最強組合HuggingFace+ChatGPT=「賈維斯」現在開放demo了！_GIN:GPT

來源：新智元

前段時間，浙大&微軟發布了一個大模型協作系統HuggingGPT直接爆火。

研究者提出了用ChatGPT作為控制器，連接HuggingFace社區中的各種AI模型，完成多模態復雜任務。

整個過程，只需要做的是：用自然語言將你的需求輸出。

英偉達科學家稱，這是我本周讀到的最有意思的論文。它的思想非常接近我之前說的「EverythingApp」，即萬物皆App，被AI直接讀取信息。

上手體驗

現在，HuggingGPT增加了Gradio演示。

項目地址：https://github.com/microsoft/JARVIS

有網友便上手體驗了一番，先來「識別圖上有幾個人」？

HuggingGPT根據推理結果，得出圖片中有2個人正在街道上行走。

去中心化計算網絡Flux發布FluxOS v3.40.0:5月12日消息，去中心化計算網絡Flux發布FluxOS v3.40.0，主要功能包括：添加對Github存儲庫及亞馬遜ECR等docker注冊表的支持、改進了對端口的處理、應用程序掛載測試以及應用程序安裝過程的改進等，該版本將于5月27日開始執行。[2023/5/12 15:00:11]

具體過程如下：

首先使用圖像到文本模型nlpconnect/vit-gpt2-image-captioning進行圖像描述，生成的文本「2個女人在有火車的街道上行走」。

接著，使用了目標檢測模型facebook/detrresnet50來檢測圖片中的人數。模型檢測出7個物體，2個人。

再使用視覺問題回答模型dandelin/vilt-b32-finetuned-vqa得出結果。最后，系統提供了詳細的響應和用于解答問題的模型信息。

Circle歐盟政策負責人：穩定幣是加密貨幣殺手級用例:金色財經報道，Circle歐盟政策負責人Patrick Hansen發推稱，不可否認，穩定幣是加密貨幣的殺手級用例，將比其他任何應用程序都更快地成為主流。[2023/2/6 11:49:00]

另外，讓它理解「我愛你」這句話的情感，并將其翻譯成泰米爾語。

HuggingGPT調用了以下模型：

首先，使用了模型「dslim/bert-base-NER」對文本「lloveyou」進行情感分類，是「浪漫」。

然后，使用「ChatGPT」將文本翻譯成泰米爾語，即「Nanunnaikadalikiren」。

在推理結果中沒有生成的圖片、音頻或視頻文件。

轉錄MP3文件時，HuggingGPT卻失敗了。網友表示，「不確定這是否是我的輸入文件的問題。」

加密礦企Pow.re以1.5億美元估值完成920萬美元的A輪融資，并獲1800萬美元戰略投資:金色財經報道，加拿大加密礦企Pow.re宣布以1.5億美元估值完成920萬美元A輪融資，本輪融資由加密資產管理平臺HaruInvest領投，數字資產交易公司Trinito和RFD Capital參投。Pow.re另外獲得來自Haru的1800萬美元戰略投資，用于資助該公司向巴拉圭的擴張。[2023/2/2 11:42:59]

再來看看圖像生成的能力。

輸入「一只貓跳舞」圖像上添加文字「ILOVEYOU」作為疊加層。

HuggingGPT首先使用了「runwayml/stable-diffusion-1-5」模型根據給定的文本生成「跳舞的貓」的圖片。

然后，使用同一個模型根據給定的文本生成了「ILOVEYOU」的圖片。

最后，將2個圖片合并在一起，輸出如下圖：

Blue Snap正在與Bit Pay合作為其客戶提供加密貨幣支付:金色財經報道，全球支付平臺Blue Snap正在與Bit Pay合作，為其所有客戶提供比特幣和以太坊等數字資產作為支付方式。[2022/11/8 12:33:55]

賈維斯照進現實

項目公開沒幾天，賈維斯已經在GitHub上收獲了12.5k星，以及811個fork。

研究者指出解決大型語言模型當前的問題，可能是邁向AGI的第一步，也是關鍵的一步。

因為當前大型語言模型的技術仍然存在著一些缺陷，因此在構建AGI系統的道路上面臨著一些緊迫的挑戰。

為了處理復雜的人工智能任務，LLMs應該能夠與外部模型協調，以利用它們的能力。

因此，關鍵點在于如何選擇合適的中間件來橋接LLMs和AI模型。

在這篇研究論文中，研究者提出在HuggingGPT中語言是通用的接口。其工作流程主要分為四步：

Web3 會計軟件 Tres 宣布完成760萬美元融資:金色財經報道，Web3 金融工具軟件 Tres 已獲得由 Boldstart Ventures 領投的 760 萬美元融資。F2、Alchemy、New Form、Kenetic Capital、Blockdaemon Ventures 和 Mantis 也參與了本輪融資。?Tres 旨在通過收集來自不同錢包和賬戶的數字資產數據并將其匯總到其數據平臺中來改善 web3 公司的會計流程。[2022/9/20 7:09:12]

論文地址：https://arxiv.org/pdf/2303.17580.pdf

首先是任務規劃，ChatGPT解析用戶請求，將其分解為多個任務，并根據其知識規劃任務順序和依賴關系。

接著，進行模型選擇。LLM根據HuggingFace中的模型描述將解析后的任務分配給專家模型。

然后執行任務。專家模型在推理端點上執行分配的任務，并將執行信息和推理結果記錄到LLM中。

最后是響應生成。LLM總結執行過程日志和推理結果，并將摘要返回給用戶。

假如給出這樣一個請求：

請生成一個女孩正在看書的圖片，她的姿勢與example.jpg "/>中的男孩相同。然后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，并分別選定模型執行得到最終結果的。

通過將AI模型描述納入提示中，ChatGPT可以被視為管理人工智能模型的大腦。因此，這一方法可以讓ChatGPT能夠調用外部模型，來解決實際任務。

簡單來講，HuggingGPT是一個協作系統，并非是大模型。

它的作用就是連接ChatGPT和HuggingFace，進而處理不同模態的輸入，并解決眾多復雜的人工智能任務。

所以，HuggingFace社區中的每個AI模型，在HuggingGPT庫中都有相應的模型描述，并將其融合到提示中以建立與ChatGPT的連接。

隨后，HuggingGPT將ChatGPT作為大腦來確定問題的答案。

到目前為止，HuggingGPT已經圍繞ChatGPT在HuggingFace上集成了數百個模型，涵蓋了文本分類、目標檢測、語義分割、圖像生成、問答、文本到語音、文本到視頻等24個任務。

實驗結果證明，HuggingGPT可以在各種形式的復雜任務上表現出良好的性能。

網友熱評

有網友稱，HuggingGPT類似于微軟此前提出的VisualChatGPT，似乎他們把最初的想法擴展到了一組龐大的預訓練模型上。

VisualChatGPT是直接基于ChatGPT構建，并向其注入了許多可視化模型。文中提出了PromptManage。

在PM的幫助下，ChatGPT可以利用這些VFMs，并以迭代的方式接收其反饋，直到滿足用戶的要求或達到結束條件。

還有網友認為，這個想法確實與ChatGPT插件非常相似。以LLM為中心進行語義理解和任務規劃，可以無限提升LLM的能力邊界。通過將LLM與其他功能或領域專家相結合，我們可以創建更強大、更靈活的AI系統，能夠更好地適應各種任務和需求。

這就是我一直以來對AGI的看法，人工智能模型能夠理解復雜任務，然后將較小的任務分派給其他更專業的AI模型。

就像大腦一樣，它也有不同的部分來完成特定的任務，聽起來很符合邏輯。

參考資料：

https://twitter.com/1littlecoder/status/1644466883813408768

https://www.youtube.com/watch?v=3_5FRLYS-2A

https://huggingface.co/spaces/microsoft/HuggingGPT

中文推特：https://twitter.com/8BTC_OFFICIAL英文推特：https://twitter.com/btcinchinaDiscord社區：https://discord.gg/defidao電報頻道：https://t.me/Mute_8btc電報社區：https://t.me/news_8btc

Tags：GPTINGGINHUGPEPEGPTPurple Butterfly TradingCoinLoginHUGO

萊特幣