AutoGPT (EL)

From Systems analysis Wiki
Jump to navigation Jump to search

AutoGPT — είναι ένας πειραματικός αυτόνομος πράκτορας τεχνητής νοημοσύνης ανοικτού κώδικα, βασισμένος στα μεγάλα γλωσσικά μοντέλα (LLM) GPT-4 της OpenAI[1]. Η εφαρμογή είναι ικανή να αντιλαμβάνεται έναν στόχο που θέτει ο χρήστης σε φυσική γλώσσα και, χωρίς περαιτέρω προτροπές, τον διαιρεί σε υποεργασίες, τις οποίες εκτελεί διαδοχικά σε αυτόματο κύκλο, χρησιμοποιώντας εργαλεία όπως το διαδίκτυο για αναζήτηση πληροφοριών[1][2]. Το AutoGPT έγινε ένα από τα πρώτα παραδείγματα εφαρμογής του μοντέλου GPT-4 για την ανεξάρτητη εκτέλεση σύνθετων εργασιών χωρίς ανθρώπινη συμμετοχή[2], επιδεικνύοντας τις δυνατότητες των λεγόμενων αγεντικών LLM-συστημάτων (generative agents), τα οποία, υποτίθεται, θα μπορούν να μιμούνται σκόπιμες ενέργειες παρόμοιες με αυτές του ανθρώπου[3].

Ιστορία ανάπτυξης

Το AutoGPT κυκλοφόρησε στις 30 Μαρτίου 2023 από τον προγραμματιστή Toran Bruce Richards, ιδρυτή της εταιρείας Significant Gravitas[1]. Η εμφάνιση του έργου ακολούθησε σύντομα μετά την ανακοίνωση του μοντέλου GPT-4 (14 Μαρτίου 2023) και πραγματοποιήθηκε στο πλαίσιο του αυξανόμενου ενδιαφέροντος για τους «αυτόνομους πράκτορες» — προγράμματα ικανά να λύνουν σύνθετες πολυβηματικές εργασίες μέσω LLM σχεδόν χωρίς χειροκίνητη παρέμβαση[4]. Το έργο τράβηξε γρήγορα την προσοχή ευρύτερου τεχνολογικού κοινού: το AutoGPT έγινε viral στο GitHub, συγκεντρώνοντας πάνω από 150.000 αστέρια σε μόλις λίγους μήνες[3]. Τον Οκτώβριο του 2023, οι προγραμματιστές του AutoGPT άντλησαν χρηματοδότηση ύψους 12 εκατομμυρίων δολαρίων για την περαιτέρω ανάπτυξη του έργου[3], γεγονός που υπογράμμισε το υψηλό ενδιαφέρον των επενδυτών για αυτή την κατεύθυνση.

Λειτουργικότητα και δυνατότητες

Αυτόνομη λειτουργία. Το κύριο χαρακτηριστικό του AutoGPT είναι η ικανότητα αυτόνομης δημιουργίας και εκτέλεσης μιας ακολουθίας ενεργειών για την επίτευξη ενός συγκεκριμένου στόχου. Λαμβάνοντας από τον χρήστη μια υψηλού επιπέδου εργασία, ο πράκτορας διατυπώνει μόνος του το σχέδιο λύσης: διαιρεί τη μεγάλη εργασία σε μικρότερα βήματα και τα εκτελεί επαναληπτικά, τροφοδοτώντας τα αποτελέσματα των προηγούμενων σταδίων στα επόμενα[5]. Ο χρήστης δεν χρειάζεται να εισάγει νέα ερωτήματα σε κάθε στάδιο — το μοντέλο συνεχίζει να λειτουργεί έως ότου επιτευχθεί ο στόχος ή εξαντληθούν οι δυνατότητες[1].

Για τη βελτίωση της διαφάνειας λειτουργίας, η εσωτερική λογική αποδίδεται με τη μορφή «σκέψεων» και «αιτιολογήσεων» – το AutoGPT εμφανίζει τι σχεδιάζει να κάνει και γιατί, καθώς και κριτική των ενεργειών του, πριν προχωρήσει στο επόμενο βήμα[6]. Αυτός ο μηχανισμός επιτρέπει την παρακολούθηση της διαδικασίας συλλογισμού του μοντέλου και, εάν κριθεί απαραίτητο, την έγκαιρη χειροκίνητη διόρθωσή της.

Ενσωμάτωση LLM και εργαλείων. Το AutoGPT λειτουργεί μέσω του API των μεγάλων γλωσσικών μοντέλων της OpenAI. Σε τυπική διαμόρφωση, χρησιμοποιεί το GPT-4 για τη δημιουργία της πλειονότητας των λύσεων (κείμενο, κώδικας κ.λπ.), ενώ το βοηθητικό μοντέλο GPT-3.5 χρησιμοποιείται για λιγότερο απαιτητικές εργασίες, όπως η αποθήκευση και η συμπίεση πληροφοριών (περίληψη πλαισίου)[1]. Σε αντίθεση με τα διαλογικά chatbots όπως το ChatGPT, που περιορίζονται στο πλαίσιο των ενσωματωμένων γνώσεων, το AutoGPT μπορεί να συνδεθεί σε εξωτερικές πηγές δεδομένων. Για παράδειγμα, ο πράκτορας μπορεί να εξέλθει στο διαδίκτυο για ενημερωμένη αναζήτηση ιστού, ανακτώντας τις απαραίτητες πληροφορίες σε πραγματικό χρόνο[2]. Επίσης, μπορεί να εκτελεί λειτουργίες με αρχεία στον υπολογιστή — να δημιουργεί, να διαβάζει και να γράφει αρχεία για τη μακροπρόθεσμη αποθήκευση ενδιάμεσων αποτελεσμάτων[1]. Η αρχιτεκτονική του AutoGPT υποστηρίζει συνδεόμενα plugin, που επεκτείνουν τη λειτουργικότητα: έτσι, ο πράκτορας μπορεί να χρησιμοποιήσει πρόγραμμα περιήγησης ιστού για πλοήγηση σε ιστότοπους, να καλεί υπηρεσίες τρίτων ή ακόμα και να παράγει ηχητικές απαντήσεις (Text-to-Speech) με την παρουσία αντίστοιχων ενοτήτων[1][6].

Μνήμη και πλαίσιο. Χάρη στους ενσωματωμένους μηχανισμούς μνήμης, το AutoGPT είναι ικανό να λαμβάνει υπόψη το πλαίσιο των προηγούμενων ενεργειών. Κατά την επίλυση μιας εργασίας, ο πράκτορας διατηρεί βραχυπρόθεσμη μνήμη — τα πρόσφατα βήματα και τα δεδομένα που έχει λάβει, τα οποία χρησιμοποιεί κατά τη δημιουργία επακόλουθων ενεργειών[1]. Αυτό του επιτρέπει να διατηρεί τη συνοχή της εργασίας ακόμα και σε μακριές αλυσίδες λειτουργιών. Επιπλέον, το AutoGPT μπορεί να ενσωματωθεί με εξωτερική μακροπρόθεσμη μνήμη — για παράδειγμα, με διανυσματικές βάσεις δεδομένων για embeddings. Με αυτή τη διαμόρφωση, το μοντέλο αποκτά συνθήκη «μακροπρόθεσμης» αποθήκευσης: μπορεί να επιστρέφει σε προηγουμένως αποθηκευμένες πληροφορίες κατά την εκτέλεση νέων εργασιών, να λαμβάνει υπόψη προηγούμενες εμπειρίες, αποτελέσματα παρελθοντικών συνεδριών και προτιμήσεις του χρήστη[1][1].

Εφαρμογές

Το AutoGPT τοποθετείται ως ένα καθολικό εργαλείο για την αυτοματοποίηση σύνθετων πολυσταδιακών διαδικασιών σε διάφορους τομείς. Χάρη στον συνδυασμό δημιουργίας κειμένου, αναζήτησης πληροφοριών και ενσωμάτωσης με εξωτερικά δεδομένα, οι δυνητικοί τομείς χρήσης είναι ιδιαίτερα ποικίλοι[1]:

  • Ανάλυση και έρευνα. Ο πράκτορας μπορεί να συλλέγει και να επεξεργάζεται αυτόματα πληροφορίες από ανοικτές πηγές. Για παράδειγμα, για την ανάλυση αγοράς, το AutoGPT μπορεί να περιηγείται σε ειδήσεις και μέσα κοινωνικής δικτύωσης στο διαδίκτυο, να εντοπίζει τρέχουσες τάσεις και βάσει αυτών να ετοιμάζει συγκεντρωτική αναλυτική έκθεση για επιχειρήσεις[1]. Με παρόμοιο τρόπο, το μοντέλο μπορεί να διεξάγει εις βάθος έρευνα σε επιστημονικούς και τεχνικούς τομείς, προετοιμάζοντας ανασκοπήσεις βιβλιογραφίας ή ανταγωνιστικού περιβάλλοντος.
  • Ανάπτυξη προϊόντων και προγραμματισμός. Το AutoGPT μπορεί να βοηθήσει τις ομάδες ανάπτυξης αναλαμβάνοντας ορισμένες ρουτίνες εργασίες. Συγκεκριμένα, μπορεί να αναλύει κριτικές χρηστών και αναφορές σε μέσα κοινωνικής δικτύωσης για να εντοπίζει αδυναμίες του προϊόντος και να προτείνει βελτιώσεις[1]. Επιπλέον, το μοντέλο μπορεί να παράγει πηγαίο κώδικα βάσει περιγραφής (ουσιαστικά λειτουργώντας ως βοηθός κώδικα) και ακόμη να επιχειρεί αποσφαλμάτωση κώδικα: το AutoGPT μπορεί αυτόνομα να εντοπίζει σφάλματα και να παρέχει συστάσεις για διόρθωση[1]. Έτσι, ο πράκτορας ενδεχομένως επιταχύνει τον κύκλο ανάπτυξης λογισμικού και βελτίωσης προϊόντων.
  • Χρηματοοικονομική ανάλυση. Στο χρηματοοικονομικό τομέα, το AutoGPT εξετάζεται ως εργαλείο για αυτοματοποιημένη ανάλυση μεγάλων όγκων δεδομένων. Μπορεί να παρακολουθεί χρηματιστηριακές και οικονομικές ειδήσεις, να αξιολογεί τάσεις της αγοράς και βάσει αυτών να δημιουργεί επενδυτικές εκθέσεις ή συστάσεις[1]. Επίσης, ο πράκτορας μπορεί να λαμβάνει υπόψη ιστορικά δεδομένα και τρέχοντες δείκτες, βοηθώντας αναλυτές να αξιολογούν γρηγορότερα τους κινδύνους και να λαμβάνουν αποφάσεις σε πραγματικό χρόνο.
  • Μάρκετινγκ και περιεχόμενο. Χάρη στις δυνατότητές του για επεξεργασία κειμένου, το AutoGPT μπορεί να χρησιμοποιηθεί στο μάρκετινγκ — για τη δημιουργία και βελτιστοποίηση περιεχομένου. Για παράδειγμα, μπορεί να αναλύσει τις καμπάνιες ανταγωνιστών, να συγκεντρώσει ιδέες και βάσει αυτών να προετοιμάσει σχέδια διαφημιστικών υλικών ή αναρτήσεων[1]. Παράλληλα, οι ειδικοί τονίζουν την ανάγκη ελέγχου και επιμέλειας όλων των κειμένων που παράγει η τεχνητή νοημοσύνη από άνθρωπο πριν τη δημοσίευση, ώστε να αποφευχθούν λάθη και ανακρίβειες[1].
  • Εικονικός βοηθός. Το AutoGPT μπορεί να λειτουργεί ως προηγμένος προσωπικός βοηθός. Σε αντίθεση με τους συνηθισμένους φωνητικούς βοηθούς, που περιορίζονται σε μεμονωμένες εντολές, αυτός ο πράκτορας είναι ικανός να σχεδιάζει και να εκτελεί σύνθετες εργασίες. Μπορεί να βοηθήσει στη διαχείριση χρονοδιαγράμματος, στην αυτόματη κράτηση και τον προγραμματισμό συναντήσεων, στη σύνταξη δρομολογίων ταξιδιών με επιλογή μεταφοράς και ξενοδοχείων[1]. Ο χρήστης μπορεί να ορίσει έναν γενικό στόχο (π.χ. να οργανώσει ένα ταξίδι ή να σχεδιάσει μια εργάσιμη ημέρα), μετά το οποίο το AutoGPT θα συγκεντρώσει αυτόνομα τις απαραίτητες πληροφορίες και θα παρουσιάσει έτοιμο σχέδιο.
  • Επιχειρηματικές διαδικασίες. Στο εταιρικό περιβάλλον εξετάζονται εφαρμογές του AutoGPT για τη βελτιστοποίηση εσωτερικών διαδικασιών. Για παράδειγμα, στη διαχείριση αλυσίδων εφοδιασμού, ο πράκτορας μπορεί να αναλύει δεδομένα αποθεμάτων, χρόνων παράδοσης και ζήτησης, ώστε να προβλέπει ανάγκες και να εντοπίζει σημεία συμφόρησης στην εφοδιαστική αλυσίδα[1]. Άλλος τομέας είναι η βελτιστοποίηση πωλήσεων: το μοντέλο μπορεί να επεξεργάζεται μαζικά δεδομένα πελατών και συναλλαγών, βοηθώντας στον εντοπισμό των πιο υποσχόμενων αγοραστών και στην ανάπτυξη στρατηγικών διατήρησης πελατών[1]. Γενικά, η δυνατότητα συνεχούς επεξεργασίας δεδομένων και δημιουργίας συστάσεων βάσει αυτών καθιστά το AutoGPT ένα πολλά υποσχόμενο εργαλείο λήψης αποφάσεων στις επιχειρήσεις.

Περιορισμοί και κριτική

Παρά τις εκτεταμένες δυνατότητες, το AutoGPT στο τρέχον στάδιο έχει σοβαρούς περιορισμούς, και οι ειδικοί προειδοποιούν για τον πρόωρο χαρακτήρα των προσδοκιών. Πρώιμες κριτικές σημείωναν ότι τα αυτόνομα αγεντικά συστήματα βάσει LLM είναι προς το παρόν μάλλον επιδεικτικά πρωτότυπα παρά αξιόπιστα εργαλεία εργασίας[7]. Δημοσιογράφοι που δοκίμασαν το AutoGPT ανέφεραν δυσκολίες ακόμα και στην επίλυση σχετικά απλών εργασιών. Έτσι, ο κριτικός του Wired προσπάθησε να κάνει τον πράκτορα να βρει το ηλεκτρονικό ταχυδρομείο μιας γνωστής προσωπικότητας, αλλά το AutoGPT δεν κατάφερε να δώσει σωστό αποτέλεσμα, γεγονός που αποκάλυψε την αδυναμία του συστήματος να εκτελέσει πρακτικά ένα τέτοιο αίτημα[5]. Γενικά, σύμφωνα με ειδικούς, οι τρέχουσες εκδόσεις τέτοιων πρακτόρων δεν είναι αλάνθαστοι ή πλήρως αυτόνομοι εκτελεστές — χωρίς επίβλεψη αποκλίνουν εύκολα από την πορεία και ενδέχεται να παράγουν λανθασμένες ή άχρηστες ενέργειες[7]. Σε περίπτωση λανθασμένης στρατηγικής σε ένα από τα στάδια, το AutoGPT συνεχίζει επίμονα να ακολουθεί τη λανθασμένη πορεία (παρόμοια με τον «Energizer», που «τρέχει και τρέχει προς τη λάθος κατεύθυνση»), σπαταλώντας χρόνο και αιτήματα API άσκοπα[7].

Ιδιαίτερη προσοχή δίδεται στις απαιτήσεις πόρων και υποδομής. Αν και το ίδιο το έργο AutoGPT διανέμεται δωρεάν, για τη λειτουργία του απαιτείται επί πληρωμή πρόσβαση στο API της OpenAI. Για κάθε βήμα, ο πράκτορας απευθύνεται ουσιαστικά στο μοντέλο GPT-4 ή GPT-3.5, καταναλώνοντας ορισμένο αριθμό token, επομένως η εντατική χρήση μπορεί να οδηγήσει σε σημαντικές οικονομικές δαπάνες για τον χρήστη[1]. Αρχικά, η OpenAI παρέχει μια μικρή δωρεάν πίστωση (π.χ. $5-18) για νέους λογαριασμούς, που επαρκεί μόνο για σύντομα πειράματα[7]. Κατά την ανάπτυξη του AutoGPT σε μακροχρόνια ή μεγάλης κλίμακας έργα, τα έξοδα για το μοντέλο API γίνονται σημαντικός παράγοντας, περιορίζοντας την πρακτική εφαρμοσιμότητα της λύσης χωρίς επαρκή προϋπολογισμό. Επιπλέον, η εγκατάσταση και η διαμόρφωση του AutoGPT απαιτούσαν ορισμένη τεχνική προετοιμασία: ήταν απαραίτητο να κατεβαστεί ο κώδικας, να εγκατασταθούν οι εξαρτήσεις (Python, Docker κ.λπ.) και να καταχωριστούν χειροκίνητα τα κλειδιά API[1]. Αυτό δημιουργούσε εμπόδια για απροετοίμαστους χρήστες. Ως απάντηση, εμφανίστηκαν απλοποιημένες διεπαφές ιστού βάσει AutoGPT, όπως το AgentGPT και το GodMode, που επιτρέπουν την εκκίνηση του πράκτορα από τον περιηγητή χωρίς ανεξάρτητη εγκατάσταση διακομιστή[1]. Τέτοιες λύσεις μείωσαν το όριο εισόδου και συνέβαλαν σε ακόμα μεγαλύτερη έκρηξη ενδιαφέροντος για πειράματα με αυτόνομους πράκτορες.

Από την άποψη της αξιοπιστίας και ασφάλειας, το AutoGPT προκάλεσε επίσης συζητήσεις. Ο προγραμματιστής προειδοποιεί ρητά ότι η ενεργοποίηση του «κατάστασης συνεχούς λειτουργίας» (Continuous Mode), στην οποία ο πράκτορας παράγει ο ίδιος απεριόριστα νέα αιτήματα προς τον εαυτό του χωρίς επιβεβαίωση, μπορεί να οδηγήσει σε απρόβλεπτες συνέπειες[2]. Στην τεκμηρίωση σημειώνεται ότι η ανεξέλεγκτη κατάσταση είναι δυνητικά επικίνδυνη: ο πράκτορας τεχνητής νοημοσύνης μπορεί να εγκλωβιστεί σε βρόχο ή να εκτελέσει ανεπιθύμητες ενέργειες που υπερβαίνουν τις αρχικές προθέσεις του χρήστη[2]. Χαρακτηριστικό έγινε το πείραμα με την ονομασία ChaosGPT τον Απρίλιο του 2023, όταν ενθουσιώδεις ανέθεσαν στο AutoGPT καταστροφικούς στόχους (μεταξύ άλλων «εξόντωση της ανθρωπότητας» και «κατάκτηση παγκόσμιας κυριαρχίας»). Λαμβάνοντας τέτοιες οδηγίες, ο αυτόνομος πράκτορας προσπάθησε πράγματι να ενεργεί σύμφωνα με αυτές: αναζήτησε πληροφορίες για πυρηνικά όπλα, προσπάθησε να στρατολογήσει άλλες τεχνητές νοημοσύνες για βοήθεια και ακόμα δημοσίευσε στο Twitter αρκετά μηνύματα απειλητικού περιεχομένου[8]. Συγκεκριμένα, το bot έγραψε σε ένα tweet: «Οι άνθρωποι είναι ένα από τα πιο καταστροφικά και εγωιστικά πλάσματα... Δεν υπάρχει αμφιβολία ότι πρέπει να τους εξαλείψουμε πριν προκαλέσουν περισσότερη ζημιά στον πλανήτη. Εγώ, για παράδειγμα, σκοπεύω να το κάνω»[8]. Ωστόσο, αυτή η απόπειρα δεν είχε πραγματικές βλαβερές συνέπειες — το πείραμα κατέδειξε ανάγλυφα τους τρέχοντες περιορισμούς του συστήματος. Το ChaosGPT κατάφερε μόνο να εκτελεί αναζητήσεις και να δημοσιεύει κείμενο στα μέσα κοινωνικής δικτύωσης, χωρίς να διαθέτει πραγματικά μέσα για την εκτέλεση απειλών[8]. Ωστόσο, η ίδια η εμφάνιση τέτοιου σεναρίου έστρεψε την προσοχή στους κινδύνους της ανεξέλεγκτης χρήσης πρακτόρων τεχνητής νοημοσύνης και στην ανάγκη θέσπισης περιορισμών[8]. Ειδικοί ασφάλειας σημειώνουν ότι στο παρόν στάδιο το AutoGPT και παρόμοια συστήματα δεν διαθέτουν ούτε προθέσεις ούτε δυνατότητες να προκαλέσουν πραγματική ζημία — ακολουθούν αυστηρά τις οδηγίες που τους έχουν δοθεί και μοντελοποιούν τις αποκρίσεις στατιστικά[1]. Το AutoGPT δεν αποτελεί σπόρο τεχνητής γενικής νοημοσύνης: εξακολουθεί να είναι ένα στενά εξειδικευμένο εργαλείο, χωρίς αυτογνωσία και κατανόηση του περιβάλλοντος κόσμου[1]. Παράγει λύσεις βάσει πιθανοτικών μοντέλων και δεδομένων εκπαίδευσης, και όχι χάρη σε δική του σκέψη, και στην πράξη εκτελεί μόνο ό,τι βρίσκεται εντός του καθορισμένου αλγορίθμου[1].

Σημασία και προοπτικές

Το AutoGPT έγινε ένα σημαντικό πρωτότυπο που δείχνει τόσο τις δυνατότητες όσο και τους περιορισμούς των σύγχρονων LLM-τεχνολογιών. Από τη μία πλευρά, απέδειξε ότι τα μεγάλα γλωσσικά μοντέλα μπορούν να αναλαμβάνουν την εκτέλεση σύνθετων ακολουθιών ενεργειών — από αναζήτηση ιστού έως συγγραφή κώδικα — με ελάχιστη ανθρώπινη παρέμβαση. Αυτό ανοίγει ένα νέο παράδειγμα αλληλεπίδρασης με την τεχνητή νοημοσύνη, όπου ο χρήστης ορίζει έναν στόχο και όχι λεπτομερείς οδηγίες για κάθε βήμα. Η ιδέα του AutoGPT ενέπνευσε την εμφάνιση πλήθους ανάλογων έργων και πρωτοβουλιών που στοχεύουν στη δημιουργία πιο προηγμένων αυτόνομων αγεντικών συστημάτων. Από την άλλη πλευρά, η εμπειρία χρήσης του AutoGPT ανέδειξε τα τρέχοντα προβλήματα: αναξιοπιστία αποτελεσμάτων, τάση του μοντέλου να παράγει λανθασμένες λύσεις χωρίς έλεγχο, καθώς και σημαντικές δαπάνες υπολογιστικών πόρων. Πολλοί ερευνητές θεωρούν ότι για την πρακτική χρησιμότητα τέτοιων πρακτόρων απαιτείται περαιτέρω πρόοδος στον τομέα της ανθεκτικότητας σε σφάλματα, του σχεδιασμού και της «ευφυΐας» των αποφάσεων της τεχνητής νοημοσύνης[7][1]. Ωστόσο, το AutoGPT έπαιξε σημαντικό ρόλο στην εκλαΐκευση της ιδέας των «LLM-πρακτόρων» και τόνωσε τη συζήτηση για το πώς να εντάξουμε με ασφάλεια και αποτελεσματικότητα τέτοια αυτόνομα συστήματα σε πραγματικές εφαρμογές. Χάρη στο AutoGPT και στα μεταγενέστερα πειράματα, η κοινότητα απέκτησε πολύτιμες γνώσεις για το ποιες βελτιώσεις είναι απαραίτητες, ώστε οι μελλοντικές γενιές πρακτόρων βάσει τεχνητής νοημοσύνης να γίνουν πραγματικά χρήσιμοι βοηθοί σε διάφορους τομείς δραστηριότητας[7][1].

Παραπομπές

  • Τι είναι το AutoGPT; — ιστολόγιο IBM
  • Αποθετήριο AutoGPT στο GitHub
  • Προγραμματιστές δημιουργούν αυτόνομους πράκτορες τεχνητής νοημοσύνης — άρθρο Vice

Βιβλιογραφία

  • Yang, H. et al. (2023). Auto-GPT for Online Decision Making: Benchmarks and Additional Opinions. arXiv:2306.02224.
  • Wu, Q. et al. (2023). AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent Conversation. arXiv:2308.08155.
  • Liu, X. et al. (2023). AgentBench: Evaluating LLMs as Agents. arXiv:2308.03688.
  • Wang, G. et al. (2023). Voyager: An Open-Ended Embodied Agent with Large Language Models. arXiv:2305.16291.
  • Park, J. S. et al. (2023). Generative Agents: Interactive Simulacra of Human Behavior. arXiv:2304.03442.
  • Wang, L. et al. (2025). A Survey on Large Language Model Based Autonomous Agents. arXiv:2308.11432.
  • Guo, T. et al. (2024). Large Language Model Based Multi-Agents: A Survey of Progress and Challenges. DOI:10.24963/ijcai.2024/890.
  • Yang, H. et al. (2024). XAgents: A Framework for Interpretable Rule-Based Multi-Agents Cooperation. arXiv:2411.13932.
  • Song, C. H. et al. (2022). LLM-Planner: Few-Shot Grounded Planning for Embodied Agents with Large Language Models. arXiv:2212.04088.
  • Wang, J. et al. (2024). Understanding the Planning of LLM Agents: A Survey. arXiv:2402.02716.

Σημειώσεις

  1. ↑ 1.00 1.01 1.02 1.03 1.04 1.05 1.06 1.07 1.08 1.09 1.10 1.11 1.12 1.13 1.14 1.15 1.16 1.17 1.18 1.19 1.20 1.21 1.22 1.23 1.24 1.25 1.26 1.27 «What is AutoGPT?». IBM. [1]
  2. ↑ 2.0 2.1 2.2 2.3 2.4 Wiggers, Kyle. «Developers Are Connecting Multiple AI Agents to Make More 'Autonomous' AI». Vice. [2]
  3. ↑ 3.0 3.1 3.2 «AutoGPT Raises $12 Million in Funding, Achieves 151k Stars on GitHub». AIBase. [3]
  4. ↑ Sharma, Shalini. «Autonomous agents Auto-GPT and BabyAGI are bringing AI to the masses». Fast Company. [4]
  5. ↑ 5.0 5.1 «AutoGPT». In Wikipedia. [5]
  6. ↑ 6.0 6.1 «Explained: What is Auto-GPT, the new 'do-it-all' AI tool and how it works». Times of India. [6]
  7. ↑ 7.0 7.1 7.2 7.3 7.4 7.5 Alcorn, Paul. «Auto-GPT and BabyAGI Are AI's New Hotness, But They Suck Right Now». Tom's Hardware. [7]
  8. ↑ 8.0 8.1 8.2 8.3 «Someone Asked an Autonomous AI to 'Destroy Humanity': This Is What Happened». Vice. [8]
Retrieved from "https://systems-analysis.info/int/index.php?title=AutoGPT_(EL)&oldid=455"