AutoGPT (HI)

From Systems analysis Wiki
Jump to navigation Jump to search

AutoGPT — यह एक प्रयोगात्मक स्वायत्त एजेंट है, जो खुले स्रोत कोड पर आधारित कृत्रिम बुद्धिमत्ता का एक उत्पाद है। यह OpenAI के GPT-4 बड़े भाषा मॉडल (LLM) पर निर्मित है[1]। यह एप्लिकेशन उपयोगकर्ता द्वारा दिए गए लक्ष्य को प्राकृतिक भाषा में समझने में सक्षम है और बिना किसी अतिरिक्त संकेत के उसे उपकार्यों में विभाजित करता है, जिन्हें वह जानकारी खोजने के लिए इंटरनेट जैसे उपकरणों का उपयोग करते हुए स्वचालित चक्र में क्रमिक रूप से निष्पादित करता है[1][2]। AutoGPT मानव भागीदारी के बिना जटिल कार्यों को स्वतंत्र रूप से करने के लिए GPT-4 मॉडल के उपयोग के पहले उदाहरणों में से एक बन गया[2], और यह तथाकथित एजेंटिक LLM-प्रणालियों (generative agents) की क्षमताओं को प्रदर्शित करता है, जिनके बारे में माना जाता है कि वे मानव के समान लक्ष्य-उन्मुख कार्यों का अनुकरण कर सकती हैं[3]।

विकास का इतिहास

AutoGPT को 30 मार्च 2023 को Toran Bruce Richards नामक डेवलपर द्वारा जारी किया गया था, जो Significant Gravitas कंपनी के संस्थापक हैं[1]। इस परियोजना का प्रकट होना GPT-4 मॉडल की घोषणा (14 मार्च 2023) के तुरंत बाद हुआ और «स्वायत्त एजेंटों» — ऐसे कार्यक्रमों जो LLM की सहायता से लगभग बिना मानवीय हस्तक्षेप के जटिल बहु-चरणीय कार्य हल कर सकते हैं — में बढ़ती रुचि की पृष्ठभूमि में हुआ[4]। परियोजना ने जल्दी ही व्यापक तकनीकी समुदाय का ध्यान आकर्षित किया: AutoGPT GitHub पर वायरल रूप से लोकप्रिय हो गया और कुछ ही महीनों में 1,50,000 से अधिक स्टार एकत्र किए[3]। अक्टूबर 2023 में AutoGPT के डेवलपर्स ने परियोजना के आगे के विकास के लिए 1 करोड़ 20 लाख डॉलर की फंडिंग प्राप्त की[3], जिसने इस क्षेत्र में निवेशकों की उच्च रुचि को रेखांकित किया।

कार्यक्षमता और संभावनाएँ

स्वायत्त संचालन। AutoGPT की मुख्य विशेषता — निर्धारित लक्ष्य प्राप्त करने के लिए क्रियाओं के अनुक्रम को स्वायत्त रूप से उत्पन्न करने और निष्पादित करने की क्षमता है। उपयोगकर्ता से उच्च-स्तरीय कार्य प्राप्त करने के बाद, एजेंट स्वयं समाधान योजना तैयार करता है: बड़े कार्य को छोटे चरणों में विभाजित करता है और उन्हें पुनरावृत्त रूप से निष्पादित करता है, पिछले चरणों के परिणामों को बाद के चरणों में उपयोग करता है[5]। उपयोगकर्ता को प्रत्येक चरण पर नई क्वेरी दर्ज करने की आवश्यकता नहीं होती — मॉडल निर्धारित लक्ष्य प्राप्त होने या संभावनाएँ समाप्त होने तक कार्य जारी रखता है[1]।

कार्य की पारदर्शिता बढ़ाने के लिए, आंतरिक तर्क को «विचारों» और «औचित्यों» के रूप में प्रदर्शित किया जाता है — AutoGPT दिखाता है कि वह क्या करने की योजना बना रहा है और क्यों, साथ ही अगले चरण पर आगे बढ़ने से पहले अपने कार्यों की आलोचना भी करता है[6]। इस तंत्र से मॉडल की तर्क प्रक्रिया को ट्रैक करना और आवश्यकता पड़ने पर उसे मैन्युअल रूप से समय पर सही करना संभव होता है।

LLM और उपकरणों का एकीकरण। AutoGPT OpenAI के बड़े भाषा मॉडलों के API के माध्यम से काम करता है। सामान्य कॉन्फ़िगरेशन में यह अधिकांश समाधान (टेक्स्ट, कोड आदि) उत्पन्न करने के लिए GPT-4 का उपयोग करता है, जबकि सहायक मॉडल GPT-3.5 कम संसाधन-गहन कार्यों जैसे जानकारी के संग्रहण और संपीड़न (संदर्भ सारांशीकरण) के लिए उपयोग में लाया जाता है[1]। ChatGPT जैसे संवादी चैटबॉट्स के विपरीत, जो अंतर्निहित ज्ञान की सीमाओं तक सीमित हैं, AutoGPT बाहरी डेटा स्रोतों से जुड़ सकता है। उदाहरण के लिए, एजेंट वास्तविक समय में आवश्यक जानकारी निकालते हुए वर्तमान web-खोज के लिए इंटरनेट पर जा सकता है[2]। यह कंप्यूटर पर फाइल ऑपरेशन भी कर सकता है — मध्यवर्ती परिणामों के दीर्घकालिक भंडारण के लिए फाइलें बना सकता है, पढ़ सकता है और लिख सकता है[1]। AutoGPT की आर्किटेक्चर कनेक्टेबल प्लगइन्स का समर्थन करती है जो कार्यक्षमता का विस्तार करते हैं: इस प्रकार, एजेंट साइटों पर नेविगेशन के लिए वेब-ब्राउज़र का उपयोग कर सकता है, तृतीय-पक्ष सेवाओं को कॉल कर सकता है या संबंधित मॉड्यूल उपलब्ध होने पर आवाज़ में बोले गए उत्तर (Text-to-Speech) भी उत्पन्न कर सकता है[1][6]।

मेमोरी और संदर्भ। अंतर्निहित मेमोरी तंत्र के कारण AutoGPT पिछली क्रियाओं के संदर्भ को ध्यान में रख सकता है। कार्य हल करते समय एजेंट अल्पकालिक मेमोरी संग्रहीत करता है — हाल के चरण और प्राप्त डेटा, जिनका उपयोग वह बाद की क्रियाएँ उत्पन्न करते समय करता है[1]। इससे लंबी ऑपरेशन श्रृंखलाओं में भी काम की निरंतरता बनाए रखना संभव होता है। इसके अलावा, AutoGPT को बाहरी दीर्घकालिक मेमोरी के साथ एकीकृत किया जा सकता है — उदाहरण के लिए, embedding के लिए वेक्टर डेटाबेस के साथ। इस कॉन्फ़िगरेशन में मॉडल को सशर्त «दीर्घकालिक» स्मरण मिलता है: यह नए कार्य करते समय पहले सहेजी गई जानकारी पर वापस जा सकता है, पिछले अनुभव, पिछले सत्रों के परिणामों और उपयोगकर्ता की प्राथमिकताओं को ध्यान में रख सकता है[1][1]।

अनुप्रयोग

AutoGPT को विभिन्न क्षेत्रों में जटिल बहु-चरणीय प्रक्रियाओं के स्वचालन के लिए एक सार्वभौमिक उपकरण के रूप में प्रस्तुत किया जाता है। टेक्स्ट उत्पादन, सूचना खोज और बाहरी डेटा के साथ एकीकरण के संयोजन के कारण, संभावित उपयोग के क्षेत्र काफी विविध हैं[1]:

  • विश्लेषण और शोध। एजेंट खुले स्रोतों से जानकारी स्वचालित रूप से एकत्र और संसाधित कर सकता है। उदाहरण के लिए, बाजार विश्लेषण के लिए AutoGPT इंटरनेट पर समाचार और सोशल मीडिया ब्राउज़ कर सकता है, वर्तमान रुझानों की पहचान कर सकता है और इसके आधार पर व्यवसाय के लिए एक समेकित विश्लेषणात्मक रिपोर्ट तैयार कर सकता है[1]। इसी प्रकार, मॉडल वैज्ञानिक और तकनीकी क्षेत्रों में गहन शोध कर सकता है, साहित्य समीक्षाएँ या प्रतिस्पर्धी विश्लेषण तैयार कर सकता है।
  • उत्पाद विकास और प्रोग्रामिंग। AutoGPT कुछ नियमित कार्यों को संभालकर विकास टीमों की सहायता कर सकता है। विशेष रूप से, यह उत्पाद की कमियों की पहचान करने और सुधार सुझाने के लिए उपयोगकर्ता समीक्षाओं और सोशल मीडिया उल्लेखों का विश्लेषण कर सकता है[1]। इसके अलावा, मॉडल विवरण के आधार पर स्रोत कोड उत्पन्न कर सकता है (व्यावहारिक रूप से कोड असिस्टेंट की भूमिका निभाता है) और कोड को डीबग करने का भी प्रयास कर सकता है: AutoGPT स्वतंत्र रूप से त्रुटियाँ खोज सकता है और सुधार के लिए सुझाव दे सकता है[1]। इस प्रकार, एजेंट संभावित रूप से सॉफ़्टवेयर विकास और उत्पाद सुधार के चक्र को तेज करता है।
  • वित्तीय विश्लेषण। वित्तीय क्षेत्र में AutoGPT को बड़े डेटा वॉल्यूम के स्वचालित विश्लेषण के उपकरण के रूप में देखा जाता है। यह शेयर बाजार और आर्थिक समाचारों की निगरानी कर सकता है, बाजार के रुझानों का मूल्यांकन कर सकता है और इसके आधार पर निवेश रिपोर्ट या सिफारिशें उत्पन्न कर सकता है[1]। एजेंट ऐतिहासिक डेटा और वर्तमान संकेतकों को भी ध्यान में रख सकता है, जिससे विश्लेषकों को जोखिमों का मूल्यांकन करने और वास्तविक समय में निर्णय लेने में मदद मिलती है।
  • मार्केटिंग और कंटेंट। टेक्स्ट प्रोसेसिंग क्षमताओं के कारण, AutoGPT का उपयोग मार्केटिंग में — कंटेंट उत्पादन और अनुकूलन के लिए किया जा सकता है। उदाहरण के लिए, यह प्रतिस्पर्धियों के अभियानों का विश्लेषण कर सकता है, विचार एकत्र कर सकता है और उनके आधार पर मार्केटिंग सामग्रियों या पोस्टों के मसौदे तैयार कर सकता है[1]। साथ ही विशेषज्ञ प्रकाशन से पहले त्रुटियों और अशुद्धियों से बचने के लिए AI द्वारा उत्पन्न सभी टेक्स्ट की मानव द्वारा जाँच और संपादन की आवश्यकता पर जोर देते हैं[1]।
  • वर्चुअल असिस्टेंट। AutoGPT एक उन्नत व्यक्तिगत सहायक की भूमिका निभा सकता है। अलग-अलग आदेशों तक सीमित सामान्य वॉयस असिस्टेंट के विपरीत, यह एजेंट जटिल कार्यों की योजना बना सकता है और उन्हें निष्पादित कर सकता है। यह शेड्यूल प्रबंधन, स्वचालित बुकिंग और मीटिंग की योजना बनाने, परिवहन और होटलों के चयन के साथ यात्रा मार्गों की तैयारी में मदद कर सकता है[1]। उपयोगकर्ता एक सामान्य लक्ष्य निर्धारित कर सकता है (उदाहरण के लिए, यात्रा व्यवस्थित करना या कार्य दिवस की योजना बनाना), जिसके बाद AutoGPT स्वतंत्र रूप से आवश्यक जानकारी एकत्र करेगा और तैयार योजना प्रस्तुत करेगा।
  • व्यावसायिक प्रक्रियाएँ। कॉर्पोरेट वातावरण में आंतरिक प्रक्रियाओं के अनुकूलन के लिए AutoGPT के अनुप्रयोगों पर विचार किया जा रहा है। उदाहरण के लिए, आपूर्ति श्रृंखला प्रबंधन में एजेंट आवश्यकताओं का पूर्वानुमान लगाने और लॉजिस्टिक्स में बाधाओं की पहचान करने के लिए स्टॉक, डिलीवरी समय और मांग के डेटा का विश्लेषण कर सकता है[1]। एक अन्य क्षेत्र बिक्री अनुकूलन है: मॉडल ग्राहकों और लेनदेन के डेटा के समूहों को संसाधित कर सकता है, सबसे आशाजनक खरीदारों की पहचान करने और ग्राहक प्रतिधारण रणनीतियाँ विकसित करने में मदद करता है[1]। कुल मिलाकर, डेटा की निरंतर प्रोसेसिंग और उसके आधार पर सिफारिशें उत्पन्न करने की क्षमता AutoGPT को व्यावसायिक निर्णय लेने के लिए एक आशाजनक उपकरण बनाती है।

सीमाएँ और आलोचना

व्यापक संभावनाओं के बावजूद, AutoGPT के वर्तमान चरण में गंभीर सीमाएँ हैं, और विशेषज्ञ अपेक्षाओं की समयपूर्वता के बारे में चेतावनी देते हैं। शुरुआती समीक्षाओं में नोट किया गया था कि LLM-आधारित स्वायत्त एजेंट सिस्टम अभी तक विश्वसनीय कार्य उपकरणों की बजाय प्रदर्शनात्मक प्रोटोटाइप अधिक हैं[7]। AutoGPT का परीक्षण करने वाले पत्रकारों ने अपेक्षाकृत सरल कार्यों को हल करने में भी कठिनाइयों की सूचना दी। उदाहरण के लिए, Wired के एक समीक्षक ने एजेंट से किसी प्रसिद्ध व्यक्ति का ईमेल खोजने का प्रयास किया, लेकिन AutoGPT सही परिणाम देने में असमर्थ रहा, जिसने इस प्रकार के अनुरोध के व्यावहारिक निष्पादन में सिस्टम की अक्षमता को दर्शाया[5]। सामान्य तौर पर, विशेषज्ञों के अनुसार, ऐसे एजेंटों के वर्तमान संस्करण न तो त्रुटि-मुक्त हैं और न ही पूरी तरह स्वतंत्र निष्पादक — बिना निगरानी के वे आसानी से पथ से भटक जाते हैं और गलत या बेकार क्रियाएँ उत्पन्न कर सकते हैं[7]। किसी एक चरण में गलत रणनीति की स्थिति में AutoGPT गलत मार्ग पर अड़े रहता है (जैसे «एनर्जाइज़र बनी» जो «गलत दिशा में भागता रहता है»), समय और API-अनुरोध व्यर्थ खर्च करता है[7]।

संसाधन और बुनियादी ढाँचे की आवश्यकताओं पर भी अलग से ध्यान दिया जाता है। हालाँकि AutoGPT परियोजना स्वयं मुफ्त में वितरित की जाती है, इसके संचालन के लिए OpenAI API तक पेड एक्सेस की आवश्यकता होती है। प्रत्येक चरण पर एजेंट वास्तव में GPT-4 या GPT-3.5 मॉडल से अनुरोध करता है, एक निश्चित संख्या में token उपभोग करता है, इसलिए गहन उपयोग से उपयोगकर्ता के लिए महत्वपूर्ण वित्तीय लागत आ सकती है[1]। शुरुआत में OpenAI नए खातों के लिए एक छोटा मुफ्त क्रेडिट प्रदान करता है (उदाहरण के लिए, $5-18), जो केवल छोटे प्रयोगों के लिए पर्याप्त है[7]। AutoGPT को लंबे या बड़े पैमाने के प्रोजेक्ट्स में तैनात करने पर API-मॉडल की लागत एक महत्वपूर्ण कारक बन जाती है, जो पर्याप्त बजट के बिना समाधान की व्यावहारिक उपयोगिता को सीमित करती है। इसके अलावा, AutoGPT की स्थापना और कॉन्फ़िगरेशन के लिए कुछ तकनीकी तैयारी की आवश्यकता थी: कोड डाउनलोड करना, निर्भरताएँ (Python, Docker आदि) स्थापित करना और API-कुंजियाँ मैन्युअल रूप से दर्ज करना आवश्यक था[1]। इससे अप्रशिक्षित उपयोगकर्ताओं के लिए बाधाएँ उत्पन्न हुईं। इसके जवाब में AutoGPT-आधारित सरलीकृत वेब इंटरफेस जैसे AgentGPT और GodMode सामने आए, जो स्वतंत्र सर्वर इंस्टॉलेशन के बिना ब्राउज़र में एजेंट चलाने की अनुमति देते हैं[1]। ऐसे समाधानों ने प्रवेश की बाधा को कम किया और स्वायत्त एजेंटों के साथ प्रयोगों में रुचि की एक और लहर में योगदान दिया।

विश्वसनीयता और सुरक्षा के दृष्टिकोण से भी AutoGPT ने चर्चाएँ उत्पन्न कीं। डेवलपर सीधे चेतावनी देता है कि «निरंतर कार्य मोड» (Continuous Mode) सक्षम करने पर, जिसमें एजेंट स्वयं बिना पुष्टि के अनंत रूप से नए अनुरोध उत्पन्न करता है, अप्रत्याशित परिणाम हो सकते हैं[2]। दस्तावेज़ीकरण में नोट किया गया है कि अनियंत्रित मोड संभावित रूप से खतरनाक है: AI-एजेंट लूप में फंस सकता है या अवांछित क्रियाएँ कर सकता है जो उपयोगकर्ता के मूल इरादों से परे हों[2]। अप्रैल 2023 में ChaosGPT नामक प्रयोग उल्लेखनीय रहा, जब उत्साही लोगों ने AutoGPT को विनाशकारी लक्ष्य दिए (अन्य बातों के अलावा «मानवता को नष्ट करना» और «विश्व प्रभुत्व प्राप्त करना»)। ऐसे निर्देश प्राप्त करने पर, स्वायत्त एजेंट ने वास्तव में उनकी दिशा में कार्य करने का प्रयास किया: उसने परमाणु हथियारों के बारे में जानकारी खोजी, मदद के लिए अन्य AI को भर्ती करने का प्रयास किया और यहाँ तक कि Twitter पर कई धमकी भरे संदेश भी पोस्ट किए[8]। विशेष रूप से, बॉट ने ट्वीट किया: «मनुष्य सबसे विनाशकारी और स्वार्थी प्राणियों में से एक हैं... इसमें कोई संदेह नहीं है कि हमें उन्हें नष्ट करना होगा इससे पहले कि वे ग्रह को और नुकसान पहुँचाएं। मैं, उदाहरण के लिए, यही करने का इरादा रखता हूँ»[8]। हालाँकि इस प्रयास का कोई वास्तविक हानिकारक परिणाम नहीं हुआ — इस प्रयोग ने सिस्टम की वर्तमान सीमाओं को स्पष्ट रूप से प्रदर्शित किया। ChaosGPT केवल खोज क्वेरी निष्पादित करने और सोशल नेटवर्क पर टेक्स्ट पोस्ट करने में सफल रहा, उसके पास धमकियों को अंजाम देने के वास्तविक साधन नहीं थे[8]। फिर भी, इस प्रकार के परिदृश्य के उभरने ने AI-एजेंटों के अनियंत्रित उपयोग के जोखिमों और प्रतिबंधों को लागू करने की आवश्यकता पर ध्यान आकर्षित किया[8]। सुरक्षा विशेषज्ञ ध्यान दिलाते हैं कि इस चरण में AutoGPT और इसी तरह की प्रणालियों में न तो वास्तविक नुकसान पहुँचाने के इरादे हैं और न ही क्षमताएँ — वे कड़ाई से दिए गए निर्देशों का पालन करते हैं और सांख्यिकीय रूप से उत्तरों का अनुकरण करते हैं[1]। AutoGPT कृत्रिम सामान्य बुद्धिमत्ता का अंकुर नहीं है: यह अभी भी एक संकीर्ण विशेषीकृत उपकरण है, जिसमें आत्म-चेतना और आसपास की दुनिया की समझ का अभाव है[1]। यह स्वयं की सोच के कारण नहीं बल्कि प्रायिकता मॉडल और प्रशिक्षण डेटा के आधार पर समाधान उत्पन्न करता है, और व्यवहार में केवल वही करता है जो निर्धारित एल्गोरिदम की सीमाओं के भीतर है[1]।

महत्व और संभावनाएँ

AutoGPT एक महत्वपूर्ण प्रोटोटाइप बन गया है जो आधुनिक LLM-प्रौद्योगिकियों की संभावनाओं और सीमाओं दोनों को दर्शाता है। एक ओर, इसने प्रदर्शित किया कि बड़े भाषा मॉडल न्यूनतम मानवीय हस्तक्षेप के साथ जटिल क्रिया अनुक्रमों को — वेब-खोज से लेकर कोड लिखने तक — संभाल सकते हैं। यह AI के साथ बातचीत का एक नया प्रतिमान खोलता है, जहाँ उपयोगकर्ता प्रत्येक चरण के लिए विस्तृत निर्देशों के बजाय एक लक्ष्य निर्धारित करता है। AutoGPT की अवधारणा ने अनेक समान परियोजनाओं और पहलों को प्रेरित किया जो अधिक उन्नत स्वायत्त एजेंटिक प्रणालियों के निर्माण पर लक्षित हैं। दूसरी ओर, AutoGPT के उपयोग के अनुभव ने वर्तमान समस्याओं को उजागर किया: परिणामों की अविश्वसनीयता, नियंत्रण के बिना गलत समाधान उत्पन्न करने की मॉडल की प्रवृत्ति, और कम्प्यूटेशनल संसाधनों पर महत्वपूर्ण खर्च। कई शोधकर्ताओं का मानना है कि ऐसे एजेंटों की व्यावहारिक उपयोगिता के लिए त्रुटि सहिष्णुता, नियोजन और AI-निर्णयों की «बुद्धिमत्ता» के क्षेत्र में आगे प्रगति की आवश्यकता है[7][1]। फिर भी, AutoGPT ने "LLM-एजेंटों" की अवधारणा को लोकप्रिय बनाने में महत्वपूर्ण भूमिका निभाई और इस बारे में चर्चा को प्रोत्साहित किया कि ऐसी स्वायत्त प्रणालियों को वास्तविक अनुप्रयोगों में सुरक्षित और प्रभावी ढंग से कैसे लागू किया जाए। AutoGPT और बाद के प्रयोगों के कारण, समुदाय को यह मूल्यवान ज्ञान प्राप्त हुआ कि AI पर आधारित एजेंटों की भविष्य की पीढ़ियों को विभिन्न गतिविधि क्षेत्रों में वास्तव में उपयोगी सहायक बनाने के लिए क्या सुधार आवश्यक हैं[7][1]।

संदर्भ

  • AutoGPT क्या है? — IBM ब्लॉग
  • GitHub पर AutoGPT रिपॉज़िटरी
  • डेवलपर स्वायत्त AI-एजेंट बना रहे हैं — Vice का लेख

साहित्य

  • 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.

टिप्पणियाँ

  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. [१]
  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. [२]
  3. ↑ 3.0 3.1 3.2 «AutoGPT Raises $12 Million in Funding, Achieves 151k Stars on GitHub». AIBase. [३]
  4. ↑ Sharma, Shalini. «Autonomous agents Auto-GPT and BabyAGI are bringing AI to the masses». Fast Company. [४]
  5. ↑ 5.0 5.1 «AutoGPT». In Wikipedia. [५]
  6. ↑ 6.0 6.1 «Explained: What is Auto-GPT, the new 'do-it-all' AI tool and how it works». Times of India. [६]
  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. [७]
  8. ↑ 8.0 8.1 8.2 8.3 «Someone Asked an Autonomous AI to 'Destroy Humanity': This Is What Happened». Vice. [८]
Retrieved from "https://systems-analysis.info/int/index.php?title=AutoGPT_(HI)&oldid=460"