整理| 鄭麗媛
出品| CSDN（ID：CSDNnews）
剛上線兩週就收穫50k+ Star，看來Auto-GPT 是真的火了
（項目地址：https://github.com/Torantulino/Auto-GPT?ref=jina-ai-gmbh.ghost.io）
Auto-GPT，顧名思義，其獨到之處就在於“Auto” ——可“自主”實現你設定的任何目標，即Auto-GPT 會自己上網查資料、自己思考解決方案、自己運用相關工具……而你要做的，就是在屏幕前靜靜旁觀這一切的發生。
面對這樣一個無需人類插手、便能自主完成任務的Auto-GPT，難怪不少網友的第一反應就是“擺爛”：
有了 Auto-GPT，ChatGPT 已淪為“傳統GPT”
根據官方介紹，Auto-GPT 本質上是一個基於GPT-4 語言模型所構建的實驗性開源應用程序，由GPT-4 驅動，將大型語言模型（LLM） 思想串在一起來自主實現任務。
如果說ChatGPT 的出現讓人相信未來AI 的重要性，Auto-GPT 則將這個想法進一步昇華：未來，由自主AI 驅動的任務將成為常態。因Auto-GPT 提出的這個可能，導致ChatGPT 問世不到半年就已淪為許多人口中的“傳統GPT”。
為了驗證這種未來的可能性，最近已有不少人下場體驗過Auto-GPT，其中包括微博博主@木遙：“如果你剛開始玩Auto-GPT 但又沒玩明白，你就會焦慮af，像我一樣。”
本來，木遙只是想讓Auto-GPT 解釋一下LangChain（一個圍繞大型語言模型的應用開發框架）的用法，結果Auto-GPT 直接來了一整套操作（這一系列步驟都是它自己串起來的，無需人類介入），連LangChain 都安裝了：
▶ 首先試著直接去LangChain 官網爬信息。
▶ 被官網拒絕了，可能因為有屏蔽。
▶ 發現失敗了之後想了想，說要不Google 一下？
▶ Google 出了很多結果。
▶ 讀了半天這些結果，說「現在我們已經蒐集了不少有用的信息了，接下來讓我們安裝它玩一下」
▶ 然後就開始動手在我的電腦上安裝LangChain……
面對行動力如此“爆表” Auto-GPT，木遙忍不住感慨：“我坐在屏幕前看著這一切自動在我眼前發生，心想，我要是有它這個行動力，三個PhD 都念完了。”
除此之外，Globus 創始人安替（Michael Anti）也分享了一個不錯的Auto-GPT 使用案例：“假設你是華為的公關，分析最近國際報導，看看下一步要改善的動作。”
對於Auto-GPT 的表現，安替（Michael Anti）評價道：“奇點算是到了吧，又有很多行業要死了吧？”
整體來看，Auto-GPT 就像是一個機器人助理，你只需下達任務，它便會自己看著完成。但Auto-GPT 真就完美無缺、無懈可擊嗎？
事實證明，至少現階段還遠遠不是——Jina AI 的創始人兼CEO 肖涵表示：“在我們慶祝Auto-GPT 的快速崛起時，退後一步並仔細檢查其潛在的缺點至關重要。”
現階段，Auto-GPT 仍有缺陷
為說明目前Auto-GPT 的不足之處，肖涵先大致分析了一波原理，即Auto-GPT 主要由四部分組成：
（1）架構：Auto-GPT 是使用強大的GPT-4 和GPT-3.5 語言模型構建的，它們作為機器人的大腦，幫助它思考和推理。
（2）自主迭代：類似於機器人從錯誤中學習的能力。 Auto-GPT 可以回顧其工作，在之前的工作基礎上再接再厲，並利用其歷史記錄生成更準確的結果。
（3）內存管理：與矢量數據庫（一種內存存儲解決方案）集成，使Auto-GPT 能夠保留上下文並做出更好的決策，類似於為機器人配備長期記憶以記住過去的經歷。
（4）多功能性：Auto-GPT 的功能（例如文件操作、Web 瀏覽和數據檢索）使其用途廣泛，並使其與有別於以往的AI 迭代，就像賦予機器人多種技能來處理更廣泛的任務。
基於其組成原理，肖涵指出現階段Auto-GPT 面臨的五個重要局限：
▶ 成本高昂
雖然Auto-GPT 具有卓越的功能，但由於任務是通過思維鏈完成的，為提供更好的推理和提示，每一步都需要調用昂貴的GPT-4 模型，這通常會最大化token，也就帶來了過高的成本。
對此，肖涵估算了一個小任務的花費：Auto-GPT 平均需要50 個步驟來完成一個小任務，即成本為50* 0.288=14.4 美元（約人民幣98.5 元）。
▶ 不知變通
可能會有人覺得只要Auto-GPT 能完成任務，這14.4 美元倒也不虧。但問題是，這14.4 美元是一次性的：哪怕你只想修改一個很小的任務條件，也需要再次支付14.4 美元。
肖涵指出：“一旦生成過解決方案，再次花費相同的金額來調整參數似乎不合邏輯。這揭示了Auto-GPT 的一個基本問題：它無法將開發和生產區分開來。”
▶ 容易陷入死循環
更要命的是，這14.4 美元還可能“打水漂”。許多用戶報告說：Auto-GPT 經常陷入循環，導致其無法解決實際問題。
“我昨天多次使用它，我發現…它從未完成過一項任務。它總是去深入挖礦、做更多的研究，但從來沒有真正完成一個目標。我就放著讓它持續循環了幾個小時。”
▶ 矯枉過正
Auto-GPT 依靠矢量數據庫來進行更快的K 最近鄰（KNN）搜索，但肖涵表示這是一種矯枉過正的做法：“很多情況下，窮舉搜索就足夠有效了，只需不到一秒鐘即可完成。相比之下，每個GPT-4 調用大約需要10 秒來處理，這使得系統受GPT 約束而不是數據庫約束。”同時，這也會帶來成本的增加。
▶ 代理機制不完善
Auto-GPT 引入了一個很有趣的概念，即允許生成代理來委派任務。然而，肖涵認為這還不夠完善：“這一機制仍處於早期階段，其潛力在很大程度上仍未得到開發。”
“又貴又慢，AI 摸魚？”
對於以上總結的幾點Auto-GPT 缺陷，實際上早有不少用戶在抱怨，還搞出了一些“鬧劇”：
同時，Auto-GPT 的處理速度也引來吐槽，有點“AI 摸魚”的意思：
不過即便如此，Auto-GPT 還是令許多人對未來AI 的發展趨勢充滿期待：
▶ “想像一下，你手裡有一個AI 代理，可以隨時隨地執行命令。我相信未來才剛剛開始”
▶ “這種自我改進的AI 代表了真正AGI 的第一個火花。”
▶ “Auto-GPT 的確揭露了使用GPT 的正確姿勢。”
那麼，你對於Auto-GPT 又有什麼看法呢？
參考鏈接：
https://weibo.com/1644684112/MBK3WCt8o
https://jina.ai/news/auto-gpt-unmasked-hype-hard-truths-production-pitfalls/
群友在用AutoGPT做一個賺錢的項目，然後一步步地它分析，然後竟然開始去網上發招聘廣告，只好命令它停下來了。別讓AutoGPT全自動干活，得一步步批准，否則不知道它會搞出什麼么蛾子出來。
— Michael Anti (@mranti) April 13, 2023
資訊來源：由0x資訊編譯自8BTC。版權歸作者所有，未經許可，不得轉載