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

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。

980枚BTC從Gate.io轉移到未知錢包:金色財經報道，據Whale Alert監測，1小時22分前有980枚BTC(約24,514,487美元)從Gate.io轉移到未知錢包。[2023/6/15 21:38:43]

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。

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。

尼日利亞央行正尋求技術合作伙伴開發管理CBDC的新系統:2月21日消息，尼日利亞正在與潛在的技術合作伙伴進行談判，以開發一個新系統來運行和管理其中央銀行數字貨幣 eNaira。一位知情人士表示，尼日利亞央行已經與總部位于紐約的技術公司 R3 討論了早期階段計劃。[2023/2/21 12:20:30]

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。」

再來看看圖像生成的能力。

CZ回應“a16z投票反對在BNB Chain上部署Uniswap V3”：人民投票與金錢投票是完全不同的:金色財經報道，針對“a16z投票反對在BNB Chain上部署Uniswap V3”一事，幣安首席執行官 CZ 在社交媒體上發問：“UniSwap 是由 a16z 控制的嗎？”此外，CZ 還表示，人民投票與金錢投票是完全不同的，鏈上投票意味著巨鯨可能會控制區塊鏈，就像股東一樣，幣安已經在會議上就這個問題進行了討論。[2023/2/6 11:50:16]

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：

韓星李洪基將社交媒體頭像更換為YOLO BUNNY#5190:10月27日消息，韓歌星李洪基（Lee Hong Gi）將社交媒體頭像更換為YOLO BUNNY#5190，該NFT最新成交價為46ETH。同時，李洪基宣布最新單曲也將在Muverse發行。[2022/10/27 11:48:08]

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。

Galaxy Digital分析師：由于節點的問題，超過25%的網絡參與者在The Merge啟動后就被從共識中剔除:金色財經報道，Galaxy Digital分析師Christine Kim分享了以太坊最新 ACD 的詳細信息以及通往 The Merge 的后續步驟。根據線程，由于節點同步問題，最后一個“影子分叉”并非全是和諧的。也就是說，由于Erigon和Hyperledger Besu節點的問題，超過25%的網絡參與者在The Merge啟動后就被從共識中剔除。

此外，還發現了一些關于 \"盆景樹 \"數據存儲設計和Nethermind-Teku客戶端的問題。大體上，這些問題與The Merge的規格無關；相反，它們強調了參與團隊還沒有為即將到來的升級做好準備。（u.today)[2022/6/26 1:31:31]

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：

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：GPTINGHUGGINCGPT幣BORINGHUGO幣Engine

Gate.io