ما هو BabyAGI؟

التنفيذ القياسي هو نص برمجي Python يستخدم نماذج GPT الخاصة بـ OpenAI من خلال واجهة برمجة التطبيقات وقاعدة بيانات المتجهات (عادةً Pinecone) للذاكرة وإطار عمل وكيل LangChain لتنظيم أدوار وكيل الذكاء الاصطناعي. تسجل قاعدة بيانات المتجهات نتائج المهام كتضمينات تُستخدم لاسترجاع السياق، بينما يقوم النموذج اللغوي الكبير بتمكين منطق الوكيل ومنطق المهمة.¹

باعتبارها وكيل الذكاء الاصطناعي المستقل، تستمر BabyAGI في التكرار باستخدام نتائج المهام المكتملة لإبلاغ المهام الجديدة وإعادة تحديد أولويات قائمة المهام وتشغيل المهام الفرعية. تستمر العملية حتى يتم استنفاد قائمة انتظار المهام أو الوصول إلى حالة التوقف.

يستخدم BabyAgi سير عمل AI متكررًا من ثلاث مراحل: 

1. تنفيذ المهمة: يقوم وكيل التنفيذ بتشغيل المهمة باستخدام السياق من قاعدة بيانات المتجهات والهدف عالي المستوى كدليل.
    

2. إنشاء المهام: بناءً على نتيجة المهمة المنفذة، يقوم عامل إنشاء المهام بإنشاء مهام متابعة تتماشى مع الهدف الأصلي. 
    

3. تحديد أولويات المهام: يقوم وكيل تحديد الأولويات بإعادة ترتيب جميع المهام المعلقة، بما في ذلك المهام الجديدة، بناءً على التبعيات ومدى صلتها بالهدف. 

تتكرر الحلقة حتى لا تبقى أي مهام أو يتحقق شرط نهاية آخر.

يتكون BabyAGI من عدة وحدات بنيوية أساسية تعمل معًا لتسهيل إنشاء المهام وتحديد أولوياتها وتنفيذها تلقائيًا. تشمل هذه العناصر ما يلي:

• النموذج اللغوي الكبير
   

• قاعدة بيانات المتجهات
   

• قائمة المهام
   

• وكيل تنفيذ المهام
   

• وكيل إنشاء المهام
   

• وكيل تحديد أولويات المهام

عنصر النموذج اللغوي الكبير الخاص بـ BabyAGI هو المنسق المركزي للنظام الوكيل. يعمل نموذج الذكاء الاصطناعي (AI) هذا كمخرج رفيع المستوى، حيث يتلقى مطالبة المستخدم ويقيمها باستخدام معالجة اللغة الطبيعية (NLP) لتحديد الهدف. كما أنه يمكّن الوكلاء من إنشاء المهام وتنفيذها وتحديد أولوياتها.

يستخدم BabyAGI عادة GPT-4 من OpenAI. يستخدم الوكلاء الثلاثة في نظام BabyAGI هندسة سريعة دقيقة لتوجيه سلوك GPT-4 في أدواره الوكيلية.

يقوم مكون قاعدة بيانات المتجهات الخاص بـ BabyAGI بتخزين السجلات ونتائج المهام المكتملة وهو بمثابة ذاكرة الوكيل. يمكن لـ BabyAGI استخدام نتائج المهمة الأولى لإبلاغ المهمة الثانية وتكرار هذه العملية أثناء تقدمها في قائمة المهام.

تقوم قواعد بيانات المتجهات بتخزين البيانات على هيئة تمثيلات رياضية تسمى التضمينات. تُعدُّ نقاط البيانات الأقرب إلى بعضها في مساحة المتجه عالية الأبعاد أكثر تشابهًا من الناحية الدلالية. يستخدم BabyAGI البحث الدلالي للعثور على المعلومات ذات الصلة في قاعدة البيانات.

يستخدم التنفيذ الأساسي Pinecone، ولكن يتم استخدام مخازن المتجهات البديلة مثل Meta’s Facebook AI Similarity Search (FAISS) وChroma في بعض الأحيان في المتغيرات أو نسخ المستودع. تعد FAISS وChroma مصادر مفتوحة، في حين أن Pinecone، مثل العديد من منتجات OpenAI، ليست كذلك.

قائمة المهام أو قائمة الانتظار هي قائمة ذات أولوية للمهام الفرعية الناشئة عن الهدف عالي المستوى والمهمة الأولية. عندما يقوم وكيل تنفيذ المهمة بتنفيذ مهامه، يتم تحميل هذه النتائج إلى قاعدة بيانات المتجهات. وبناءً على نتائج تلك المهام، يمكن لقائمة المهام أن تتغير مع تعديل الأولويات وإضافة مهام جديدة.

يستخدم عامل تنفيذ المهمة نموذجًا لغويًّا كبيرًا والبيانات الموجودة في قاعدة بيانات المتجهات لتنفيذ المهام الموجودة في قائمة المهام. وتُستخدم تقنيات البحث الدلالي للعثور على المعلومات ذات الصلة في قاعدة البيانات. وبعد اكتمال المهمة، يقوم النظام بإنشاء تضمين جديد وتخزين السجل في قاعدة البيانات.

يستخدم وكيل إنشاء المهام الهدف عالي المستوى ونتائج المهام السابقة لإنشاء المهام التالية في سير العمل. وبدلًا من العمل من خلال سير عمل محدد مسبقًا، تسمح عملية توليد المهام المستمرة للنظام بتكرار النتائج السابقة والتعلم بشكل ديناميكي.

يتولى وكيل تحديد أولوية المهام إدارة المهام من خلال إعادة ترتيب قائمة المهام وتنظيمها بشكل منتظم. وتتمثل مهمته في تحديد أولويات المهام الفرعية بناء على نتائج المهام السابقة وكيفية ارتباط المهام الجديدة بالهدف رفيع المستوى. كما يأخذ وكيل تحديد الأولويات في الاعتبار التبعيات بين المهام: إذا كان يجب إتمام مهمة واحدة قبل أن يصبح من الممكن إتمام مهمة أخرى.

BabyAgi هي مكتبة Python وتتطلب بعض المعرفة بترميز Python لاستخدامها. ومع ذلك، فإن عملية الإعداد مبسطة نسبيًا:

1. تثبيت Python وGit. قم بتنزيل مستودع BabyAGI GitHub من github.com.
    

2. افتح الدليل باستخدام BabyAGI وقم بتثبيت جميع التبعيات باستخدام أمر pip install .
    

3. إنشاء ملف .env وانسخ ملف المثال .env إليه.
    

4. أضف مفتاح OpenAI API ومفتاح Pinecone API إلى ملف.env . إذا لزم الأمر، فعليك أولًا إنشاء حساب OpenAI والحصول على مفتاح API.
    

5. حدد الهدف عن طريق تغيير قيمة OBJECTIVE. ثم، قم بتوفير مهمة أولية.
    

6. احفظ وأغلق ملف .env .
    

7. أدخل الأمر python babyagi.py لتشغيل الوكيل.

BabyAGI عبارة عن آلية تحديد وصول تعليمية أكثر منه تطبيق إنتاجي جاهز للاستخدام السائد للذكاء الاصطناعي الوكيل. استخدم عشاق التعلم الآلي والذكاء الاصطناعي الوكيل BabyAGI لاستكشاف وكلاء المهام المستقلين والتفكير المتسلسل باستخدام النماذج اللغوية الكبيرة (LLMs).

غالبًا ما تتم مقارنةً BabyAGI بـ AutoGPT، وهو إطار عمل آخر مفتوح المصدر للوكلاء المستقلين المبنيين على نماذج لغوية كبيرة (LLMs). كلاهما أدوات ذكاء اصطناعي مصممة لأتمتة الأهداف متعددة الخطوات من خلال الجمع بين LLM واستخدام الذاكرة والأدوات.

يقوم BabyAGI بتشغيل حلقة مدمجة تنشئ المهام وتنفذها وتعيد ترتيب أولوياتها باستخدام قاعدة بيانات متجهة للذاكرة قصيرة وطويلة المدى. يوفر AutoGPT إطار عمل غنيًّا بالميزات لتحليل الأهداف وتكامل الأدوات واستخدام واجهة برمجة التطبيقات الخارجية.

بينما يتم استخدام BabyAGI بشكل أفضل كأداة بحث وآلية تحديد الوصول، يمكن لـ AutoGPT أتمتة المهام ذات النطاق الأكبر.

على الرغم من اسمه، فإن BabyAGI ليس مثالًا على الذكاء الاصطناعي العام (AGI). AGI هو الذكاء الاصطناعي الافتراضي الذي يتمتع بقدرات التفكير والاستدلال على مستوى الإنسان. حتى الآن، لا يزال الذكاء الاصطناعي العام مفهومًا نظريًا. ولم يصل أي تطبيق للذكاء الاصطناعي، بما في ذلك BabyAGI، إلى هذا المستوى من التطور.

وعلى غرار العديد من الأمثلة الأخرى للتطبيق من الذكاء الاصطناعي التوليدي، تستخدم BabyAGI النمذجة الإحصائية المتقدمة للتنبؤ بالنتيجة الأكثر احتمالًا لأي إدخال معين. فهو لا يفهم ولا يتعلم ولا يفكر كما يفعل البشر.

في عام 2024، قدم Nakajima BabyAGI 2، وهو إصدار تجريبي يستخدم إطار العمل الذي يخزن الوظائف والبيانات الوصفية المرتبطة بها في قاعدة بيانات. ويمكن للوكيل تحميل الوظائف وتشغيلها وتحديثها بالبيانات الوصفية أثناء قيامه ببناء نفسه.