Microsoft AutoGenフレームワークは1万個のスターを獲得するほど人気が​​あります。インテリジェントエージェントはチャットで問題を解決できます。

Microsoft AutoGenフレームワークは1万個のスターを獲得するほど人気が​​あります。インテリジェントエージェントはチャットで問題を解決できます。

わずか 2 週間で、プロジェクトのスターの数が 390 から 10,000 に増加し、Discord で 5,000 人以上のメンバーが集まりました。この人気プロジェクトは、Microsoft が最近リリースした新しいツール AutoGen です。

AutoGen は、複数の LLM エージェントがチャットを通じてタスクを解決できるようにするフレームワークと考えることができます。 LLM エージェントは、プログラマー、デザイナー、または役割の組み合わせなど、さまざまな役割を果たすことができ、対話プロセスによってタスクが解決されます。

それだけでなく、AutoGen はカスタマイズ可能で、会話型であり、人間の関与も可能にします。 AutoGen は、LLM タスク、人間の入力、およびさまざまなツールの組み合わせを通じて機能します。

プロジェクトアドレス: https://github.com/microsoft/autogen

このプロジェクトを使用したユーザーの中には、「要件を指定して Enter キーを押すだけで、中間プロセスについてはまったく心配する必要はありません...」と非常に高い評価を与えた人もいます。

別のネットユーザーはこう言った。「AutoGen のおかげで、わずか数秒で Snake ゲームを作ることができました。」

では、誰もが熱望するこのプロジェクトの利点とは何でしょうか? 具体的には、次のとおりです。

  • AutoGen を使用すると、マルチエージェント ダイアログに基づく次世代の LLM アプリケーションを簡単に構築できます。複雑な LLM のワークフローを簡素化し、LLM モデルのパフォーマンスを最大化し、その弱点を克服します。
  • AutoGen は複数のダイアログ モードをサポートしているため、開発者は AutoGen に基づいて幅広いダイアログ モードを構築できます。
  • AutoGen は、さまざまな分野とさまざまなアプリケーションをカバーする、さまざまな複雑さの作業システムを提供します。
  • AutoGen は、拡張推論用の API として、openai.Completion または openai.ChatCompletion の代替品を提供します。

さらに、AutoGen をより効果的に使用するための多くの例がプロジェクトに示されています。たとえば、ネットユーザーによると、クローラー プログラムを実装して、Web ページの画像を取得して保存したい場合です。 ChatGPTを使用して実装した場合、実行コードが返されます。一般的に、このコードはそのまま使用することはできず、人間が修正する必要があります。ただし、このタスクを AutoGen に引き渡す場合は、それを達成するために必要なエージェントをいくつか定義するだけで済みます。

次の例は、AutoGen フレームワークを使用して MathChat で数学の問題を解決するときに、エージェントを構築する手順が実行中のコードに表示され、エージェントが初期化されることを示しています。

下の図は、数学的な問題解決、マルチエージェント コーディング、オンライン意思決定、検索拡張チャット、動的グループ チャット、会話型チェスなど、AutoGen を使用して構築された 6 つのアプリケーションの例を示しています。

AutoGen は、ChatGPT や GPT-4 などの LLM の有用性を最大限に高めるのにも役立ちます。前述のように、AutoGen は openai.Completion または openai.ChatCompletion の代替品を提供し、チューニング、キャッシュ、エラー処理、テンプレートなどの機能を追加します。たとえば、ユーザーは独自のチューニング データを使用して、予算内で LLM 生成を最適化できます。

 # perform tuning config, analysis = autogen.Completion.tune ( data=tune_data, metric="success", mode="max", eval_func=eval_func, inference_budget=0.05, optimization_budget=3, num_samples=-1, ) # perform inference for a test instance response = autogen.Completion.create (cnotallow=test_instance, **config)

上記の使用例は、さまざまな問題を解決する上で AutoGen が幅広く適用できることを示しており、開発者にとって貴重なツールとなっています。まだ体験したことがない方は、公式のインストール手順に従って試してみてください。

<<:  AI革命をリードする:企業がAIアプリケーションを推進するためのベストプラクティス

>>:  ReConフレームワークは、AIビッグモデルが嘘を検出するのに役立ちます。Avalonゲームでインテリジェントエージェントが欺瞞に対処する方法を見てみましょう。

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

データと人工知能の整合性をどのように確保するか?

2022 年、データと AI はデジタル革命の新たな章の基盤を築き、ますます多くのグローバル企業に...

...

人工知能を軸に:現代の情報管理の力を解き放つ

情報の海の中で、価値ある洞察を見つけることが重要です。最新の情報管理は、高度なテクノロジーと革新的な...

南洋理工大学の最新の視覚言語モデルの概要:事前トレーニング、転移学習、知識蒸留

コンピュータ ビジョン (CV) 研究における長年の課題として、視覚認識 (画像分類、オブジェクト検...

エッジAIを真の変革に

エッジ AI の導入は幅広い業界で増加しています。この傾向が続くと、ビジネスだけでなく社会も変革する...

シングルチップマイクロコンピュータ用のいくつかのC言語アルゴリズム

[[406759]]マイクロコントローラの主な機能は、周辺機器を制御し、特定の通信とデータ処理を実現...

MIT、新たな3Dプリント材料の発見を加速する新たなAIツールを開発

カスタマイズされた医療機器から手頃な価格の住宅まで、あらゆるものを作成するために使用される 3D プ...

人工知能とプライバシーの議論: AIの透明性の長所と短所を理解する

[[334476]] AI がますます多くの業界で採用されるようになるにつれ、AI のユーザーは、実...

アコーディオン: HBase の「呼吸」メモリ圧縮アルゴリズム

導入現在、HBase を搭載した最新の製品では、HBase の読み取りおよび書き込みパフォーマンスに...

...

サイバーセキュリティにおける機械学習の適用における困難さと対策

サイバーセキュリティ分野特有の敵対的性質は、人工知能アプリケーションの実装に多くの困難をもたらしてき...

テンセントの馬化騰、センスタイムの唐暁ら6人の大物が人工知能の過去、現在、未来を深く解釈する

[[203162]]テクノロジー、特に今人気の人工知能は、生活、ビジネス、学術などにどれほどの影響を...

Googleの上級研究員が解雇される:論文論争の裏側

[51CTO.com クイック翻訳] 12月初旬、Googleは著名なAI倫理研究者のティムニット・...

...

AIの次の目的地はどこでしょうか?

[[318187]]私たちはインテリジェント変革の時代に生きており、人工知能技術はあらゆる分野の人...