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

ついに誰かがユーザー分析の方法論を徹底的に説明しました

1. ユーザー操作とは何ですか?ユーザーオペレーションとは、ユーザーのライフサイクル全体を踏まえた管...

世論調査によると、日本の男性の約60%が人工知能と交際する意向がある

[[252365]]日経新聞によると、日本の世論調査会社が、人工知能(AI)と恋に落ちたり友達になっ...

...

AIブーム下のレイアウトトレンド

2016年3月にアルファ碁が囲碁の世界チャンピオン、イ・セドルを破って以来、人工知能は大きな注目を集...

AIは自分が生成したものを理解できるのか?GPT-4とMidjourneyを試した後、誰かがこの問題を解決した

ChatGPTからGPT4、DALL・E 2/3からMidjourneyまで、生成AIはこれまでにな...

GPT をゼロから構築するための 60 行のコード!最も完全な実践ガイドはここにあります

GPT をゼロから構築するには 60 行のコードが必要ですか?最近、開発者が Numpy コードを使...

1 つの記事で 4 つの基本的なニューラル ネットワーク アーキテクチャを理解する

[[260546]]ニューラル ネットワークを使い始めたばかりのときは、ニューラル ネットワーク ア...

...

人工知能がデータセンターの需要を爆発的に増加させる

JLLの新しいレポートによると、人工知能の需要とクラウドサービスの継続的な導入により、データセンター...

ホーキング博士:人工知能の脅威は核兵器のようなもので、世界には10の大きな変化が起こるでしょう!

[[215578]]有名な科学者ホーキングは「宇宙の王」として知られています。彼は、これまで人類に...

CNNを称賛するのはやめろ。類似点と相違点さえ区別できない

[[416629]]セサミストリートには「One of These Things Is Not Li...

AIとWeb3の出会い: 2023年の技術革命

2023 年には、人工知能 (AI) と Web3 という 2 つの技術現象が引き続き議論の中心にな...

基本モデル + ロボット: これまでどこまで進んだのでしょうか?

ロボット工学は、特にスマートテクノロジーと組み合わせると、無限の可能性を秘めたテクノロジーです。近年...

...

人工知能 (AI) の 19 の一般的な応用分野、あなたはどれくらい知っていますか?

01 自然言語生成自然言語生成は、顧客サービス、レポート生成、市場概要などで使用すべくデータをテキ...