来源：新智元
前段时间，浙大&微软发布了一个大模型协作系统HuggingGPT直接爆火。
研究者提出了用ChatGPT作为控制器，连接HuggingFace社区中的各种AI模型，完成多模态复杂任务。
整个过程，只需要做的是：用自然语言将你的需求输出。
英伟达科学家称，这是我本周读到的最有意思的论文。它的思想非常接近我之前说的「EverythingApp」，即万物皆App，被AI直接读取信息。
上手体验
现在，HuggingGPT增加了Gradio演示。
项目地址：https://github.com/microsoft/JARVIS
有网友便上手体验了一番，先来「识别图上有几个人」？
HuggingGPT根据推理结果，得出图片中有2个人正在街道上行走。
微软发布Azure OpenAI服务新功能:金色财经报道，微软公司副总裁，微软大中华区首席运营官康容宣布，微软在全球版Azure服务中正式上线了Azure OpenAI服务，以提供SLA保证的企业级服务。
据官方介绍，OpenAI服务在互联网、游戏、金融、零售、医药乃至自动驾驶、智能制造领域拥有着广阔的应用前景。
金色财经此前报道，微软与web3基础设施提供商Ankr合作，为需要区块链数据访问的企业提供节点服务。[2023/3/3 12:40:58]
具体过程如下：
首先使用图像到文本模型nlpconnect/vit-gpt2-image-captioning进行图像描述，生成的文本「2个女人在有火车的街道上行走」。
接着，使用了目标检测模型facebook/detrresnet50来检测图片中的人数。模型检测出7个物体，2个人。
Open Network宣布推出治理平台Ton.vote:金色财经报道，Open Network宣布推出治理平台Ton.vote，通过与Orbs的集成防止投票被篡改。TON代币持有者现在将可以对网络上所有项目的决定进行投票。当前第一个治理提案是冻结创世挖矿钱包持有的代币，这些代币已经四年不活跃了。目前，91.75%的投票支持该提案。（coindesk）[2023/2/22 12:20:43]
再使用视觉问题回答模型dandelin/vilt-b32-finetuned-vqa得出结果。最后，系统提供了详细的响应和用于解答问题的模型信息。
另外，让它理解「我爱你」这句话的情感，并将其翻译成泰米尔语。
HuggingGPT调用了以下模型：
首先，使用了模型「dslim/bert-base-NER」对文本「lloveyou」进行情感分类，是「浪漫」。
Ripple工程总监Nik Bougalis宣布即将离职:金色财经报道，现任Ripple工程总监的密码专家和软件工程师Nik Bougalis宣布，他将在几周内离职。据悉，Bougalis已经从事XRP Ledger（XRPL）相关工作大约10年。
至于下一步将做什么，他表示，“到时候我会说的，但我不会加入另一个区块链项目/公司，也不会做NFT或DeFi项目。”（Cryptoglobe）[2022/10/23 16:35:51]
然后，使用「ChatGPT」将文本翻译成泰米尔语，即「Nanunnaikadalikiren」。
在推理结果中没有生成的图片、音频或视频文件。
转录MP3文件时，HuggingGPT却失败了。网友表示，「不确定这是否是我的输入文件的问题。」
再来看看图像生成的能力。
输入「一只猫跳舞」图像上添加文字「ILOVEYOU」作为叠加层。
英国投资协会敦促政府批准区块链交易基金:7月7日消息，英国资产管理行业正在推动政府建立一个使用区块链技术的新类别的基金。代表英国资产管理行业的行业机构投资协会（Investment Association）周四呼吁政府和伦敦金融城监管机构“加快”审批区块链交易基金，此类基金面向投资者发行数字代币，而不是传统的基金份额。据悉，投资协会为全球范围内的客户监管近10万亿英镑（17.5万亿美元）资产。（AFR）[2022/7/7 1:57:37]
HuggingGPT首先使用了「runwayml/stable-diffusion-1-5」模型根据给定的文本生成「跳舞的猫」的图片。
然后，使用同一个模型根据给定的文本生成了「ILOVEYOU」的图片。
最后，将2个图片合并在一起，输出如下图：
贾维斯照进现实
项目公开没几天，贾维斯已经在GitHub上收获了12.5k星，以及811个fork。
SX Network完成950万美元融资，Polygon和HackVC领投:4月28日消息，Polygon上运行的Layer2区块链SX Network获得950万美元融资和捐赠，Polygon和HackVC领投，CMCC Global、Nascent、FJLabs和Polygon联合创始人Sandeep Nailwal等参投。
SX Network是第一个使用Polygon Edge构建的区块链，也是一个用于构建私有或公共以太坊兼容区块链网络的可定制框架，将于5月推出。SX Network将使用该笔资金进一步发展其预测市场平台SX.bet（原SportX）以及用于去中心化预测市场治理。[2022/4/28 2:37:44]
研究者指出解决大型语言模型当前的问题，可能是迈向AGI的第一步，也是关键的一步。
因为当前大型语言模型的技术仍然存在着一些缺陷，因此在构建AGI系统的道路上面临着一些紧迫的挑战。
为了处理复杂的人工智能任务，LLMs应该能够与外部模型协调，以利用它们的能力。
因此，关键点在于如何选择合适的中间件来桥接LLMs和AI模型。
在这篇研究论文中，研究者提出在HuggingGPT中语言是通用的接口。其工作流程主要分为四步：
论文地址：https://arxiv.org/pdf/2303.17580.pdf
首先是任务规划，ChatGPT解析用户请求，将其分解为多个任务，并根据其知识规划任务顺序和依赖关系。
接着，进行模型选择。LLM根据HuggingFace中的模型描述将解析后的任务分配给专家模型。
然后执行任务。专家模型在推理端点上执行分配的任务，并将执行信息和推理结果记录到LLM中。
最后是响应生成。LLM总结执行过程日志和推理结果，并将摘要返回给用户。
假如给出这样一个请求：
请生成一个女孩正在看书的图片，她的姿势与example.jpg "/>中的男孩相同。然后请用你的声音描述新图片。
可以看到HuggingGPT是如何将它拆解为6个子任务，并分别选定模型执行得到最终结果的。
通过将AI模型描述纳入提示中，ChatGPT可以被视为管理人工智能模型的大脑。因此，这一方法可以让ChatGPT能够调用外部模型，来解决实际任务。
简单来讲，HuggingGPT是一个协作系统，并非是大模型。
它的作用就是连接ChatGPT和HuggingFace，进而处理不同模态的输入，并解决众多复杂的人工智能任务。
所以，HuggingFace社区中的每个AI模型，在HuggingGPT库中都有相应的模型描述，并将其融合到提示中以建立与ChatGPT的连接。
随后，HuggingGPT将ChatGPT作为大脑来确定问题的答案。
到目前为止，HuggingGPT已经围绕ChatGPT在HuggingFace上集成了数百个模型，涵盖了文本分类、目标检测、语义分割、图像生成、问答、文本到语音、文本到视频等24个任务。
实验结果证明，HuggingGPT可以在各种形式的复杂任务上表现出良好的性能。
网友热评
有网友称，HuggingGPT类似于微软此前提出的VisualChatGPT，似乎他们把最初的想法扩展到了一组庞大的预训练模型上。
VisualChatGPT是直接基于ChatGPT构建，并向其注入了许多可视化模型。文中提出了PromptManage。
在PM的帮助下，ChatGPT可以利用这些VFMs，并以迭代的方式接收其反馈，直到满足用户的要求或达到结束条件。
还有网友认为，这个想法确实与ChatGPT插件非常相似。以LLM为中心进行语义理解和任务规划，可以无限提升LLM的能力边界。通过将LLM与其他功能或领域专家相结合，我们可以创建更强大、更灵活的AI系统，能够更好地适应各种任务和需求。
这就是我一直以来对AGI的看法，人工智能模型能够理解复杂任务，然后将较小的任务分派给其他更专业的AI模型。
就像大脑一样，它也有不同的部分来完成特定的任务，听起来很符合逻辑。
参考资料：
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社区：https://discord.gg/defidao电报频道：https://t.me/Mute_8btc电报社区：https://t.me/news_8btc
郑重声明： 本文版权归原作者所有， 转载文章仅为传播更多信息之目的， 如作者信息标记有误， 请第一时间联系我们修改或删除， 多谢。