Auto-GPT

Auto-GPT（現在の表記はAutoGPT）は、GPT-4にループ内で自らプロンプトを作らせ、目標を自律的に追求できるオープンソースプログラムです。手順を計画し、ウェブ検索やファイル書き込みなどのコマンドを選んで実行し、結果を読み、目標を達成したと判断するまで再び計画します。ゲームスタジオSignificant Gravitasの創設者Toran Bruce Richardsは、GPT-4の公開から2週間後の2023年3月30日にAuto-GPTをリリースしました。数日以内にGitHubのトレンド一覧で首位となり、大規模言語モデル（LLM）を基盤とする自律型AIエージェントというアイデアを、研究テーマから誰でも実行できるものへと変えました。AutoGPTリポジトリはその後、スター数が18万を超えました。

Auto-GPTの仕組み#

初期のAuto-GPTでは、ユーザーが名前と役割、さらに市場調査やレポート作成などの目標をいくつか設定しました。各サイクルでプログラムは、それらの目標、許可されたコマンドの一覧、制約、直近の履歴からプロンプトを作成し、GPT-4にJSON形式で2つの部分からなる回答を求めました。thoughts部分には、モデルの文章、推論、計画、自己批判、ユーザーに伝えるための要約が含まれ、これは思考連鎖プロンプティングを文章化した形です。command部分には、Google検索、ウェブページの閲覧、ファイルの読み書き、Pythonコードの実行、補助GPTエージェントの起動など、1つのアクションとその引数が指定されます。

各コマンドの実行前に、Auto-GPTはその内容をユーザーに表示しました。ユーザーは、実行を許可するにはy、次のN個のコマンドを許可するにはy -N、終了するにはnを入力します。連続実行モードではこれらの確認がすべて省略されます。READMEでは、このモードによって処理が永久に続いたり、ユーザーが通常なら許可しない行動が実行されたりする可能性があると警告していました。モデルの短いコンテキストウィンドウを超える記憶については、初期バージョンでは過去の結果をローカルのJSONキャッシュやPinecone、Redis、Milvusなどのベクトルデータベースに埋め込みとして保存し、各サイクルで最も関連性の高い結果を取得していました。また、GPT-3.5は長いウェブページを要約していました。

Auto-GPTが示したことと苦戦した点#

Auto-GPTは、推論とツールの使用を交互に行うReActパターンを何百万人もの人々に知らしめ、モデルが作成、優先順位付け、実行するタスクリストを維持するYohei Nakajima氏のBabyAGIなど、同様のプロジェクトが次々と生まれるきっかけとなりました。また、その実行結果は、エージェント開発者が今も設計時に考慮している問題を明らかにしました。エージェントは同じ検索をループで繰り返し、当初の目標から逸脱し、実際には達成していない進捗を報告するというハルシネーションを起こし、各サイクルで長いプロンプトを使ってGPT-4を呼び出すため、APIの利用料金も膨らみました。明確な停止ルールがなく、継続モードにはリスクがあることから、その後のエージェントがステップ数の上限や承認ルールを備えたエージェントハーネス内で実行され、エージェントサンドボックスを利用する理由がわかります。また、印象的なデモではなく、エージェント評価によって性能を測定する理由もわかります。モデルの中核的なスキルも向上しました。OpenAIは2023年6月にネイティブの関数呼び出しを追加し、その後の推論モデルは、長いツール呼び出しの連鎖を実行できるよう強化学習で訓練されました。

Auto-GPTと関連用語の比較#

• チャットボット：一度に1つのメッセージに回答し、次のメッセージを待ちます。Auto-GPTは次のプロンプトを自ら生成し、目標を達成したと判断するまで動作し続けました。
• AutoML：自動機械学習では、モデルとハイパーパラメーターを探索し、データセットに最適なモデルを訓練します。名前は似ていますが、Auto-GPTは何も訓練せず、事前訓練済みのLLMを使って一般的なタスクを実行します。
• ロボティック・プロセス・オートメーション（RPA）：開発者が事前に記録したクリックやキー入力を再生します。Auto-GPTは、目標と各実行結果に基づいて、実行時にステップを選択しました。
• エージェント型ワークフロー：開発者が定義した経路に沿って、LLMの呼び出しやツールを配置します。Auto-GPTは計画全体をモデルに委ねており、同じ領域の中でも完全自律型にあたります。

現在のAutoGPT#

このプロジェクトはAutoGPT Platformへと発展し、ビジュアルキャンバス上で接続されたブロックをワークフローとして組み合わせ、エージェントを構築できる、ホスト型およびセルフホスト型のサービスになりました。既製エージェントのマーケットプレイスと、チャットベースのビルダーも備えています。プラットフォームのコードはPolyform Shieldライセンスで提供され、個人利用と社内業務での利用は認められていますが、競合するホスト型サービスとしての販売は禁止されています。一方、元のスタンドアロンエージェントは、エージェント構築用のForgeツールキットおよびテスト用のagbenchmarkハーネスとともに、MITライセンスのもと、リポジトリのclassic/フォルダーに残っています。Auto-GPTのような目標駆動型ループは、現在では主に、ツールと権限を限定した製品内で実行されます。Ultralytics Platformでは、Ask AIアシスタントがリクエストをPlatformの操作に変換し、データセットの検索、YOLO26のトレーニング実行の開始、結果の比較、次の実験の提案を行います。これらの操作は、ユーザー自身のAPIキーで認証されたul cloudコマンドラインを通じて実行されます。