Присоединяйтесь к нашим ежедневным и еженедельным информационным бюллетеням для последних обновлений и эксклюзивного контента в лидирующем отраслевом освещении искусственного интеллекта. Узнать больше
Microsoft присоединилась к приложению Race for Lague Model (LLM) с его библиотекой Python с открытым исходным кодом, Autogen.
Как описано Microsoft, Autogen — это «структура для упрощения оркестровки, оптимизации и автоматизации рабочих процессов LLM». Основной концепцией Autogen является создание «агентов», которые являются программирующими модулями, основанными на LLM, таких как GPT-4. Эти агенты взаимодействуют друг с другом через сообщения естественного языка для выполнения различных задач.
Агенты могут быть настроены и дополнены с использованием методов быстрого инженерного инженера и внешних инструментов, которые позволяют им получать информацию или выполнять код. С помощью Autogen разработчики могут создавать экосистему агентов, которые специализируются на разных задачах и сотрудничают друг с другом.
Упрощенное представление об экосистеме агента состоит в том, чтобы рассматривать каждого агента как отдельный сеанс CHATGPT с его уникальной системой. Например, одному агенту можно было бы поручить выступить в качестве помощника по программированию, который генерирует код Python на основе запросов пользователей. Другим агентом может быть рецензент кода, который принимает фрагменты кода Python и устраняет их. Ответ от первого агента может затем быть передано в качестве входного сигнала во второй агент. Некоторые из этих агентов могут даже иметь доступ к внешним инструментам, что является эквивалентом плагинов CHATGPT, таких как интерпретатор кода или Wolfram Alpha.
Источник изображения: Блог Microsoft
Autogen предоставляет необходимые инструменты для создания этих агентов и позволяет им автоматически взаимодействовать. Он доступен для использования в качестве открытого исходного кода с допустимой лицензией.
Многоагентные приложения могут быть полностью автономными или модерируются через «человеческие прокси-агенты», которые позволяют пользователям вступить в разговор между агентами ИИ, выступая в качестве еще одного голоса, чтобы обеспечить надзор и контроль над своим процессом. В некотором смысле, человеческий пользователь превращается в лидера команды, наблюдая за командой нескольких AIS.
Человеческие агенты полезны для приложений, где среда агента должна принимать конфиденциальные решения и требовать подтверждения от пользователя, таких как совершение покупок или отправка электронных писем.
Они также могут позволить пользователям помочь агентам управлять курсом, когда начинают идти в неправильном направлении. Например, пользователь может начать с первоначальной идеи для приложения и постепенно усовершенствовать его и добавлять или изменять функции, когда он начинает писать код с помощью агентов.
Модульная архитектура Autogen позволяет разработчикам создавать компоненты повторного использования общего назначения, которые можно собрать вместе для быстрого построения пользовательских приложений.
Многочисленные агенты автогена могут сотрудничать для выполнения сложных задач. Например, человеческий агент может запросить помощь в написании кода для конкретной задачи.
Агент «Помощник кодирования» может генерировать и вернуть код, который пользовательский агент AI может затем проверить, используя модуль выполнения кода. Вместе два агента ИИ могут затем устранить код и создать окончательную исполняемую версию, причем пользователь человека может прервать или предоставлять обратную связь в любой момент.
Этот совместный подход может привести к значительному повышению эффективности. Согласно Microsoft, Autogen может ускорить кодирование до четырех раз.
Автоген также поддерживает более сложные сценарии и архитектуры, такие как иерархическое расположение агентов LLM. Например, агент менеджера по групповым чатам может смягчить разговоры между несколькими пользователями человека и агентами LLM и передавать сообщения между ними в соответствии с набором правил.
Конкурентная область
Поле LLM -прикладных рамок развивается быстро, и Microsoft Autogen конкурирует со многими другими претендентами. Langchain — это структура для создания различных типов приложений LLM, от чат -ботов до текстовых обобщений и агентов. LmamainDex предлагает богатые инструменты для подключения LLM к внешним источникам данных, таким как документы и базы данных.
Библиотеки, такие как Autogpt, Metagpt и Babyagi, специально ориентированы на агенты LLM и многоагентные приложения. Чатдев использует агенты LLM для эмуляции всей команды разработки программного обеспечения. И библиотека Agging Face Transformers Agents позволяет разработчикам создавать разговорные приложения, которые соединяют LLMS с внешними инструментами.
Агенты LLM являются горячей областью исследований и разработок, и прототипы уже созданы для задач, от разработки продукта до исполнительных функций, покупок и исследований рынка. Исследования также показали, как агенты LLM могут использоваться для имитации массового поведения населения или создания реалистичных неиграбельных персонажей в играх. Однако большая часть этой работы остается доказательством концепции и еще не готова к производству из-за проблем, таких как галлюцинации и непредсказуемое поведение со стороны агентов LLM.
Несмотря на эти проблемы, будущее приложений LLM кажется ярким, а агенты будут играть важную роль. Большие технологические компании уже делают ставки на то, что AI -копилоты являются важной частью будущих приложений и операционных систем. И Agent Frameworks LLM позволит компаниям создавать свои собственные индивидуальные копии. Вход Microsoft в эту область с Autogen является свидетельством усиливающейся конкуренции вокруг агентов LLM и их будущего потенциала.
Источник
