Auto-GPT

Auto-GPT, теперь пишущийся как AutoGPT, — программа с открытым исходным кодом, позволявшая GPT-4 самостоятельно преследовать цель, запуская цикл с собственными запросами: модель планировала шаг, выбирала команду, например поиск в интернете или запись в файл, выполняла её, читала результат и планировала следующий шаг, пока не решала, что цель достигнута. 30 марта 2023 года, через две недели после запуска GPT-4, её выпустил Торан Брюс Ричардс, основатель игровой студии Significant Gravitas. Всего за несколько дней проект возглавил список популярных репозиториев GitHub, превратив идею автономного ИИ-агента на основе большой языковой модели (LLM) из темы научных исследований в программу, которую мог запустить любой желающий. С тех пор в репозитории AutoGPT набралось более 180 000 звёзд.

Как работает Auto-GPT#

Пользователь задавал исходной версии Auto-GPT имя, роль и несколько целей, например исследовать рынок и написать отчёт. В каждом цикле программа составляла промпт из этих целей, списка разрешённых команд, ограничений и недавней истории, а затем просила GPT-4 ответить в формате JSON, состоящем из двух частей. Часть thoughts содержала текст модели: рассуждения, план, самооценку и краткое сообщение для пользователя — письменное воплощение подсказок с пошаговыми рассуждениями. В части command указывалось одно действие и его аргументы: поиск в Google, просмотр веб-страницы, чтение или запись файлов, выполнение кода Python либо запуск вспомогательного агента GPT.

Перед выполнением каждой команды Auto-GPT показывала её пользователю. Чтобы разрешить выполнение, пользователь вводил y, чтобы разрешить следующие N команд — y -N, а чтобы выйти — n. В непрерывном режиме эти проверки полностью пропускались, и в README предупреждали, что программа может работать бесконечно или выполнять действия, которые пользователь обычно не разрешил бы. Для хранения памяти за пределами короткого контекстного окна ранние версии помещали прошлые результаты в виде эмбеддингов в локальный кэш JSON или векторные базы данных, такие как Pinecone, Redis или Milvus, а затем на каждом цикле извлекали наиболее релевантные данные. GPT-3.5 использовали для составления кратких изложений длинных веб-страниц.

Что показал Auto-GPT и с чем он не справился#

Auto-GPT сделал шаблон ReAct, в котором рассуждение чередуется с использованием инструментов, наглядным для миллионов людей и вдохновил волну похожих проектов, включая BabyAGI Ёхэя Накадзимы, который вел постоянно обновлявшийся список задач, созданный, расставленный по приоритетам и выполненный моделью. Запуски Auto-GPT также выявили проблемы, которые разработчикам агентов по-прежнему приходится учитывать. Агенты повторяли одни и те же поисковые запросы по кругу, отклонялись от исходной цели, сообщали о не достигнутом ими прогрессе — это разновидность галлюцинаций, — и накапливали большие счета за API, потому что в каждом цикле GPT-4 вызывалась с длинным промптом. Отсутствие четкого правила остановки и риск непрерывного режима показали, почему более поздние агенты работают внутри среды выполнения агента с лимитами шагов, правилами подтверждения и песочницей для агента, а также почему команды оценивают агентов с помощью оценки агентов, а не впечатляющих демонстраций. Улучшились и базовые возможности моделей: в июне 2023 года OpenAI добавила нативный вызов функций, а более поздние модели рассуждения обучали с помощью обучения с подкреплением, чтобы они могли выполнять длинные цепочки вызовов инструментов.

Auto-GPT и смежные термины#

• Чат-боты: отвечают на одно сообщение за раз и ждут следующего. Auto-GPT сам формировал следующий промпт и продолжал действовать, пока не решал, что цель достигнута.
• AutoML: автоматизированное машинное обучение перебирает модели и гиперпараметры, чтобы обучить лучшую модель для набора данных. Названия похожи, но Auto-GPT ничего не обучает, а направляет предварительно обученную LLM на выполнение общих задач.
• Роботизированная автоматизация процессов (RPA): воспроизводит сценарии кликов и нажатий клавиш, которые разработчик записал заранее. Auto-GPT выбирал шаги во время выполнения, исходя из цели и результата каждого шага.
• Агентные рабочие процессы: выстраивают вызовы LLM и инструменты по путям, заданным разработчиком. В Auto-GPT весь план оставался на усмотрение модели — это полностью автономный край того же спектра.

AutoGPT сегодня#

Проект превратился в AutoGPT Platform — размещаемый сервис, который также можно развернуть самостоятельно, чтобы создавать агентов в виде рабочих процессов из связанных блоков на визуальном холсте; в платформе есть маркетплейс готовых агентов и конструктор на основе чата. Код платформы распространяется по лицензии Polyform Shield: она разрешает личное и внутреннее коммерческое использование, но запрещает продавать код как конкурирующий размещаемый сервис. При этом первоначальный автономный агент по-прежнему находится в папке classic/ репозитория и распространяется по лицензии MIT вместе с набором инструментов Forge для создания агентов и средой agbenchmark для их тестирования. Циклы, управляемые целями, как в Auto-GPT, теперь работают преимущественно в более узкоспециализированных продуктах с фиксированными инструментами и разрешениями: в Ultralytics Platform помощник Ask AI преобразует запрос в действия Platform — находит наборы данных, запускает обучение YOLO26, сравнивает результаты и предлагает следующий эксперимент через командную строку ul cloud, авторизованную собственным API-ключом пользователя.