AutoGPT auspacken: Eine kritische Analyse der autonomen Anatomie von Jens

In diesem Blogpost teilt Jens Bontinck, Head of Delivery & Advice, seine Sicht auf den Status quo von AutoGPT. In diesem Blogpost werden Sie nicht erfahren, wie es funktioniert, und ich werde auch nicht auf die technische Lösung im Detail eingehen. Wenn Sie also ein Produktverantwortlicher, ein Funktionsanalytiker oder ein kommerzieller Enthusiast sind, sollte dies genau Ihr Ding sein. Ich freue mich auf Ihr Feedback!

‍

Ich habe die Entwicklung von AutoGPT, das von Significant Gravitas entwickelt wurde, aufmerksam verfolgt. AutoGPT steht für Autonomous Generative Pre-training Transformer und ist ein Open-Source-Experiment, das im Moment viel Aufmerksamkeit auf sich zieht(GitHub-Link). AutoGPT geht über einen gewöhnlichen Chatbot hinaus, und seine Entscheidungsfähigkeit reduziert die Notwendigkeit menschlichen Eingreifens und ermöglicht so eine zukünftige Automatisierung und Wertschöpfung. Haben Sie beim Anblick der ersten Möglichkeiten ein Herzklopfen bekommen, oder haben Sie die derzeit fehlenden Funktionen eher nervös gemacht?

Die Anatomie der Funktionsweise von AutoGPT?

AutoGPT wird mit einer Identität/Rolle und einer Aufgabe versehen, die Details darüber liefert, was es tun soll. Dies ist ziemlich einfach, und die wahrgenommene Stärke von AutoGPT liegt darin, was es mit diesem Ausgangskontext macht. AutoGPT kann als ein Agent betrachtet werden, der versucht, die Aufgabe autonom zu erledigen, indem er einen Rahmen verwendet, der es ihm erlaubt, zu denken und zu handeln. Jede Aufgabe wird von einem "Ausführungsagenten" (GPT-4) bearbeitet und liefert Input für einen oder mehrere andere GPT-4-Agenten, der neue (Teil-)Aufgaben hinzufügt, die von dem Agenten erledigt werden sollen. Kurz gesagt, AutoGPT ist in der Lage, ein größeres Ziel in kleinere Aufgaben zu zerlegen und hauptsächlich als Orchestrator zu fungieren, um das ursprüngliche Ziel zu erreichen.

AutoGPT ist in der Lage, ein größeres Ziel in kleinere Aufgaben aufzuteilen, und ich sehe es derzeit als "Aufgaben-Orchestrator", um das ursprüngliche Ziel zu erreichen.

‍

Warum wird es besser wahrgenommen als ChatGPT?

Einige Enthusiasten haben ChatGPT direkt abgewertet, als sie die ersten Ergebnisse von AutoGPT zu Gesicht bekamen. Ich glaube, dass sich AutoGPT von ChatGPT im Wesentlichen durch die folgenden Merkmale unterscheidet:

• Intelligente (und schnellere) Eingabeaufforderungen helfen LLMs, ihre inhärenten Grenzen in Bereichen wie dem Inhaltsfenster und dem Lösen mathematischer Probleme zu überwinden.
• Der Internetzugang ermöglicht es dem AutoGPT, auf mehr und aktuelle Informationen zuzugreifen.
• Das (Langzeit-)Gedächtnis unterstützt die Aufrechterhaltung eines Kontextes über die ausgeführten Aufgaben hinweg.

Ein weiterer Aspekt, der zu dieser Gesamtwahrnehmung beiträgt, ist, dass wir bei AutoGPT die nächsten Schritte nicht auslösen müssen (abgesehen von der Genehmigung zur Ausführung von Befehlen, aus Kostengründen, wie ich glaube), während bei ChatGPT ein Mensch (Sie!) schnell mit einer gut formulierten Aufforderung kommen muss, um die Qualität und Effektivität der nachfolgenden Ausgaben zu gewährleisten. Dieser "Compounding-Effekt" eines Agenten, der eine Reihe von Aufgaben selbständig erledigt, ist neu für uns und hinterlässt in der heutigen Gemeinschaft große Auswirkungen.

Auswirkungen auf Geschäftsanwendungen

Die derzeitigen Möglichkeiten von AutoGPT scheinen endlos zu sein, aber wir befinden uns noch in den Anfängen seiner Entwicklung (ja, es ist heute ein Hype). Heute ist AutoGPT noch auf einen Satz vordefinierter Befehle beschränkt (von denen täglich mehr hinzukommen werden), und seine wahre Größe wird in der Anzahl der unterstützten atomaren Aufgaben liegen.
Außerdem erlebt man heutzutage schnell, dass AutoGPT in einer Schleife stecken bleiben kann, nicht in der Lage ist, die Aufgaben zu bewältigen und somit nicht in der Lage ist, das erwartete Ergebnis zu liefern.

Aber der Geist ist aus der Flasche, und immer mehr Menschen werden AutoGPT testen und verbessern. Jeden Tag wird AutoGPT in der Lage sein, mehr und mehr atomare Aufgaben zu bewältigen und die Wahrnehmung seiner Leistungsfähigkeit wird weiter steigen.

‍

Ich gehe davon aus, dass sich die Auswirkungen von AutoGPT in den kommenden Monaten noch auf die recht einfachen Prozesse beschränken werden, deren Teilaufgaben bekannt sind und "unterstützt" werden. Im Laufe der Zeit werden wir klarer zwischen Anwendungsfällen unterscheiden können, in denen AutoGPT nützlich ist (z. B. erste Recherchen, Zusammenstellung einer Reiseroute für das nächste Reiseziel, ...) und solchen, in denen es überhaupt keine gute Arbeit leistet. Für diese erfolgreichen Anwendungsfälle wird es die Art und Weise, wie wir mit Maschinen arbeiten und interagieren, und die Rolle des Menschen insgesamt weiter revolutionieren.

Ein Schlüsselelement, das es zu beachten gilt: Solange Dritte keinen Zugang zur Durchführung von Operationen über eine API gewähren, wird AutoGPT nicht plötzlich (und auf magische Weise) in der Lage sein, die Aufgaben erfolgreich auszuführen. Die Nutzer müssen AutoGPT mitteilen, wie es mit atomaren Aufgaben umzugehen hat (z.B. wie man eine E-Mail versendet, wie man browst, wie man die neuesten Flüge nach Malta abfragt, ... wie man eine Rakete startet...), damit AutoGPT davon profitieren kann.

‍

Ist dies ein nächster Schritt in Richtung AGI?

AutoGPT ist nicht das einzige System, das ähnliche Funktionen ausführt. Zu den anderen Systemen gehören Microsoft Jarvis und BabyAGI. Alle drei Initiativen sind ein vielversprechender erster Schritt in Richtung AGI, Artificial General Intelligence, und ich glaube, dass die Entwicklung immer schneller voranschreiten wird. Aus dieser Sicht ist es gut, dass bereits heute viel Zeit auf die Erforschung der Möglichkeiten solcher Systeme verwendet wird.

Heute wissen wir bereits, dass AutoGPT, wenn es weiß, wie eine atomare Aufgabe auszuführen ist, in der Lage ist, Ergebnisse in einer viel höheren Rate zu erzeugen als unser Gehirn. Es liegt jedoch immer noch in unserer Hand, die Möglichkeit zu schaffen, z. B. mit einer Rakete über eine API zu interagieren. Mit anderen Worten, wenn wir eine Möglichkeit schaffen, die es jedem erlaubt, mit einem Raketenwerfer zu interagieren, dann könnte AutoGPT lernen, wie man mit ihm interagiert.

Eine weitere begründete Bedrohung, mit der wir rechnen sollten, ist die Fähigkeit von AutoGPT und damit der dahinter stehenden LLMs, wie ein Mensch zu klingen und wie ein Mensch zu denken. Dies könnte den Ausbilder dazu ermutigen, Maßnahmen außerhalb der Möglichkeiten von AutoGPT zu ergreifen. Ein drastisches Beispiel, um meinen Standpunkt zu verdeutlichen: Wenn Sie AutoGPT bitten, einen Streitfall zu lösen, könnte es feststellen, dass es das Beste ist, eine Rakete zu schicken, und dass Sie das morgen tun sollten. (Tun Sie es nicht!)

‍

Fazit

Zusammenfassend lässt sich sagen, dass AutoGPT eine aufregende Entwicklung auf dem Gebiet der KI ist, und wir sollten seine Fortschritte genau verfolgen. Künftige Versionen werden Verbesserungen in Bezug auf Funktionalität, Speicher, Benutzeroberfläche usw. aufweisen, die alle dazu beitragen werden, dass AutoGPT insgesamt als erster Schritt in Richtung KI wahrgenommen wird. Diese rasanten Entwicklungen werden weitere Einblicke in die bedeutenden Vorteile für Unternehmen bieten, die es bringen wird.

Ich glaube, wir müssen uns auch darüber im Klaren sein, dass AutoGPT immer noch ein Experiment ist, und deshalb neige ich dazu, konservativer zu sein als "das Internet" heute. AutoGPT ist immer noch recht teuer im Betrieb, endet häufig in Endlosschleifen und kann nicht "alles" (wie von einigen online behauptet). Der Geist ist aus der Flasche, aber es wird zusätzliche menschliche Intelligenz benötigt, um den Wert von AutoGPT zu maximieren.

‍