聊聊最近爆火的AutoGPT

简介: 聊聊最近爆火的AutoGPT

先上一张图,让你看看有多火


1686816365227.png


仅仅三周左右,就达到了接近8Wstar以及1W多的fork数。


AutoGPT是什么


我们知道,我们使用ChatGPT的时候,回答的效果是和我们提问词的质量成正比的。如果你想要ChatGPT去做一件复杂的事情,怎么设计提问词就是个很麻烦的事情。但是AutoGPT就不一样,他会根据你提的目标来制定计划,然后自己执行完整个计划,整个过程无需人类插手。它可以做很多事情,比如建站,有的网友用它几分钟就创建了个网站,还可以提供客户服务,搞营销等。

因为省去了对AI的引导这步,所以项目直接爆火,连特斯拉前 AI 总监、刚刚回归 OpenAI 的 Andrej Karpathy 也为其大力宣传,并在推特赞扬:AutoGPT 是 prompt 工程的下一个前沿。


prompt工程指在使用AI模型时,设计和构建用于输入的文本提示,使得模型能够更好地理解和回答问题。简单来说,就是为AI
模型设置一个更容易理解和明确的问题描述,以便让它更好地进行回答。打个比方,就好像在给小学生出题目时,我们需要把问
题表述得非常清楚明白,让小学生能够更方便地明白题意,从而可以更好地回答问题。


使用之后的看法


AutoGPT的使用非常简单,你可以看着github上的教程很轻易的就搭起来,需要自己申请open ai的api key,因为它也是基于GPT3.5或者GPT4的模型来帮我们完成任务的。因为会调用非常多次的API,在它跑的时候,我闻到了一股RMB在燃烧的味道。任务跑完一看,好家伙,我用的还是3.5的模型,让帮我写一篇文章就花了1美元多,如果是4的模型,将会是几十美元的花费,我一度怀疑这玩意是不是官方开发的(手动狗头)。

抛开费用不谈,说真的,我觉得效果还是有点差强人意,一方面是跑的时间太久了,另外一方面,最终的输出我也不是很满意。

但是这能说明它不行吗?

当然不,如果说ChatGPT的诞生是AI从人工智障到人工智能的一个巨大的转变的话,那么AutoGPT就是让这种全自动式的AI一个成功的开始。也是正因为如此,它才给了人们巨大的想象空间。


普通人在AI浪潮下应该怎么做


ChatGPT的诞生,让很多行业看到了危机,它能够完成大部分行业中低级的工作。而大语言模型的开发门槛是非常高的,一般也只有大公司才玩得起,普通人参与这方面的机会并不大。但是AI本质上还是提高生产力的工具,我们作为使用工具的人,更应该是用好它而不是逃避它,否则迟早会在这个浪潮中被淘汰。

目录
相关文章
|
自然语言处理 iOS开发
ChatGPT出圈,不在于技术牛
ChatGPT出圈,不在于技术牛
76 0
|
2月前
|
人工智能 自然语言处理 数据库
RAG 技术:让 AI 从 “书呆子” 变身 “开卷小天才”!
鳄叔介绍了RAG(检索增强生成)技术,这是一种让AI既能查资料又能灵活作答的方法,如同“开卷考试”的学霸。RAG结合了检索能力和生成能力,使AI能够实时获取最新信息,提供更专业、精准的回答,广泛应用于企业客服、法律咨询、医疗诊断和教育等领域。
|
6月前
|
机器学习/深度学习 人工智能 自然语言处理
哎,朋友被AI换脸骗了
哎,朋友被AI换脸骗了
44 0
|
8月前
|
人工智能 测试技术 API
Claude 3被玩出自我意识了吗?
【2月更文挑战第16天】Claude 3被玩出自我意识了吗?
154 13
Claude 3被玩出自我意识了吗?
|
8月前
|
人工智能 机器人
【好玩AI】【Prompt】情人节了,用GPT写个【骂醒恋爱脑】的机器人跟自己对话吧
【好玩AI】【Prompt】情人节了,用GPT写个【骂醒恋爱脑】的机器人跟自己对话吧
279 0
|
Java API Spring
思尐-ChatGPT:你不懂可以来问我啊!
思尐-ChatGPT:你不懂可以来问我啊!
98 0
|
机器学习/深度学习 人工智能 自然语言处理
ChatGPT被玩坏了
没用之前,看网上直接吹爆,什么“可以自己写代码、debug”,“制定了毁灭人类的计划”。于是赶紧去试了下。
|
8月前
|
数据采集 机器学习/深度学习 自然语言处理
ChatGPT4.0:漫威中的贾维斯?
ChatGPT4.0:漫威中的贾维斯?
128 0
|
人工智能 监控 API
WritingGPT: 基于 ChatGPT 和 AutoGPT 打造个人写作团队
WritingGPT: 基于 ChatGPT 和 AutoGPT 打造个人写作团队
108 0
WritingGPT: 基于 ChatGPT 和 AutoGPT 打造个人写作团队
|
人工智能
langchain:Prompt在手,天下我有
prompts是大语言模型的输入,他是基于大语言模型应用的利器。没有差的大语言模型,只有差的prompts。 写好prompts才能发挥大语言模型300%的功力。 理论上,要写好prompts其实不是那么容易的,但是langchain把这个理论变成了现实,一起来看看吧。