Auto-GPT 究竟是一個(gè)開創(chuàng)性的項(xiàng)目，還是一個(gè)被過度炒作的 AI 實(shí)驗(yàn)？本文為我們揭開了喧囂背后的真相，并揭示了 Auto-GPT 不適合實(shí)際應(yīng)用的生產(chǎn)局限性。

背景介紹

這兩天，Auto-GPT，一款讓最強(qiáng)語言模型 GPT-4 能夠自主完成任務(wù)的模型，一夜成名，讓整個(gè) AI 圈瘋了。短短八天時(shí)間，它就在 GitHub 上獲得了驚人 Star 數(shù)量，目前已經(jīng)突破 8 萬，并吸引了無數(shù)開源社區(qū)的關(guān)注。

此前爆火的 ChatGPT，唯一不太好用的地方，就是需要人類輸入 Prompt。而 Auto-GPT 的一大突破是，可以讓 AI 自我提示，換句話說，AI 都完全不需要咱們?nèi)祟惲耍?/p>

在為 Auto-GPT 狂歡的同時(shí)，我們也有必要退一步審視其潛在的不足之處，探討這個(gè)「AI 神童」所面臨的局限和挑戰(zhàn)。

接下來，肖涵博士將和我們深入探討Auto-GPT 究竟是一個(gè)開創(chuàng)性的項(xiàng)目，還是另一個(gè)被過度炒作的人工智能實(shí)驗(yàn)。

Auto-GPT 是如何工作的？

不得不說，Auto-GPT 在 AI 領(lǐng)域掀起了巨大的波瀾，它就像是賦予了 GPT-4 記憶和實(shí)體一樣，讓它能夠獨(dú)立應(yīng)對任務(wù)，甚至從經(jīng)驗(yàn)中學(xué)習(xí)，不斷提高自己的性能。

為了便于理解 Auto-GPT 是如何工作的，讓我們可以用一些簡單的比喻來分解它。

首先，想象 Auto-GPT 是一個(gè)足智多謀的機(jī)器人。

我們每分配一個(gè)任務(wù)，Auto-GPT 都會給出一個(gè)相應(yīng)的解決計(jì)劃。比如，需要瀏覽互聯(lián)網(wǎng)或使用新數(shù)據(jù)，它便會調(diào)整其策略，直到任務(wù)完成。這就像擁有一個(gè)能處理各種任務(wù)的私人助手，如市場分析、客戶服務(wù)、市場營銷、財(cái)務(wù)等。

具體來說，想讓 Auto-GPT 運(yùn)行起來，就需要依靠以下 4 個(gè)組件：

1. 架構(gòu)

Auto-GPT 是使用強(qiáng)大的 GPT-4 和 GPT-3.5 大型語言模型構(gòu)建的，它們充當(dāng)機(jī)器人的大腦，幫助它思考和推理。

2. 自主迭代

這就像機(jī)器人從錯(cuò)誤中學(xué)習(xí)的能力。Auto-GPT 可以回顧它的工作，在以前的努力的基礎(chǔ)上再接再厲，并利用它的歷史來產(chǎn)生更準(zhǔn)確的結(jié)果。

3. 內(nèi)存管理

與向量數(shù)據(jù)庫（一種內(nèi)存存儲解決方案）集成，使 Auto-GPT 能夠保留上下文并做出更好的決策。這就像給機(jī)器人配備了長時(shí)記憶，可以記住過去的經(jīng)歷。

4. 多功能性

Auto-GPT 的文件操作、網(wǎng)頁瀏覽和數(shù)據(jù)檢索等功能使其用途廣泛。這就像賦予機(jī)器人多種技能來處理更廣泛的任務(wù)。

然而，這些誘人的前景可能還尚未轉(zhuǎn)化為 Auto-GPT 真正可以實(shí)現(xiàn)的能力。

天價(jià)成本

想要在現(xiàn)實(shí)的生產(chǎn)環(huán)境中使用 Auto-GPT，首先面臨的障礙便是其高昂的成本。

由于任務(wù)需要通過一系列的思維迭代來完成，為了提供最好的推理和提示，模型每一步通常都會用盡所有 token。

然而，GPT-4 的 token 并不便宜。根據(jù) OpenAI 的定價(jià)，具有 8K 上下文窗口的 GPT-4 模型，對于提示部分，每 1000 個(gè) token 收費(fèi) 0.03 美元；而對于結(jié)果部分，每 1000 個(gè) token 收費(fèi) 0.06 美元。而 1000 個(gè) token 大概可以換算成 750 個(gè)英文單詞。

讓我們分解思維鏈中每一步的成本，假設(shè)每個(gè)動作都用盡了 8000 個(gè) token 的上下文窗口，其中 80% 是提示（6400 個(gè) token），20% 是結(jié)果（1600 個(gè) token）。

提示成本：6400 個(gè) token x 0.03 美元/1000 個(gè) token = 0.192 美元

結(jié)果成本：1600 個(gè) token x 0.06 美元/1000 個(gè) token = 0.096 美元

因此，每個(gè) Step 的成本就是：0.192 美元 + 0.096 美元 = 0.288 美元

平均而言，Auto-GPT 完成一項(xiàng)小任務(wù)需要 50 個(gè) step。

因此，完成單個(gè)任務(wù)的成本就是：50 個(gè) step x 0.288 美元/step = 14.4 美元

VUEGPTTHOUGHTS:Let'sstartbycheckingifthereareanyupdatestoVueJS.Ifthereare,wecanupdatetothelatestversionandproceed.Otherwise,wecanmoveontocreatingtheTODOlistwebsiteapplication. REASONING:Startingwiththemostupdatedandstableversionoftheframeworkwillensureourprojecthasthelatestfeatures,bugfixesandisproperlysupported.CreatingtheTODOlistwebsiteapplicationisourprimarygoal,sowecanmoveontothatiftherearenoupdates. PLAN: -CheckforVueJSupdates -Updatetolatestversionifthereareupdates -Ifnoupdates,moveontocreatingtheTODOlistwebsiteapplication CRITICISM:None NEXTACTION:COMMAND=googleARGUMENTS={'input':'VueJSlatestversionupdate'} Enter'y'toauthorisecommand,'y-N'torunNcontinuouscommands,'n'toexitprogram,orenterfeedbackforVueGPT...

以 VueGPT 為例：這是一個(gè) Auto-GPT 創(chuàng)建的 AI，旨在使用 Vue JS 創(chuàng)建網(wǎng)站應(yīng)用程序，我們來看看它在思維鏈中的一個(gè)步驟，而且這還是一次就能出結(jié)果的情況，如果需要重新生成，成本會更高。

從這個(gè)角度來看，Auto-GPT 目前對大部分用戶和組織來說，都是不現(xiàn)實(shí)的。

開發(fā)到生產(chǎn)的難題

乍一看，花 14.4 美元來完成一項(xiàng)復(fù)雜的任務(wù)，好像并無不妥。

舉個(gè)例子，我們首先讓 Auto-GPT 制作一份圣誕節(jié)食譜。然后，再找它要一份感恩節(jié)食譜的話，猜猜會發(fā)生什么？

沒錯(cuò)，Auto-GPT 會按照相同的思維鏈從頭再做一遍，也就是說，我們需要再花 14.4 美元才行。

但實(shí)際上，這兩個(gè)任務(wù)在「參數(shù)」的區(qū)別應(yīng)該只有一個(gè)：節(jié)日。

既然我們已經(jīng)花了 14.4 美元開發(fā)了一種創(chuàng)建食譜的方法，那么再用花相同的錢來調(diào)整參數(shù)，顯然是不符合邏輯的。

想象一下，在玩《我的世界》（Minecraft），每次都要從頭開始建造一切。顯然，這會讓游戲變得非常無趣。

而這便暴露了Auto-GPT 的一個(gè)根本問題：它無法區(qū)分開發(fā)和生產(chǎn)。

當(dāng) Auto-GPT 完成目標(biāo)時(shí)，開發(fā)階段就完成了。不幸的是，我們并沒有辦法將這一系列操作「序列化」為一個(gè)可重用的函數(shù)，從而投入生產(chǎn)。

因此，用戶每次想要解決問題時(shí)都必須從開發(fā)的起點(diǎn)開始，不僅費(fèi)時(shí)費(fèi)力，而且還費(fèi)錢。

這種低下的效率，引發(fā)了關(guān)于 Auto-GPT 在現(xiàn)實(shí)世界生產(chǎn)環(huán)境中實(shí)用性的質(zhì)疑，也突顯了 Auto-GPT 在為大型問題解決提供可持續(xù)、經(jīng)濟(jì)有效的解決方案方面的局限性。

循環(huán)泥潭

不過，如果 14.4 美元真的能解決問題，那么它仍然是值得的。

但問題在于，Auto-GPT 在實(shí)際使用時(shí)，經(jīng)常會陷入到死循環(huán)里……

那么，為什么 Auto-GPT 會陷入這些循環(huán)？

要理解這一點(diǎn)，我們可以把 Auto-GPT 看作是依賴 GPT 來使用一種非常簡單的編程語言來解決任務(wù)。

解決任務(wù)的成功取決于兩個(gè)因素：編程語言中可用的函數(shù)范圍和GPT 的分治法能力（divide and conquer），即 GPT 能夠多好地將任務(wù)分解成預(yù)定義的編程語言。遺憾的是，GPT 在這兩點(diǎn)上都是不足的。

Auto-GPT 提供的有限功能可以在其源代碼中觀察到。例如，它提供了用于搜索網(wǎng)絡(luò)、管理內(nèi)存、與文件交互、執(zhí)行代碼和生成圖像的功能。然而，這種受限的功能集縮小了 Auto-GPT 能夠有效執(zhí)行的任務(wù)范圍。

此外，GPT 的分解和推理能力仍然受到限制。盡管 GPT-4 相較于 GPT-3.5 有了顯著的改進(jìn)，但其推理能力遠(yuǎn)非完美，進(jìn)一步限制了 Auto-GPT 的解決問題的能力。

這種情況類似于嘗試使用 Python 構(gòu)建像《星際爭霸》這樣復(fù)雜的游戲。雖然 Python 是一種強(qiáng)大的語言，但將《星際爭霸》分解為 Python 函數(shù)極具挑戰(zhàn)性。

本質(zhì)上，有限功能集和 GPT-4 受限的推理能力的結(jié)合，最終造成了這個(gè)循環(huán)的泥潭，使 Auto-GPT 在許多情況下無法實(shí)現(xiàn)預(yù)期的結(jié)果。

人類與 GPT 的區(qū)別

分治法是 Auto-GPT 的關(guān)鍵。盡管 GPT-3.5/4 在前任基礎(chǔ)上有了顯著的進(jìn)步，但在使用分治法時(shí)，其推理能力仍然無法達(dá)到人類水平。

1. 問題分解不充分

分治法的有效性在很大程度上取決于將復(fù)雜問題分解為較小、易于管理的子問題的能力。人類推理通?？梢哉业蕉喾N分解問題的方法，而 GPT-3.5/4 可能沒有同樣程度的適應(yīng)性或創(chuàng)造力。

2. 識別合適基本案例的難度

人類可以直觀地選擇適當(dāng)?shù)幕景咐缘玫接行У慕鉀Q方案。相比之下，GPT-3.5/4 可能難以確定給定問題的最有效基本案例，這會顯著影響分治過程的整體效率和準(zhǔn)確性。

3. 問題背景理解不充分

雖然人類可以利用其領(lǐng)域知識和背景理解來更好地應(yīng)對復(fù)雜問題，但 GPT-3.5/4 受其預(yù)先訓(xùn)練的知識所限，可能缺乏用分治法有效解決某些問題所需的背景信息。

4. 處理重疊子問題

人類通常可以識別出解決重疊子問題時(shí)，并有策略地重用先前計(jì)算過的解決方案。而 GPT-3.5/4 可能沒有同樣程度的意識，可能會多次冗余地解決相同的子問題，從而導(dǎo)致解決方案的效率降低。

向量數(shù)據(jù)庫：過度的解決方案

Auto-GPT 依賴向量數(shù)據(jù)庫進(jìn)行更快的 k-最近鄰（kNN）搜索。這些數(shù)據(jù)庫檢索先前的思維鏈，并將它們?nèi)谌氲疆?dāng)前查詢上下文中，以便為 GPT 提供一種記憶效果。

然而，考慮到 Auto-GPT 的約束和局限性，這種方法被批評為過度且不必要地消耗資源。其中，反對使用向量數(shù)據(jù)庫的主要論點(diǎn)源于與 Auto-GPT 思維鏈相關(guān)的成本約束。

一個(gè) 50 步的思維鏈將花費(fèi) 14.4 美元，而一個(gè) 1000 步的鏈將花費(fèi)更多。因此，記憶大小或思維鏈的長度很少超過四位數(shù)。在這種情況下，對最近鄰點(diǎn)進(jìn)行窮舉搜索（即 256 維向量與 10000 x 256 矩陣之間的點(diǎn)積）被證明是足夠高效的，用時(shí)不到一秒鐘。

相比之下，每個(gè) GPT-4 調(diào)用大約需要 10 秒鐘來處理，所以實(shí)際上限制系統(tǒng)處理速度的是 GPT，而非數(shù)據(jù)庫。

盡管在特定場景下，向量數(shù)據(jù)庫可能在某些方面具有優(yōu)勢，但在 Auto-GPT 系統(tǒng)中實(shí)現(xiàn)向量數(shù)據(jù)庫以加速 kNN “長時(shí)記憶”搜索似乎是一種不必要的奢侈和過度的解決方案。

智能體機(jī)制的誕生

Auto-GPT 引入了一個(gè)非常有趣的概念，允許生成智能體(Agent)來委派任務(wù)。

雖然，這種機(jī)制還處于初級階段，其潛力尚未被充分挖掘。不過，有多種方法可以增強(qiáng)和擴(kuò)展當(dāng)前的智能體系統(tǒng)，為更高效、更具動態(tài)性的互動提供新的可能性。

一個(gè)潛在的改進(jìn)是引入異步智能體。通過結(jié)合異步等待模式，智能體可以并發(fā)操作而不會阻塞彼此，從而顯著提高系統(tǒng)的整體效率和響應(yīng)速度。這個(gè)概念受到了現(xiàn)代編程范式的啟發(fā)，這些范式已經(jīng)采用了異步方法來同時(shí)管理多個(gè)任務(wù)。

圖源：https://scoutapm.com/blog/async-javascript

另一個(gè)有前景的方向是實(shí)現(xiàn)智能體之間的相互通信。通過允許智能體進(jìn)行通信和協(xié)作，它們可以更有效地共同解決復(fù)雜問題。這種方法類似于編程中的 IPC 概念，其中多個(gè)線程/進(jìn)程可以共享信息和資源以實(shí)現(xiàn)共同目標(biāo)。

生成式智能體是未來的方向

隨著 GPT 驅(qū)動的智能體不斷發(fā)展，這種創(chuàng)新方法的未來似乎十分光明。

新的研究，如「Generative Agents: Interactive Simulacra of Human Behavior」，強(qiáng)調(diào)了基于智能體的系統(tǒng)在模擬可信的人類行為方面的潛力。

論文中提出的生成式智能體，可以以復(fù)雜且引人入勝的方式互動，形成觀點(diǎn)，發(fā)起對話，甚至自主計(jì)劃和參加活動。這項(xiàng)工作進(jìn)一步支持了智能體機(jī)制在 AI 發(fā)展中具有前景的論點(diǎn)。

通過擁抱面向異步編程的范式轉(zhuǎn)變并促進(jìn)智能體間通信，Auto-GPT 可以為更高效和動態(tài)的問題解決能力開辟新可能。

將《生成式智能體》論文中引入的架構(gòu)和交互模式融入其中，可以實(shí)現(xiàn)大型語言模型與計(jì)算、交互式智能體的融合。這種組合有可能徹底改變在 AI 框架內(nèi)分配和執(zhí)行任務(wù)的方式，并實(shí)現(xiàn)更為逼真的人類行為模擬。

智能體系統(tǒng)的開發(fā)和探索可極大地促進(jìn) AI 應(yīng)用的發(fā)展，為復(fù)雜問題提供更強(qiáng)大且動態(tài)的解決方案。

總結(jié)

總之，圍繞 Auto-GPT 的熱議引發(fā)了關(guān)于 AI 研究現(xiàn)狀以及公眾理解在推動新興技術(shù)炒作中的作用的重要問題。

正如上面所展示的，Auto-GPT 在推理能力方面的局限性、向量數(shù)據(jù)庫的過度使用以及智能體機(jī)制的早期發(fā)展階段，揭示了它距離成為實(shí)際解決方案還有很長的路要走。

圍繞 Auto-GPT 的炒作，提醒我們膚淺的理解可能讓期望過高，最終導(dǎo)致對 AI 真正能力的扭曲認(rèn)識。

話雖如此，Auto-GPT 確實(shí)為 AI 的未來指明了一個(gè)充滿希望的方向：生成式智能體系統(tǒng)。

最后，肖涵博士總結(jié)道：「讓我們從 Auto-GPT 的炒作中吸取教訓(xùn)，培養(yǎng)關(guān)于 AI 研究的更為細(xì)致和知情的對話?！?/p>

這樣，我們就可以利用生成式智能體系統(tǒng)的變革力量，繼續(xù)推動 AI 能力的邊界，塑造一個(gè)技術(shù)真正造福人類的未來。

審核編輯 ：李倩