매일 바뀌는 AI 생태계...이번엔 오토 GPT...지구 종말? VIDEO: Open-Source Auto-Gpt & BabyAGI Integrate Recursion Into AI Applications
* 오토 GPT
목표만 설정하면 세부 지시를 하지 않아도 결과물을 알아서 만들어주는 '오토GPT'에 관심이 모아진다. AI가 사람처럼 발전한 것이라는 평가와 함께 AI의 왜 위험한지를 보여주는 증거라는 지적이 동시에 나오고 있다.
오토GPT는 실수를 스스로 수정하는 '자율반복(autonomous iterations)' 기능을 사용해 결과물을 생성하는 AI 챗봇이다. 'GPT-4'를 기반으로 만든다. 정보를 저장할 수 있는 별도 메모리 공간과 데이터를 검색, 저장, 편집할 수 있는 다기능성을 갖춰주면 된다
Source: aitimes.com/news/articleView.html?idxno=150562
사람의 개입 없이도
더 큰 목표 달성하기 위한 새로운 목표 설정
AI가 스스로 방법 찾아 결과물
인간과 공생 가능한 초기단계
일각 “발전 너무 빨라 두렵다”
(chosun.com)
머스크, "AI GPT, 궁극적으로 선한데 사용해야"
자동 GPT와 아기와 관련된 최근의 발전AGI는 AI 연구 및 소프트웨어 개발 분야에서 상당한 열정을 불러일으키며 자율 에이전트의 인상적인 잠재력을 입증했다. LLM(대규모 언어 모델)을 기반으로 하는 이러한 에이전트는 사용자 프롬프트에 응답하여 복잡한 작업 시퀀스를 수행할 수 있다.
이러한 에이전트는 인터넷 및 로컬 파일 액세스, 기타 API 및 기본 메모리 구조와 같은 다양한 리소스를 사용하여 AI 애플리케이션에 재귀를 통합하는 데 있어 초기의 발전을 보여준다.
BabyAGI가 뭐죠?
2023년 3월 28일 나카지마 요헤이가 트위터를 통해 소개한 베이비AGI는 원래 업무 중심 자율 에이전트의 간소화된 재현이다. BabyAGI는 OpenAI의 자연어 처리(NLP) 기능과 Pinecone을 활용하여 작업 결과를 컨텍스트에 저장 및 검색하여 효율적이고 사용자 친화적인 환경을 제공한다. 140줄의 간결한 코드로, BabyAGI는 이해하고 확장하기 쉽다.
베이비라는 이름AGI는 이러한 도구가 아직 인공 일반 지능(AGI)을 달성하지는 않았지만 기하급수적으로 전력이 증가하고 있는 AI 시스템을 향해 지속적으로 사회를 추진하기 때문에 실제로 중요하다. AI 생태계는 매일 새로운 발전을 경험하고 있으며, 미래의 혁신과 복잡한 문제를 해결하도록 유도할 수 있는 GPT 버전의 잠재력으로, 이러한 시스템은 이제 사용자에게 AGI와 상호 작용하는 듯한 인상을 준다.
자동 GPT란 무엇입니까?
Auto-GPT는 자연어로 표현된 목표를 더 작은 하위 작업으로 나누고 인터넷 등의 자원을 자동화된 루프에 활용하여 달성하도록 설계된 AI 기능이다. 이 에이전트는 OpenAI의 GPT-4 또는 GPT-3.5 API를 사용하며, GPT-4를 사용하여 자율 작업을 수행하는 선구적인 애플리케이션 중 하나다.
각 작업에 대한 수동 지침에 의존하는 ChatGPT와 같은 대화형 시스템과 달리 Auto-GPT는 사람의 개입 없이도 더 큰 목표를 달성하기 위한 새로운 목표를 설정한다. 특정 작업을 수행하기 위한 프롬프트에 대한 응답을 생성할 수 있는 Auto-GPT는 새로 획득한 정보를 기반으로 재귀 인스턴스에 대한 자체 프롬프트를 만들고 수정할 수도 있습니다.
아직 실험 단계에 있고 몇 가지 한계가 있지만, 에이전트는 AI 하드웨어 및 소프트웨어의 비용 감소로 인해 촉진되는 생산성 향상을 촉진할 준비가 되어 있다. ARK Invest의 연구에 따르면 AI 소프트웨어는 잠재적으로 2030년까지 최대 14조 달러의 매출과 90조 달러의 기업 가치를 창출할 수 있다. GPT-4와 같은 기본 모델이 계속해서 발전함에 따라, 많은 회사들이 자체적으로 더 작은 전문 모델을 훈련시키는 것을 선택하고 있다. 기본 모델은 광범위한 응용 프로그램을 가지고 있지만, 전문화된 작은 모델은 추론 비용 감소와 같은 이점을 제공한다.
또한 저작권 문제와 데이터 거버넌스에 관심이 있는 많은 기업들은 공용 데이터와 개인 데이터를 혼합하여 독점 모델을 개발하기로 선택하고 있다. 주목할 만한 예는 PubMed 생물의학 데이터에 대해 훈련된 27억 개의 매개 변수 LLM로, 미국 의료 면허 시험(USMLE) 질의응답 테스트에서 유망한 결과를 달성했다. MosaicML 플랫폼의 교육 비용은 약 38,000달러였으며 컴퓨팅 기간은 6.25일이었다. 대조적으로 GPT-3의 최종 교육 실행에는 컴퓨팅 비용이 거의 500만 달러가 소요된 것으로 추정된다.
황기철 콘페이퍼 에디터 국토부 인플루언서
Ki Chul Hwang Conpaper editor influencer
Open-Source Auto-Gpt & BabyAGI Integrate Recursion Into AI Applications
(Source: unite.ai/open-source-auto-gpt-babyagi-integrate-recursion/)
Auto-GPT - How to Automate a Task Based AI with GPT-4
일론 머스크가 투자했던 챗GPT 회사
그리고 그의 무서운 경고
kcontents
