2024-12-25 科技 0
丰色发自凹非寺，量子位公众号QbitAI，以最强组合HuggingFace ChatGPT为核心，诞生了HuggingGPT，它将改变我们对AI的理解和使用。这个系统不仅能够自动完成各种复杂任务，还能调动每个人的力量，让语言成为通用的接口。
它的工程流程分为四步：首先，任务规划；其次，模型选择；接着，任务执行；最后，输出结果。在这过程中，它可以将用户的需求解析为任务列表，并确定任务之间的执行顺序和资源依赖关系。然后根据HuggingFace上托管的各专家模型的描述，为每个任务分配合适的模型。混合端点（包括本地推理和HuggingFace推理）上被选定的专家模型根据任务顺序和依赖关系执行分配的任务，并将执行信息和结果给到ChatGPT。
假定我们给出这样一个请求：“请生成一个女孩正在看书的图片，她的姿势与example.jpg中的男孩相同。”可以看到HuggingGPT是如何将它拆解为6个子任务，并分别选定模型执行得到最终结果。
具体效果怎么样？作者采用gpt-3.5-turbo和text-davinci-003这两种可以通过OpenAI API公开访问的变体进行了实测。在图片转换、音频视频制作以及多张图片上的简单推理等方面，都展现了良好的性能。此外，这项技术还集成多个用户输入资源来完成工作，如在三张图片中数斑马数量。
项目已开源，其名叫「贾维斯」，目前代码只开源了一部分，但已获得1.4k标星。这项工作展示了一个新的可能性，那就是AGI可能不是单一的大型语言模型，而是一个由LLM连接多个相互关联的小型模块构成的事物。这意味着，我们可能已经迈向“半AGI”的时代。论文地址：https://arxiv.org/abs/2303.17580 项目链接：https://github.com/microsoft/JARVIS
— 完 —
