ChatGPT引爆的AI熱潮也「燒到了」金融圈。

近來，彭博社的研究人員也開發(fā)了一個金融領(lǐng)域的GPT——Bloomberg GPT，有500億參數(shù)。

GPT-4的橫空出世，讓許多人淺嘗到了大型語言模型的強大能力。

然而，OpenAI不open。業(yè)界許多人紛紛開始做GPT的克隆，而且許多ChatGPT平替的模型都是基于已經(jīng)開源的模型上構(gòu)建，尤其是Meta開源的LLMa模型。

比如，斯坦福的Alpaca、UC伯克利聯(lián)手CMU、斯坦福等駱馬（Vicuna），初創(chuàng)公司Databricks的Dolly等等。

針對不同任務(wù)和應(yīng)用構(gòu)建的各種類ChatGPT的大型語言模型，在整個領(lǐng)域呈現(xiàn)出百家爭鳴之勢。

那么問題來了，研究者如何選擇合適的模型，甚至是多個模型，去完成一項復(fù)雜的任務(wù)呢？

近日，微軟亞洲研究院和浙江大學(xué)的研究團隊，發(fā)布了一個大模型協(xié)作系統(tǒng)HuggingGPT。

論文地址：https://arxiv.org/pdf/2303.17580.pdf

HuggingGPT利用ChatGPT作為控制器，連接HuggingFace社區(qū)中的各種AI模型，來完成多模態(tài)復(fù)雜任務(wù)。

這意味著，你將擁有一種超魔法，通過HuggingGPT，便可擁有多模態(tài)能力，文生圖、文生視頻、語音全能拿捏了。

HuggingGPT搭橋

研究者指出解決大型語言模型（LLMs）當(dāng)前的問題，可能是邁向AGI的第一步，也是關(guān)鍵的一步。

因為當(dāng)前大型語言模型的技術(shù)仍然存在著一些缺陷，因此在構(gòu)建 AGI 系統(tǒng)的道路上面臨著一些緊迫的挑戰(zhàn)。

- 受限于文本生成的輸入和輸出形式，當(dāng)前LLMs缺乏處理復(fù)雜信息（如視覺和語音）的能力；

- 在實際應(yīng)用場景中，一些復(fù)雜任務(wù)通常由多個子任務(wù)組成，因此需要多個模型的調(diào)度和協(xié)作，這也超出了語言模型的能力范圍；

- 對于一些具有挑戰(zhàn)性的任務(wù)，LLMs在零樣本或少樣本設(shè)置下表現(xiàn)出優(yōu)異的結(jié)果，但它們?nèi)匀槐纫恍＜胰酰ㄈ缥⒄{(diào)模型）。

為了處理復(fù)雜的人工智能任務(wù)，LLMs應(yīng)該能夠與外部模型協(xié)調(diào)，以利用它們的能力。因此，關(guān)鍵點在于如何選擇合適的中間件來橋接LLMs和AI模型。

研究者發(fā)現(xiàn)，每個AI模型都可以通過總結(jié)其模型功能表示為一種語言形式。

由此，便引入了一個概念，「語言是LLMs，即ChatGPT，連接人工智能模型的通用接口」。

通過將AI模型描述納入提示中，ChatGPT可以被視為管理人工智能模型的大腦。因此，這一方法可以讓ChatGPT能夠調(diào)用外部模型，來解決實際任務(wù)。

簡單來講，HuggingGPT是一個協(xié)作系統(tǒng)，并非是大模型。

它的作用就是連接ChatGPT和HuggingFace，進而處理不同模態(tài)的輸入，并解決眾多復(fù)雜的人工智能任務(wù)。

所以，HuggingFace社區(qū)中的每個AI模型，在HuggingGPT庫中都有相應(yīng)的模型描述，并將其融合到提示中以建立與ChatGPT的連接。

隨后，HuggingGPT將ChatGPT作為大腦來確定問題的答案。

到目前為止，HuggingGPT已經(jīng)圍繞ChatGPT在HuggingFace上集成了數(shù)百個模型，涵蓋了文本分類、目標檢測、語義分割、圖像生成、問答、文本到語音、文本到視頻等24個任務(wù)。

實驗結(jié)果證明，HuggingGPT擁有處理多模態(tài)信息和復(fù)雜人工智能任務(wù)的能力。

四步工作流程

HuggingGPT整個工作流程可以分為如下四個階段：

- 任務(wù)規(guī)劃：ChatGPT解析用戶請求，將其分解為多個任務(wù)，并根據(jù)其知識規(guī)劃任務(wù)順序和依賴關(guān)系

- 模型選擇：LLM根據(jù)HuggingFace中的模型描述將解析后的任務(wù)分配給專家模型

- 任務(wù)執(zhí)行：專家模型在推理端點上執(zhí)行分配的任務(wù)，并將執(zhí)行信息和推理結(jié)果記錄到LLM中

- 響應(yīng)生成：LLM總結(jié)執(zhí)行過程日志和推理結(jié)果，并將摘要返回給用戶

多模態(tài)能力，有了

實驗設(shè)置

實驗中，研究者采用了gpt-3.5-turbo和text-davinci-003這兩種GPT模型的變體作為大型語言模型（LLMs），這些模型可以通過OpenAI API公開訪問。

為了使LLM的輸出更加穩(wěn)定，我們將解碼溫度設(shè)置為0。

同時，為了調(diào)整LLM的輸出以使其符合預(yù)期格式，我們在格式約束上設(shè)置了logit_bias為0.1。

研究人員在如下表格中提供了為任務(wù)規(guī)劃、模型選擇和反應(yīng)生成階段而設(shè)計的詳細提示，其中{{variable}}表示在提示被輸入LLM之前，需要用相應(yīng)的文本填充域值。

研究人員在廣泛的多模態(tài)任務(wù)上測試了HuggingGPT。

在ChatGP和專家模型的配合下，HuggingGPT可以解決語言、圖像、音頻和視頻等多種模式的任務(wù)，包含了檢測、生成、分類和問題回答等多種形式的任務(wù)。

雖然這些任務(wù)看起來很簡單，但掌握HuggingGPT的基本能力是解決復(fù)雜任務(wù)的前提條件。

比如，視覺問答任務(wù)：

文本生成：

文生圖：

HuggingGPT可以整合多個輸入的內(nèi)容來進行簡單的推理?？梢园l(fā)現(xiàn)，即使有多個任務(wù)資源，HuggingGPT也能將主要任務(wù)分解成多個基本任務(wù)，最后整合多個模型的推理結(jié)果，得到正確答案。

此外，研究人員通過測試評估了HuggingGPT在復(fù)雜任務(wù)情況下的有效性。

就HuggingGPT處理多項復(fù)雜任務(wù)的能力進行了展示。

當(dāng)處理多個請求的時候，可能包含多個隱含任務(wù)或者需要等多方面的信息，這時依靠一個專家模型來解決是不夠的。

而HuggingGPT可以通過任務(wù)規(guī)劃組織多個模型的協(xié)作。

一個用戶請求中可能明確包含多個任務(wù)：

下圖展示了HuggingGPT在多輪對話場景下應(yīng)對復(fù)雜任務(wù)的能力。

用戶將一個復(fù)雜的請求分成幾個步驟，通過多輪請求達到最終目標。結(jié)果發(fā)現(xiàn)，HuggingGPT可以通過任務(wù)規(guī)劃階段的對話情境管理來跟蹤用戶請求的情境狀態(tài)，并且可以很好地解決用戶提到的請求資源以及任務(wù)規(guī)劃。

「賈維斯」開源

目前，這一項目已經(jīng)在GitHub上開源，但是代碼并沒有完全公布。

有趣的是，研究者給這個項目命名為《鋼鐵俠》中的賈維斯，無敵AI這就來了。

JARVIS：一個連接LLMs和ML社區(qū)的系統(tǒng)

順便提一句，HuggingGPT需要有了OpenAI的API才可以使用。

網(wǎng)友：研究的未來

JARVIS / HuggingGPT就像此前Meta提出的Toolformer一樣，都在充當(dāng)著連接器的作用。

甚至，包括ChatGPT plugins也是如此。

網(wǎng)友稱，「我強烈懷疑第一個人工通用智能（AGI）的出現(xiàn)將比預(yù)期更早。它將依靠「膠水」人工智能，能夠智能地將一系列狹義人工智能和實用工具粘合在一起。

我獲得了訪問插件權(quán)限，這使它一夜之間從數(shù)學(xué)菜雞變成了數(shù)學(xué)天才。當(dāng)然，這只是一個小步驟，但卻預(yù)示著未來的發(fā)展趨勢。

我預(yù)測，在接下來的一年左右，我們將看到一種人工智能助手，它與數(shù)十個大型語言模型（LLMs）及類似工具相連，而終端用戶只需向其助手發(fā)出指令，讓其為他們完成任務(wù)。這個科幻般的時刻即將到來。

還有網(wǎng)友稱，這就是未來的研究方法。

GPT在一大堆工具面前，知道如何使用它們了。