Auto-GPT 与 ChatGPT 运行在相同的基本后端基础设施上：由 OpenAI 开发的 GPT-3.5 和 GPT-4 语言模型。尽管 Auto-GPT 和 ChatGPT 都是使用 OpenAI 技术的聊天机器人工具，但两者之间存在一些差异。
ChatGPT 由 OpenAI 开发。Auto-GPT 由 Toran Bruce Richards 使用 OpenAI 的API开发。
与 ChatGPT 不同，Auto-GPT 循环运行。它将活动分解为子任务，自我提示，响应提示并重复该过程，直到实现所提供的目标。ChatGPT 需要最终用户反复提示。用户提示模型，模型做出响应，然后用户必须再次提示它。ChatGPT 没有可以遵循的总体目标——只是用户提供的一串提示。
Auto-GPT 还使用短期内存管理来保留上下文并帮助模型在长提示链中工作。ChatGPT 本身没有内存。信息不会在会话之间延续。
ChatGPT 也无法访问互联网；自动 GPT 可以。ChatGPT 的训练数据将于 2021 年 9 月停止。超过该时间段的任何信息都不包含在 ChatGPT 的答案中。
Auto-GPT 也是多模式的，这意味着它可以处理文本和图像作为输入。ChatGPT 只能处理文本。
Auto-GPT 有哪些潜在挑战？
Auto-GPT 用户面临的一项潜在挑战是，以连续模式运行应用程序可能会增加大量成本。Auto-GPT 依赖于对 OpenAI API 密钥的访问，这需要付费的 OpenAI 帐户。截至撰写本文时，GPT-4 的成本为 0.03 美元/1,000 个提示代币和 0.06 美元/1,000 个结果代币。
另一个挑战是 Auto-GPT 可能会分散注意力或陷入循环。例如，当被要求对防水鞋进行研究时，该工具可能只关注鞋带，因为它误解了其任务范围并分散了注意力。
自动 GPT 有哪些限制？
Auto-GPT 以及基于其构建的应用程序只是一个实验。使用它的成本加上其技术缺陷使得它很难在生产环境中大规模使用。Auto-GPT 的作者在 Github 存储库中指出了这一点。Discord 和 Github 上有一个活跃的社区，开发人员可以在其中分享他们使用 Auto-GPT 的进展和想法。
Auto-GPT 也没有长期记忆。完成任务后它通常不记得如何完成任务。即使可以，它也无法理解应该使用它的上下文。由于缺乏长期记忆和上下文理解，它也很难将复杂的任务分解为子任务，并理解何时在不同的环境中重复相同的目标。方式。
自动 GPT 有哪些好处？
Auto-GPT 的好处之一是它展示了人工智能的边界及其自主行动的能力。用户可以看到模型如何独立工作并自我提示、哪里出错以及哪里正确。Auto-GPT 也是开源的，可以免费下载，但使用它需要花钱。
Auto-GPT 生成信息的速度比 Google 搜索或 ChatGPT 的一系列提示更快，因此对于快速需要大量信息的用户非常有用。
Auto-GPT 将如何影响人工智能的未来？
虽然目前尚不清楚 Auto-GPT 将如何影响人工智能的未来，但该应用程序凸显了自主代理的潜力，并使该领域向通用人工智能更近了一步。通用人工智能是有感知能力的机器的术语。Auto-GPT 自主起草计划，然后执行该计划，这使得 Auto-GPT 看起来有代理权。
Auto-GPT 可能是通过任务复杂性或模型在偏离预期输出之前可以自主完成的复杂步骤数量来衡量通用人工智能 ( AGI ) 进展的一种方法。
从理论上讲，更熟练的 Auto-GPT 版本可以启动其他自主代理与人类交互，并将人类完全从循环中移除。
自主人工智能的另一个例子是 BabyAGI。BabyAGI 是一个Python脚本，它使用 OpenAI 和 Pinecone API 来使用预定义的目标创建、组织、确定优先级和执行任务。BabyAGI 未连接到互联网。
虽然 Auto-GPT 还远未做好商业准备，但其他人工智能工具正在跨行业进行专业集成。其中许多仍然是新的。了解关键绩效指标来衡量人工智能在企业中的成功。
相关文章
