最強組合：HuggingFace ChatGPT －
HuggingGPT，它來了！
只要給定一個AI任務，例如「下面這張圖片裡有什麼動物，每種有幾隻」。
它就能幫你自動分析需要哪些AI模型，然後直接去呼叫HuggingFace上的對應模型，來幫你執行並完成。
整個過程，你要做的就只是用自然語言將你的需求輸出。
這項由浙大與微軟亞研院的合作成果，一發布就迅速爆火。
英偉達AI研究科學家Jim Fan直呼：
這是我本週讀到的最有趣的論文。它的想法非常接近「Everything App」（萬物皆App，被AI直接讀取資訊）。
而一位網友則「直拍大腿」：
這不就是ChatGPT「調包俠」嗎？
AI進化速度一日千里，給我們留口飯吃吧…
所以，具體怎麼回事？
其實，若說這個組合物只是“調包俠”，那格局小了。
它的真正用義，是AGI。
如作者所言，邁向AGI的關鍵一步是能夠解決具有不同領域和模式的複雜AI任務。
我們目前的成果離此還有距離──大量模型只能出色地完成某一特定任務。
然而大語言模型LLM在語言理解、生成、互動和推理方面的表現，讓作者想到：
可以將它們作為中間控制器，來管理現有的所有AI模型，透過“調動和組合每個人的力量”，來解決複雜的AI任務。
在這個系統中，語言是通用的介面。
於是，HuggingGPT就誕生了。
它的工程流程分為四個步驟：
首先，任務規劃。 ChatGPT將使用者的需求解析為任務列表，並確定任務之間的執行順序和資源依賴關係。
其次，模型選擇。 ChatGPT根據HuggingFace上託管的各專家模型的描述，為任務分配合適的模型。
接著，任務執行。混合端點（包括本地推理和HuggingFace推理）上被選定的專家模型根據任務順序和依賴關係執行分配的任務，並將執行資訊和結果給到ChatGPT。
最後，輸出結果。由ChatGPT總結各模型的執行過程日誌和推理結果，給出最終的輸出。
如下圖所示。
假定我們給出這樣一個請求：
請產生一個女孩正在看書的圖片，她的姿勢與example.jpg中的男孩相同。然後請用你的聲音描述新圖片。
可以看到HuggingGPT是如何將它拆解為6個子任務，並分別選定模型執行得到最終結果的。
具體效果怎麼樣？
作者採用gpt-3.5-turbo和text-davinci-003這兩個可以透過OpenAI API公開存取的變體，進行了實測。
如下圖所示：
在任務之間存在資源依賴關係的情況下，HuggingGPT可以根據使用者的抽象請求正確解析出具體任務，完成圖片轉換。
在音訊和視訊任務中，它也展現了組織模型之間合作的能力，透過分別並行和串列執行兩個模型的方式，完了一段「太空人在太空中行走」的影片和配音作品。
此外，它還可以整合多個使用者的輸入資源執行簡單的推理，例如在以下三張圖片中，數出其中有多少匹斑馬。
一句話總結：HuggingGPT可以在各種形式的複雜任務上表現出良好的效能。
目前，HuggingGPT的論文已經發布，專案則正在建設中，程式碼只開源了一部分，已攬獲1.4k標星。
我們注意到，它的專案名稱很有意思，不叫本名HuggingGPT，而是鋼鐵人裡的AI管家賈維斯（JARVIS）。
有人發現它和3月份剛發布的Visual ChatGPT的想法非常像：後者HuggingGPT，主要是可調用的模型範圍擴展到了更多，包括數量和類型。
不錯，其實它們都有一個共同作者：微軟亞研院。
具體而言，Visual ChatGPT的一作是MSRA資深研究員吳晨飛，通訊作者為MSRA首席研究員段楠。
HuggingGPT則包含兩位共同一作：
Shen Yongliang，TA來自浙江大學，在MSRA實習期間完成此工作；
Song Kaitao，MSRA研究員。
其通訊作者為浙大計算機系教授莊越挺。
最後，對於這個強大新工具的誕生，網友們很是興奮，有人表示：
ChatGPT已成為人類創建的所有AI的總指揮官了。
也有人據此認為：
AGI可能不是LLM，而是由一個「中間人」LLM連接的多個相互關聯的模型。
那麼，我們是否已經開啟「半AGI」的時代了？
論文網址：https://www.php.cn/link/1ecdec353419f6d7e30857d00d0312d1
#計畫連結：https://www.php.cn/link/859555c74e9afd45ab771c615c1e49a6
#參考連結：#https://www.php.cn/ link/62d2b7ba91f34c0ac08aa11c359a8d2c
#以上是HuggingGPT火了：一個ChatGPT控制所有AI模型，自動幫人完成AI任務，網友：留口飯吃吧的詳細內容。更多資訊請關注PHP中文網其他相關文章！
