AutoGPT 横空出世，会成为 AI 领域中的下一大趋势吗？

Question

关注者

779

被浏览

464,430

我和好兄弟 @平凡在chatgpt开放api的那一刻就在琢磨autogpt的事情了。

实际上我们在使用算法迭代过程中已经用它进行了一些实验，并希望通过它来进行与商业，科技，学术，个人IP的结合。并且目前我们已经生成了智慧星球，虽然其中并没有添加太多内容，但后续我们会逐步进行开发。

什么是Autogpt？

目前的 AutoGPT 通过 API 结合了 GPT-3.5 和 GPT-4，允许创建根据自己的提示进行迭代的项目，并审查每次迭代以改进和构建它。这到底是如何工作的？

Autogpt的要求：

例如：

一旦 AutoGPT 达到了描述和目标，它就会开始做自己的事情，直到项目达到令人满意的水平。

AutoGPT 的反馈循环如下所示：

那么 AutoGPT 有什么好处呢？首先，重要的是要注意 GPT 有能力使用 GPT-4 编写自己的代码。它还执行 Python 脚本，使其能够递归地调试、开发、构建和持续自我改进。没错，AutoGPT 有自我改进的能力。

我记得我前段时间和平凡聊的时候，就说了苹果错过了一个大时代，Siri本是最有能力创造类个人人工智能项目的语音机器人，因为它能实时接收无数信息并进行处理，但是苹果在库克接手后像是裹上了小脚，没有在人工智能板块做任何极致的创新。

那么更专业的量身定做的GPT生成模型当然会更有意思，更疯狂。

所以这是一个开端，是不是趋势？用脚就可以判定。

平凡 编程话题下的优秀答主 · Accepted Answer

创意非常好，但想成为趋势还需要更便宜的大脑(GPT4)，更高效的记忆(向量数据库)和更完备的架构(异步通信)。

想体验的可以试试第三个，暂时免费：

它虽然没有实体的身体，但却可以在互联网上自如地游走，收集和分析信息。AutoGPT的核心竞争力主要来自两方面：一是GPT-4的推理预测能力，二是vector database向量数据库的长短期记忆能力。

这就是一个它的一个案例展示：

当你给AutoGPT一个任务时，它会利用GPT-4（或者GPT-3.5）对任务进行深入分析，将其拆解成多个子任务。接下来，它会根据你授权的权限范围，运用它强大的分析和解决问题能力，逐步完成这些子任务。

比如你让它做一个网站，或者完成一份行业分析报告。

AutoGPT之所以能够胜任这些复杂任务，主要归功于以下两个关键技术：

GPT-4：GPT-4为AutoGPT提供了强大的文本分析、理解和推理能力。这意味着它能够快速理解任务需求，准确把握任务中的关键信息，并运用推理能力为任务提供合适的解决方案。
向量数据库（vector database）：向量数据库作为AutoGPT的核心记忆系统，负责存储和管理各种长短期信息。这种数据库的优势在于它可以高效地整合和检索大量数据，从而让AutoGPT在执行任务时具备丰富的知识储备和实时反馈能力。

GPT-4就不说了，就说这个向量数据库，绝对是目前最适合的解决方案，它厉害就厉害在不仅可以存储大量的信息作为记忆承载体，可以通过向量化数据，将各种时间距离长度的相关信息提取出来进行合并推理以及思考。

其中AutoGPT用到的就是pinecone这个向量数据库。

简单来说，如果你有一长段记忆，现在的记忆和最开始的记忆关联度最高，如果是传统的方法，你得遍历一遍所有记忆才可以找到最开始的记忆，但是向量搜索可以将数据向量化，然后去计算「夹角」的大小，然后根据这个值来判断相似度。

更多的内容请看参考文章。