コロンビア大学は、テーマを入力すると即座に研究レポートを生成できる AI インテリジェント研究者を開発しました。研究レポートは客観的で真実であり、幻想はありません。オープンソース化されており、誰でも使用できます。

LLM搭載のAIエージェントで論文を自動作成できるようになりました！

ウェブサイト: https://tavily.com/

Github: https://github.com/assafelovic/gpt-researcher

コロンビア大学の研究者らが開発した「GPT Researcher」と呼ばれるAIエージェント プロジェクトは、すでにさまざまな種類のオンライン科学研究タスクを自立的に完了することができます。

GPT Researcher の開発者は、詳細かつ正確で客観的な調査レポートを生成し、ユーザーが関連するリソース、概要、コースに集中できるようにカスタマイズ オプションを提供できると述べています。

研究者らは、Auto GPTと最近のPlan-and-Solve論文に触発され、GPT Researcherで速度と確実性の問題に取り組んだと述べています。

エージェントが行う作業を同期的に動作させるのではなく並列化することで、より安定したパフォーマンスとより高速な速度を実現します。

率直に言えば、論文を書く上での時間と労力を要する作業を CAD に任せれば、著者は本当に考える必要があることだけに集中できるのです。

将来的には、学術界や科学研究界でも同様のツールの助けを借りてますます人気が高まると考えられます。

GPT研究者の構造

ほとんどの Auto GPT エージェントと同様に、GPT Researcher の主な原則は、「プランナー」エージェントと「エグゼキューター」エージェントを実行することです。

プランナーは研究の質問を生成し、実行エージェントは生成された各研究の質問に基づいて最も関連性の高い情報を探します。

最後に、プランナーはすべての関連情報を精査してまとめ、調査レポートを作成します。

エージェントは gpt3.5-turbo-16k と gpt-4 を使用して調査タスクを完了します。

具体的には、ワークフローは次のように要約できます。

特定のタスクに関する客観的な意見を形成する一連の調査質問を生成します。

それぞれの研究の質問に対して、Web クローラー エージェントがトリガーされ、オンライン リソースから特定のタスクに関連する情報が取得されます。

取得した各リソースについて、関連情報に基づいて要約し、そのソースをたどります。

最後に、要約されたすべてのリソースが選別および集約され、最終的な調査レポートが生成されます。

GPT Researcherの利点

手作業による調査作業には多くの時間がかかり、客観的な結論を導き出すために適切なリソースと情報を見つけるのに数週間かかることもあります。

現在の大規模言語モデル (LLM) は過去の古い情報に基づいてトレーニングされており、幻覚を引き起こす重大なリスクがあるため、研究タスクに直接使用することはほぼ不可能です。

ChatGPTに過度に依存すると、予期せぬ驚きが起こることが多い

一方、Web 検索のみに依存するソリューション (ChatGPT + Web プラグインなど) では、提供されるリソースが限られ、表面的な結論や偏った回答につながることがよくあります。

選択されたソースのみを使用すると、研究の質問やタスクを決定する際に偏りが生じる可能性があります。

GPT Researcher は人工知能の力を活用して、個人や組織に正確で客観的かつリアルな情報を提供します。

1. GPT研究者は研究、概要、リソース、体験レポートを生成できます

2. 各研究は20以上のオンラインソースを要約して客観的かつ真実の結論を導き出すことができる

3. 使いやすいユーザーインターフェースを備えている

4. JavaScript を通じてネットワークリソースをクロールする機能

5. アクセスに使用されたWebソースのコンテキストを追跡する機能

6. 調査レポートはPDFやその他の形式でエクスポートできます

すぐに始めましょう

まず、プロジェクトをダウンロードします。

 $ git clone https://github.com/assafelovic/gpt-researcher.git $ cd gpt-researcher

次に依存関係をインストールします

$ pip install -r requirements.txt

次に、独自のOpenAIキーをインポートして.envファイルを作成するか、直接エクスポートします。

 $ export OPENAI_API_KEY={Your API Key here}

次にFastAPIを使用してエージェントを実行します

$ uvicorn main:app --reload

最後に、ブラウザで http://localhost:8000 にアクセスして、楽しくリサーチしましょう。