本周 AI 圈”最红炸子鸡“诞生——AutoGPT。
不仅如此，这款软件系统的横空出世，一举将 AI 进程推向了新高度——
自主人工智能。
顾名思义，它所具备的能力主打的就是一个“自主”，完全不用人类插手 的那种！
例如一位网友就要求 AutoGPT 开发一个网站，结果不到 3 分钟，AI 自己就用 React 和 Tailwind CSS“唰唰唰”地搞定了。
AI 自己上网、自己使用第三方工具、自己思考、自己操作你的电脑。
这一套打法，算得上是把 “行动→观察结果→思考→决定下一步行动” 这条路子给打通并循环了起来。
就连前特斯拉 AI 总监 Andrej Karpathy 对此都评价道：
AutoGPT 是提示工程的下一个前沿。
而且不只是 AutoGPT，最近还陆陆续续地衍生出了各种自主人工智能工具，例如 AgentGPT、BabyAGI 等等。
然后网友们对面此景也坐不住了，惊叹于 AI 发展的日新月异：
这俩月，一睁眼就出新东西，太累了。
无需人类插手的 AutoGPT 们
那么这个当红的 AutoGPT，和之前 ChatGPT 那波 AI 又有何区别？
微博博主 “木遥” 便下场亲测了一下。
△图源：微博博主“木遥”他测试所用的题目是“给我解释 LangChain 怎么用”（LangChain 是大型语言模型的一种应用框架）。
这个问题若是交给传统的 GPT，由于 LangChain 这个概念太新，AI 就会出现不知道怎么回答的情况。
若是交给“GPT+ 插件”这个组合来回答，那结果就会有点像 Bing 或者 Bard。
但 AutoGPT 上手就不一样了，来欣赏一下它的 执行过程：
首先试着直接去 LangChain 官网爬信息。
被官网拒绝了，可能因为有屏蔽。
发现失败了之后想了想，说要不 Google 一下？
Google 出了很多结果。
读了半天这些结果，说「现在我们已经搜集了不少有用的信息了，接下来让我们安装它玩一下」
然后就开始动手在我的电脑上安装 LangChain……
而博主“木遥”在这整个过程中所做的事情就是“坐在屏幕前看着这一切自动在我眼前发生”……
△图源：微博博主“木遥”然后这位博主不禁发出了感慨：
我要是有它这个行动力，三个 PhD 都念完了。
有类似自主能力的 AI，还有最近同样火爆的AgentGPT。
也是只需要给个任务，剩下的都交给它来完成：
用 100 美元的资金创建一个新的创业公司。
AgentGPT 在接到这项任务之后，便开始了他的展示：
思考中……
添加任务：研究需要最少资金的低成本商业模式。
添加任务：确定潜在的目标市场及其需求。
添加任务：开发一个精简的 MVP（最小可行产品），并在目标市场进行测试以验证需求。
思考中……
然后 AgentGPT 先是输出执行“研究需要最少资金的低成本商业模式”的结果：
根据我的研究，一些需要最少资金的低成本商业模式包括：
1、Dropshipping：通过 Dropshipping，你可以在网上销售产品而无需持有库存。您只需通过第三方供应商完成订单，第三方供应商将产品直接运送给您的客户。你可以从 50 美元开始支付网站托管和域名注册费。
2、社交媒体营销：如果你有社交媒体营销的天赋，你可以通过帮助企业接触他们的目标受众来创办自己的代理公司。你所需要的只是一台电脑，互联网连接，以及一些社交媒体营销的经验和技能，而你的起价只有 50 美元或更少。
3、活动策划：如果你对组织活动有热情，你可以开始自己的活动策划业务。你可以从策划一些小活动开始，比如生日派对、婚礼等等。你可以从 100 美元开始，创建一个简单的网站，名片，并通过社交媒体营销自己。
4、自由写作：如果你有写作天赋，你可以开始自己的自由写作事业。你可以通过在线平台，如 Upwork、Fiver 和其他求职网站找到客户。只需 50 美元，你就可以创建一个投资组合网站，并通过社交媒体营销自己。
这些只是一些低成本的商业模式，你只需要 100 美元的资金就可以考虑。选择一个符合你的技能和兴趣的商业模式是很重要的。
到这还没有完，AgentGPT 会继续开始它的工作：
思考中……
添加任务：针对每种已确定的低成本商业模式，对潜在的产品或服务想法进行头脑风暴。
添加任务：评估每个想法的潜在盈利能力和可扩展性。
添加任务：选择最有希望的想法，并开发精益 MVP，用于目标市场的测试。
而后便是继续地再思考、执行。
再如BabyAGI，也只需给个目标和任务迭代次数，AI“唰唰唰”地便自己搞了起来：
而且已经有博主开始把 AutoGPT 当做自己的生产力工具了——做视频！
不少网友在看到 AI 们的如此表现之后，表示整个人都通透了：
怎么玩？
这么强的工具，真的不想亲自玩一下？
操作一点也不麻烦。
首先，准备好 OpenAI API 和 PINECONE API 的密钥（后者是专为 AI 长期内存开发的一个数据库，使用前者则会消耗你 OpenAI 帐户中的余额，免费版本送 18 美元）。
Python 要求 3.8 版本及以上。
如果你需要语音输出，你也可以准备一个 ElevenLabs API 的。
Ps. 获取地址都放在文末链接中了。
接下来，打开你的 CLI 工具下载 AutoGPT 项目：
git clone https://github.com/Torantulino/Auto-GPT.git
然后：
cd‘Auto-GPT’pip install -r requirements.txt
接着找到 AutoGPT 的根文件夹，将“.env.template”重命名为“.env”并打开。
再将密钥都替换为你准备好的那些。
最后，在终端运行：
python scripts/main.py
如果要使用语音模式，运行：
python scripts/main.py —speak
如果不能访问 GPT-4，开启“gpt3only”模式：
python scripts/main.py —gpt3only
现在，你就可以开始搞你自己的 AutoGPT 项目了。
记住在 AuroGPT 的每个操作之后，输入“NEXT COMMAND”授权程序继续。
尽管项目也提供了不用这么麻烦的“连续模式”，最开始运行时用这个命令：
python scripts/main.py —continuous
但作者强烈不推荐！！因为它可能会导致你的 AI 一直运行下去或执行你正常根本不会授权的操作。
如果你非要试试，风险自负……
以及默认情况下，AutoGPT 用 DALL- e 生成图像，要换 Stable Diffusion 的话，需要一个 HuggingFace API 的令牌。
本质是“套娃”
简单介绍一下 AutoGPT 的原理。
AutoGPT 由于扩大了自己的应用范围，包括执行文件操作、网页浏览和数据检索等，有别于我们之前见过的所有 AI（GitHub 上已揽获 3.6 万 + 标星）。
如 Mila 研究所前 AI 研究员 @Lior 分析：
AutoGPT 相当于给了基于 GPT 的模型一个内存和一个主体（body）。
具体来说：
AutoGPT 的架构基于 GPT- 4 和 GPT-3.5，靠 API 连接；
AutoGPT 可以进行 自主迭代，即通过自我批判性审查来改进输出、在先前工作的基础上进行构建，并为了获得更准确的结果集成 prompt 历史记录；
AutoGPT 具有 内存管理，集成了 Pinecone 数据库，因此它可进行长期内存存储，保存上下文并基于此进行决策改进。
而在推特博主 Jay Hack 看来，AutoGPT 等类似工具的出现，其实证明了 智能的本质是“套娃”这件事儿。
因为不论是 AutoGPT 还是 BabyAGI，它们都是 用 LLM 来递归地调用自己。
这在 AI 领域最近可谓是个大趋势：
专业一点的话来说，这叫 模型堆叠，即模型“一路向下”，去套用别的模型来拆解并解决任务。
用咱大白话来说，这就是“套娃”。
除了 AutoGPT、BabyAGI 这些，还有 ViperGPT、SayCan 和 ToolKit 等最新工具，以及前面微软发布的 VisualGPT 和 HugginGPT，都差不多是这个思想。
再往前一些，初代 DALL·E 其实就是 CLIP 套 VAE。
有意思的是，Jay Hack 指出，有着“人工智能元老”之称的马文·明斯基早在 1986 年就把人类智能描述成有许多相互作用子系统的组织。
最后，Jay Hack 也表示，正是因为“套娃”这种操作，我们的 AI 现在才得以拿下更为复杂的任务。而这，也就离通用人工智能更近一步。
确实，有不少网友都赞同：
AutoGPT 可能就是 AI 领域中的下一大趋势。
面对如此强大的“套娃”工具们，一些人则开始哀嚎了：
参考链接：
[1]https://twitter.com/AlphaSignalAI/status/1645847165066006529
[2]https://twitter.com/karpathy/status/1642598890573819905
[3]https://weibo.com/1644684112/MBK3WCt8o
[4]https://twitter.com/DataChaz/status/1645152577258962944
密钥获取地址：
https: //platform.openai.com/account/api-keys
https://www.pinecone.io/https://elevenlabs.io
责任编辑：落木
原文链接：http://finance.sina.com.cn/tech/roll/2023-04-13/doc-imyqffyr3307098.shtml
