

Zincir zinciri: çağrı dizisi oluşturun

*Temsilciler: Üst düzey talimatlara göre hangi araçların kullanılacağını zincirin seçmesine izin verin. *

*Hafıza: Zincir çalıştırmaları arasında uygulama durumunu kaydeder. *

*Geri Aramalar Geri Aramalar: Herhangi bir zincirin ara adımlarını kaydedin ve yayınlayın. *

Langchain'in İngiliz topluluğundaki görece aktif geliştirici ekolojisi sayesinde, Langchain kullanan Aracıların uygulama geliştirmesine ilişkin görece pek çok vaka vardır.Ajanların çerçevesini tanımlamak ve sıfır kodlu bir geliştirme çerçevesi sağlamak, gelecekteki bir eğilimdir.

Belirli bir çerçeve sistemine dayalı olarak, Aracıların üretimi Lego blokları inşa etmek gibidir.Web3'ün modülerleştirilmesinden farklı olarak, Aracıların modüllerinin hazır olması gerekmez, ancak sıradan insanlar da doğal dil programlama yoluyla belirli bileşenleri geliştirebilir. • Aracılar çerçevesine eklendi.

Örneğin, birçok kişi sohbet botları geliştirmek, doğal dil programlama yoluyla bir ton dönüştürme bileşeni geliştirmek ve bunu sohbet botuna eklemek için langchain çerçevesini kullanır, ardından orijinal varsayılan diyalog tonu, kullanıcının kendi tercihlerini karşılayan bir diyalog tonuna dönüştürülebilir.

Langchain'in bize verdiği bilgi, kodsuz programlama için Aracılar geliştirme çerçevesi + doğal dil programlama için bileşen modüllerinin, Aracıların yaygınlaştırılması için gerekli bir geliştirme aracı olabileceği yönündedir.

Transformer Temsilcileri

Transformer Agents, asılı Yüz tarafından başlatılan bir AI-Agents sistemidir.Mevcut işlev çok iyi olmasa da, ona göz kulak olmamızın temel nedeni, huggingFace'in devasa bir model kitaplığı açık kaynak topluluğu olmasıdır.

Transformer Agents, aslında Transformer çerçevesini temel alır ve doğal dil tabanlı bir API ekler: huggingface, bir dizi araç tanımlar ve doğal dili yorumlamak ve bu araçları kullanmak için bir aracı tasarlar.En önemlisi, bu sistem Genişletilebilir tasarıma sahiptir.

Yani, Transformer Agents, bu sistemin fizibilitesini doğrulamak için erken aşamada az sayıda iyi hazırlanmış proxy aracı kullandı ve ardından ölçeklenebilirlik, Transformer Agents'ın huggingface'in devasa model araç kitaplığını özgürce kullanabileceği anlamına geliyor.

"HuggingGPT: Solving AI Tasks with ChatGPT and its Friends in Hugging Face" makalesinde oluşturulan çözümün bu olduğunu düşünüyorum, bu da çok sayıda alanda ve birden çok modalitede karmaşık görevleri çözmek için LLM aracılığıyla devasa bir model kitaplığını birbirine bağlamayı amaçlıyor. aslında çok büyük.Birinci sınıf insan zekasını bir araya getiren ilk yapay zeka model kitaplığı, çeşitli endüstrilerdeki karmaşık sorunlara hizmet etmek için Aracılar biçiminde kullanılıyor.Böyle bir gelecek beklememek elde değil. **

Tabii ki, bu vizyonu gerçekleştirmek heyecan verici, ancak şu anki aşamada, Transformer Agents'ın devasa altın madenleri içeren bu ekolojiye akın eden geliştiricileri barındırmak için etkileyici bir ajan çerçevesi önerebilmesini dört gözle bekliyorum. HuggingFace kendi geliştirme stratejisini ayarlamış olabilir.

WebArena

**WebArena, otonom aracılar oluşturmak için bağımsız, kendi kendine barındırılan bir web ortamıdır. **WebArena, gerçek dünyadaki benzerlerini taklit eden özellik ve verilere sahip dört popüler web sitesi kategorisi oluşturur.

WebArena, insanın problem çözmesini simüle etmek için araçları ve bilgi kaynaklarını bağımsız web siteleri olarak da yerleştirir. WebArena, üst düzey gerçek dünya doğal dil komutlarını somut web tabanlı etkileşimlere yorumlamak için bir ölçüt sunar. Araştırmacılar, her görevin işlevsel doğruluğunu programlı olarak doğrulamak için açıklamalı programlar sağladı.

Alıntı yapılan makalelere genel bakış:

"Mevcut ajanlar, öncelikle gerçek dünya senaryolarının temsilini büyük ölçüde sınırlayan basitleştirilmiş sentetik ortamlarda oluşturulur ve test edilir. Bu yazıda, oldukça Gerçekçi ve tekrarlanabilir bir ajan komuta ve kontrol ortamı oluşturuyoruz. Özellikle, web üzerinde görevler gerçekleştiren aracılar ve dört ortak alanda tamamen işlevsel web sitelerini içeren bir ortam yarattı: e-ticaret, sosyal forum tartışmaları, işbirliğine dayalı yazılım geliştirme ve içerik yönetimi. Çevremiz, bazı araçlar (haritalar gibi) dahil olmak üzere zengin ve çeşitlidir. ) ve insan benzeri görev çözmeyi teşvik etmek için harici bilgi tabanları (kullanım kılavuzları gibi).

Ortamımıza bağlı olarak, görev tamamlamanın işlevsel doğruluğunu değerlendirmeye odaklanan bir dizi kıyaslama görevi yayınlıyoruz. Kıyaslamamızdaki görevler çeşitlidir ve uzun bir zamana yayılır ve insanlar tarafından İnternet üzerinde sıklıkla gerçekleştirilen görevleri simüle etmek için tasarlanmıştır. Harekete geçmeden önce düşünmek gibi son teknoloji teknikleri entegre ederek birkaç otonom aracı tasarlıyor ve uyguluyoruz.

Sonuçlar, karmaşık görevleri çözmenin zor olduğunu gösteriyor: GPT-4 tabanlı en iyi aracımız yalnızca %10,59'luk uçtan uca görev başarı oranına ulaşıyor. Bu sonuçlar, güçlü etmenlerin daha fazla geliştirilmesine duyulan ihtiyacı vurgulamaktadır, mevcut son teknoloji dil modelleri bu gerçek dünya görevlerinde mükemmel olmaktan uzaktır ve WebArena bu tür ilerlemeyi ölçmek için kullanılabilir. "

Tez başlığı: WebArena: Otonom Aracılar Oluşturmak İçin Gerçekçi Bir Web Ortamı

Tez adresi:

Bu, Carnegie Mellon'dan bir AI araştırmacısının akademik araştırmasının sonucudur. Aslında WebArena, şu anda iyi bilinen langchain geliştirme mimarisini veya Ajanlar-Ekip ile ilgili çeşitli projeleri tamamlar. Sağlamlığı sağlamak için kullanılan bir Ajanlar simülasyon test platformuna ihtiyacımız var ve Ajanların etkinliği.

Bu platformun ana işlevi, çeşitli Aracı projelerinin fizibilitesini test etmektir. Hayal bile edebileceğim bir senaryo, gelecekte belirli bir platformda bir Temsilci kiraladığımda, Aracıları Test etmek için WebArena gibi bir platform aracılığıyla kullanacağız. Temsilcilerin gerçek çalışma yeteneği, insanların AI-Agent'ların fiyatlandırma kararları üzerinde söz hakkına sahip olduğu anlamına da gelir.

**AI-Agent'lar her şeyi nasıl etkileyecek? **

Temsilci tabanlı otomatik işbirliği ağı

Yukarıdaki bir düzineden fazla projenin tanıtımı ve analizi sayesinde, bu farklı projeler bir yapbozun parçaları gibidir ve Temsilciler hakkındaki genel anlayışımızı oluşturur. Temsilciler aslında LLM'nin potansiyelini gerçekten ortaya çıkaran yöndür ve LLM, merkez , Temsilciler LLM'ye el ve ayak bahşediyor. LLM güdümlü Temsilcilerin işlevsel çeşitliliğine bağlı olarak, Temsilciler biyolojik bir patlama gibi olacak ve insanlar ve Temsilciler dijital bir arkadaş/simbiyotik geliştirme ilişkisi haline gelecek.

İnsan toplumunun işbirlikçi ağı, Aracıların geniş ölçekli uygulaması nedeniyle insanlar ve Aracılar arasında otomatik bir işbirliği ağı da oluşturacaktır.İnsan toplumunun üretim yapısı yükseltilecek ve toplumun tüm yönleri etkilenecek ve değişecektir;

İnternette Her Şeyi Değiştirmek

AI-Agent'lar, internette bilgi edinme, bilgiyi işleme, bilgi üretme ve bilgiyi kullanma şeklimizi tamamen değiştirdi ve internete dayanan mevcut iş modelimizi değiştirdi. görevler İnternet Aracılarıdır, konuştuğumuz ve yürüttüğümüz akıllı ortamlardır.

Web3 için Anlatıyı Yeniden Şekillendirme

Şifreli para birimi ağı, Temsilcilerin doğal para birimi ağı haline gelecek ve tüm AI-Agents işbirliği ağı tarafından tüketilen bilgi işlem kaynakları, Token'ı önemli bir AI ekonomik kaynağı haline getirecek; Web3 tarafından temsil edilen kişisel veri sahipliği, aynı zamanda yeni bir insan-bilgisayar ile karşı karşıya kalacak. etkileşim ilişkisi Bunların arasında, insanların ve AI-Agent'ların veri mülkiyet haklarını paylaştığı yepyeni bir önerme. Bağımsız mülkiyet haklarına sahip Temsilcilerin (AI'yı özgürleştirmek için radikal bir hareket), AI-Agent'lar tarafından tamamen otomatikleştirilmiş DAO'ların ve süper bireylerin ortaya çıkışı, ağ veri mülkiyet haklarının ve etkili bilgi işlem kaynaklarının çoğunu tekelleştirir.

Web3 dalgası altındaki veri olumlayıcı hareket, herkesin veri sahipliğini geri getirdi.Aslında, çoğu insan mutlaka yüksek değerli veri kaynaklarına sahip değildir.Veri sahipliğinin geri dönüşü, Web3 anlatıcılığının politik bir çekiciliği haline geldi, ancak AGI'yi görmezden geliyor. Üretim yapısı eşit değildir; AI-Agents'ın temsil ettiği şey, AI süper üretkenlik olsa da, aynı zamanda insan-bilgisayar etkileşimi ve otomatik işbirliğine dayalı yeni bir üretim ilişkisi inşa ediyor ve bu da bizi Web3'ün anlatı mantığını yeniden şekillendirmek zorunda bırakıyor. ;

Metaverse yapımını hızlandırın

Generative Agents'ın geliştirilmesi ve evriminden, dijital yerel dijital sakinleri keşfetmek ve yerel dijital insanların (kişilik özelliklerine ve otonom bilince sahip AI-Agent'lar) metaverse ortamında bir dizi sosyal aktivite inşa etmek, aslında metaverse'yi hızlandırıyor. Evren, dijital bir alandan sosyal işlevler ve biçimlerle dijital bir bölgeye evrildi. Bilgi işlem alanı kavramı, Aracıların dijital çok modlu bir geliştirme alanı elde etmelerine de olanak tanıyacak ve böylece Aracıların dijital ortamda somutlaşmış zekasının ortaya çıkışını hızlandıracaktır.

Metaverse'nin inşası artık insanların görevi değil, AI-Agent'ın yaşam alanı olarak sürekli kendini genişletme görevidir;

Tek bir teknoloji anlatısının kaçırılmasına karşı dikkatli olun

Aslında son yıllarda çeşitli teknolojik sıcak noktalar birbiri ardına ortaya çıktı ve insanlık sık sık teknolojik devrimlerin olduğu bir döneme girdi gibi görünüyor.Aslında Metaverse, Web3 ve AGI'nın üç anlatısı birbiri ardına ortaya çıktı ve bu da Gerçekten de kariyer yönlerini seçmede insanlar için çok şey yarattı. Piyasadaki çoğu insanın proje tabanlı düşünme odaklı olması nedeniyle, projenin konumlandırılması kolayca Web3 veya AI gibi belirli bir kategoriye atfedilebilir. . Burası, eşeğin, teknolojiyi görmezden gelerek, tarihin nesnel gelişme yasasına karar verdiği yerdir.

**Bilim ve teknolojinin gelişimi hiçbir zaman parçalı olmamış, diyalektik bir bütünlük içinde disiplinler arası bütünleşmeye doğru ilerlemiştir. **Örneğin, Web3'ün NFT anlatım özelliği, doğal olarak Metaverse'nin anlatımıyla uyumludur. Web3'ün ilk günlerinde, bazı insanlar bu ikisine kasıtlı olarak karşı çıktı. Bunlar çok dar bakış açıları. Aynısı bugünün AGI anlatısı için de geçerlidir. Web3 uygulayıcıları yalnızca AI araçlarını bilirler, ancak AGI'nin anlatı mantığı hakkında derinlemesine düşünmezler. AI ve Web3 arasında kasıtlı olarak bilişsel bir direnç oluştururlar. Örneğin, birçok Web3 çalışanının DAO anlayışındadır. orijinal Çok az insan AGI'nin DAO üzerindeki etkisini durdurma ve yeniden düşünme cesaretine sahiptir.

Web3, Metaverse ve AGI birbiriyle oldukça ilişkili üç yöndür. Geleneksel ana akım teknoloji medya kuruluşları veya yatırım kurumları, geleceğin teknoloji anlatıları için henüz yeni bir paradigma kavramı oluşturmadı ve piyasayı etkilemek için eski anlatı paradigmalarını kullanıyor. Bilimin kaynakları ve Bu yöndeki teknoloji uygulayıcıları dağınık ve fikirleri yeterince açık değil. Gelecekte yeni teknolojik anlatıların ortaya çıkmaya devam edeceğini göz ardı etmiyoruz, ancak eski teknolojik anlatılar paradigması benimsenmeye devam ederse, bilimsel ve teknolojik yeteneklerin kaynakları yalnızca bölünecek ve tekrar tekrar dağılacaktır. teknolojik biliş, görünmeyen şeylerin atık kaynağıdır.

Şu anda tüm Çin teknoloji endüstrisinin karşı karşıya olduğu kilit soru, teknoloji nedir? Bir sonraki teknoloji dalgasıyla daha iyi başa çıkmamız için bize rehberlik edecek yeni anlatı paradigmaları ve yeni anlatı kavramları eksikliği var. Her zaman projelere dalmış durumdayız, ancak bilim ve teknolojinin gücünü yoğunlaştırabilecek anlatılardan yoksunuz Web3, Metaverse ve AGI'nın üç ana anlatısı da Çin'de ortaya çıkmadı.

Yüz çiçeğin açtığı ve yüz düşünce okulunun bilimsel ve teknolojik anlatılarda yarıştığı bir çağa girmeyi gerçekten dört gözle bekliyorum.Teknolojik anlatılar konusunda acilen yeni bir anlayış oluşturmamız gerekiyor, böylece gelişme ve gelişme için doğru yolu bulabiliriz. tüm teknolojik ekosistemdeki sürdürülebilir kalkınma konumumuzu belirlemek.

Tabii ki, tek başına itiraz etmek işe yaramaz ve birinin hala yapması gerekiyor, bu yüzden önce ben yapacağım ve bu tek teknolojili anlatısal düşünmeye uzun süre katlandım!