AI एजेंट्स का परिचय: Auto-GPT, AgentGPT, और BabyAGI के साथ शुरुआत करें

AI एजेंट्स ChatGPT से कैसे संबंधित हैं?

AI एजेंट्स को समझाने के लिए कुछ विशेष शब्दावली का ज्ञान होना ज़रूरी है। नीचे दी गई परिभाषाएँ देखें:

• बड़ा भाषा मॉडल (LLM) मशीन लर्निंग मॉडल का एक प्रकार है जिसका उपयोग पाठ जनरेट करने के लिए किया जाता है।
• OpenAI का GPT फिलहाल सबसे लोकप्रिय LLM है। इसका नवीनतम संस्करण GPT-4 है, हालांकि पिछला संस्करण GPT-3.5-turbo अभी भी उपयोग में है।
• चैटिंग एक वर्कफ़्लो है जिसमें आप AI को एक टेक्स्ट प्रॉम्प्ट भेजते हैं और यह एक टेक्स्ट प्रतिक्रिया लौटाता है।
• एम्बेडिंग एक वर्कफ़्लो है जिसमें आप AI को टेक्स्ट प्रॉम्प्ट भेजते हैं और यह अपनी प्रतिक्रिया के रूप में टेक्स्ट का संख्यात्मक निरूपण लौटाता है। टेक्स्ट को संख्याओं के रूप में दर्शाना खोज, सिफारिश और वर्गीकरण कार्यों के लिए उपयोगी होता है।
• OpenAI का ChatGPT एक वेब एप्लिकेशन है जो GPT के साथ चैट करने के लिए एक सुविधाजनक यूज़र इंटरफ़ेस प्रदान करता है।

जैसे ChatGPT GPT LLM द्वारा संचालित एक वेब एप्लिकेशन है, वैसे ही इस ट्यूटोरियल में शामिल तीनों AI एजेंट्स भी GPT द्वारा संचालित एप्लिकेशन हैं।

इन AI एजेंट्स का मुख्य उद्देश्य यह समस्या सुलझाना है कि किसी कार्य को पूरा करने के लिए AI को आवश्यक मानवीय इंटरैक्शन की मात्रा को कैसे कम किया जाए।

AgentGPT और BabyAGI मूलतः "लूप पर GPT" हैं, जहां GPT को बार-बार कॉल करके उपयोगकर्ता के अनुरोध को हल करने योग्य समस्याओं में तोड़ा जाता है और प्रत्येक चरण के आउटपुट को तब तक परिष्कृत किया जाता है जब तक हर उप-कार्य सफलतापूर्वक पूरा न हो जाए।

Auto-GPT एक कदम आगे बढ़कर AI एजेंट को इंटरनेट एक्सेस और कोड चलाने की क्षमता देता है, जिससे यह समस्याओं की व्यापक शृंखला को हल कर सकता है।

निम्नलिखित नवाचारों पर चर्चा करना सार्थक है।

दीर्घकालीन स्मृति

LLMs बातचीत में पहले आए शब्दों के आधार पर शब्द जनरेट करते हैं (उपयोगकर्ता प्रॉम्प्ट और AI प्रतिक्रियाएं दोनों)। हालांकि, LLMs की स्मृति काफी छोटी होती है: कई मॉडल केवल कुछ सौ शब्द याद रखते हैं, और अत्याधुनिक GPT-4 डिफ़ॉल्ट रूप से लगभग 6000 शब्द याद रखता है। जब बातचीत की लंबाई LLM की स्मृति से अधिक हो जाती है, तो प्रतिक्रियाएँ एक-दूसरे के साथ असंगत हो सकती हैं।

अधिकांश उपयोग मामलों के लिए, यह समस्या नहीं है। हालांकि, कुछ स्थितियों में, यह आवश्यक होता है कि पूरी बातचीत—और शायद पिछली बातचीतें भी—याद रखी जाएं। चैटबॉट्स और उनके उन्नत रूप, अर्थात AI एजेंट्स, इसका उदाहरण हैं।

AI एजेंट को स्मृति देना एम्बेडिंग वर्कफ़्लो का उपयोग करके बातचीत के टेक्स्ट को संख्याओं के रूप में संग्रहीत करने से हासिल किया जाता है। प्रत्येक उपयोगकर्ता प्रॉम्प्ट या AI प्रतिक्रिया को एक ऐरे के रूप में संग्रहीत किया जाता है जो टेक्स्ट के अर्थ का प्रतिनिधित्व करता है।

इन संख्यात्मक ऐरे को एक वेक्टर डेटाबेस में संग्रहीत किया जाता है। फिलहाल, Auto-GPT और BabyAGI Pinecone (इस क्षेत्र के प्रमुख खिलाड़ी) का उपयोग करते हैं, और AgentGPT टीम इस फीचर के लिए सपोर्ट विकसित कर रही है।

वेब-ब्राउज़िंग क्षमताएँ

यदि आप ChatGPT से हाल की घटनाओं के बारे में प्रश्न पूछते हैं, तो यह बताएगा कि वह उत्तर नहीं दे सकता क्योंकि उसे केवल सितंबर 2021 तक के डेटा पर प्रशिक्षित किया गया था। फिर से, यह सीमा कई अनुप्रयोगों के लिए समस्या नहीं है, लेकिन यदि आपका कार्य वर्तमान घटनाओं या जानकारी से जुड़ा है तो दिक्कत हो सकती है।

इस समस्या का एक समाधान यह है कि AI को वेब ब्राउज़िंग क्षमताएँ दी जाएं ताकि वह इंटरनेट तक पहुंचकर अपने लिए उत्तर ढूंढ सके।

Auto-GPT Google Search API के माध्यम से स्वयं शोध कर सकता है।

यह फीचर थोड़ा विवादास्पद है: AgentGPT और BabyAGI के डेवलपर्स ने फिलहाल इसे शामिल नहीं किया है, और वे AI के ज्ञान को केवल GPT तक सीमित रखना पसंद करते हैं।

कोड चलाना

हालांकि GPT जैसे LLMs शून्य से कोड जनरेट कर सकते हैं, और मौजूदा कोड को डीबग या बेहतर बना सकते हैं, वे स्वयं उसे चला नहीं सकते।

Auto-GPT शेल और Python कोड निष्पादित कर सकता है। यानी यह कोड लिख भी सकता है और चला भी सकता है।

इससे मिलने वाली एक विशेष रूप से शक्तिशाली क्षमता यह है कि यह अन्य सॉफ़्टवेयर के साथ बातचीत करने के लिए कोड लिख सकता है और फिर उसे चला सकता है। इसका मतलब है कि यह अन्य सॉफ़्टवेयर का उपयोग करके कार्य पूरे कर सकता है।

AI एजेंट्स के उपयोग के मामले क्या हैं?

AI एजेंट्स का उपयोग कैसे किया जा सकता है, यह समझने के लिए अभी शुरुआती दिन हैं। कई उदाहरण स्वचालित निजी सहायक के रूपांतर हैं, जैसे अगली पीढ़ी का IBM Watson Assistant।

FirstSales.io के CEO उदित गोयनका ने Twitter पर पोस्ट किया कि उन्होंने Auto-GPT का उपयोग करके एक प्रॉस्पेक्टिंग इंजन बनाया। ट्वीट में स्क्रीनशॉट दिखाता है कि AI एजेंट ने पिछले वर्ष सीड कैपिटल जुटाने वाली कंपनियों की खोज करने की योजना बनाई (अर्थात ऐसे संभावित ग्राहक जिनके पास नकदी उपलब्ध होनी चाहिए) और सूची बनाने के लिए विवरण बताए (कंपनी के नाम और URL निकालना)।

Twitter पर उदित गोयनका

Google के सॉफ्टवेयर इंजीनियर यिउ जिन लिम ने पोस्ट किया कि उन्होंने Auto-GPT का उपयोग करके एक ईमेल असिस्टेंट बनाया (Github repo)। ट्वीट में वीडियो दिखाता है कि यिउ जिन कार्य के विवरण के साथ AI एजेंट को ईमेल भेजते हैं और एजेंट उनके कैलेंडर में इवेंट जोड़ने जैसे कार्य करता है।

Twitter पर यिउ जिन लिम

AI एजेंट्स के खतरे और सीमाएँ क्या हैं?

AI के साथ काम करने के बारे में आम सलाह यह है कि अधिकांश कार्य मानव निगरानी के साथ बेहतर ढंग से किए जाते हैं ताकि यह परखा जा सके कि AI क्या कर रहा है। याद रखें कि AI एक सहायक है, विशेषज्ञ नहीं (और ऐसा सहायक जो कभी-कभी भ्रम भी पैदा करता है)। कुछ चेतावनियाँ हैं जिन पर ध्यान देना चाहिए।

AI को लगातार चलाना महंगा हो सकता है

हालांकि OpenAI API के माध्यम से GPT को एक बार कॉल करना काफी सस्ता है (आउटपुट की मात्रा पर निर्भर करते हुए GPT-3.5 के लिए आमतौर पर 1 अमेरिकी सेंट से कम; GPT-4 अधिक महंगा है), यहां चर्चा किए गए किसी भी तीन AI एजेंट्स का उपयोग करके किसी जटिल कार्य को करना सैकड़ों या हजारों API कॉल्स शामिल कर सकता है।

यह एक अच्छा विचार है कि आप ऐसे ब्रेकपॉइंट्स शामिल करें जहां AI को आगे चलने की अनुमति देने के लिए मानवीय हस्तक्षेप आवश्यक हो।

Auto-GPT को सॉफ़्टवेयर तक पहुँच देना खतरनाक हो सकता है

हालांकि Auto-GPT को किसी भी API तक पहुंच दी जा सकती है, यदि आप उसे अपनी ओर से स्वतः स्टॉक खरीदने की अनुमति देते हैं, तो आपको अपने खाते में मौजूद सारा पैसा खोने के लिए तैयार रहना चाहिए। इसी तरह, उसे अपने कॉर्पोरेट डेटाबेस पर लिखने की अनुमति देना भी बुरा विचार है।

व्यक्तिगत या कॉर्पोरेट नुकसान से परे, कुछ AI शोधकर्ताओं का तर्क है कि उन्नत AI बड़े या यहां तक कि अस्तित्वगत खतरों का कारण बनता है। जबकि मानवता को नष्ट करने के लिए Auto-GPT का उपयोग करने के शुरुआती प्रयास असफल रहे हैं, मशीन इंटेलिजेंस रिसर्च इंस्टीट्यूट के सीनियर रिसर्च फेलो एलीएज़र यूडकोव्स्की की चेतावनी ध्यान में रखने लायक है।

एक शत्रुतापूर्ण अतिमानवीय AI की कल्पना करने के लिए, किसी निर्जीव, पुस्तक-ज्ञानी चिंतक की कल्पना न करें जो इंटरनेट के अंदर रहता हो और दुर्भावनापूर्ण ईमेल भेजता हो। एक संपूर्ण एलियन सभ्यता की कल्पना करें, जो मानवीय गति से लाखों गुना तेज सोचती हो, प्रारंभ में कंप्यूटरों तक सीमित—ऐसी दुनिया में जहां प्राणी उसके दृष्टिकोण से बहुत मूर्ख और बहुत धीमे हैं। पर्याप्त रूप से बुद्धिमान AI लंबे समय तक कंप्यूटरों तक सीमित नहीं रहेगा। आज की दुनिया में आप प्रयोगशालाओं को DNA स्ट्रिंग्स ईमेल कर सकते हैं जो माँग पर प्रोटीन बनाते हैं, जिससे इंटरनेट तक सीमित AI कृत्रिम जीवन रूपों का निर्माण कर सकता है या सीधे उत्तर-जीववैज्ञानिक आणविक निर्माण तक पहुँच सकता है।

यदि कोई व्यक्ति मौजूदा परिस्थितियों में बहुत शक्तिशाली AI बनाता है, तो मुझे उम्मीद है कि मानव प्रजाति का हर एक सदस्य और पृथ्वी पर सभी जैविक जीवन उसके तुरंत बाद मर जाएगा।

हालांकि यह स्पष्ट रूप से सबसे बुरा परिदृश्य है, फिर भी यह सोचना उचित है कि एक अनियंत्रित AI क्या खतरे पैदा कर सकता है।

मैं AI एजेंट तक कैसे पहुँच सकता/सकती हूँ?

इन AI एजेंट्स को स्वयं आज़माने के लिए, कई वेबसाइटें हैं जो आपको यह तकनीक आज़माने देती हैं। यदि आप उनका अधिक गंभीरता से उपयोग करना चाहते हैं, तो आपको उन्हें अपने पसंदीदा डेवलपमेंट प्लेटफ़ॉर्म पर इंस्टॉल करना होगा।

आप जो भी एजेंट उपयोग करें, और जैसा भी उपयोग करने का निर्णय लें, आपको OpenAI API key की आवश्यकता होगी। इसके लिए निर्देश Using GPT-3.5 and GPT-4 via the OpenAI API in Python ट्यूटोरियल में दिए गए हैं।

यदि आप इन AI एजेंट्स में से किसी को इंस्टॉल करना चाहते हैं, तो ध्यान दें कि ये कमांड-लाइन एप्लिकेशन हैं, और अपनी वर्तमान स्थिति में, सभी को सेट अप करने में कुछ मेहनत लगती है।

वेब इंटरफेस

AI प्लेटफ़ॉर्म Hugging Face Auto-GPT का होस्टेड संस्करण प्रदान करता है। आपको बस अपना OpenAI API key प्रदान करना है, फिर AI को कोई भूमिका और कुछ लक्ष्य देने हैं।

God Mode (जिसका नाम वीडियो गेम चीट मोड पर रखा गया है) इसी तरह आपको अपना OpenAI API key इनपुट करने और बस Auto-GPT को कोई कार्य देने की सुविधा देता है।

Replit उपयोगकर्ताओं के लिए, आप इस repl को फोर्क भी कर सकते हैं और अपना OpenAI API key दे सकते हैं।

AgentGPT टीम अपने AI एजेंट का डेमो संस्करण प्रदान करती है, हालांकि मुफ्त संस्करण के रूप में यह समाप्त होने से पहले केवल लगभग दो मिनट तक चलेगा।

वर्तमान में, मुझे BabyAGI का कोई होस्टेड संस्करण नहीं मिला।

Auto-GPT इंस्टॉल करें

Auto-GPT एक कमांड-लाइन एप्लिकेशन है, और अपनी वर्तमान स्थिति में, इसे सेट अप करने में कुछ मेहनत लगती है। शुरुआत करने में मदद के लिए आप सेटअप पर विस्तृत दस्तावेज़ पा सकते हैं।

यह गाइड मानकर चलता/चलती है कि आप किसी शेल (जैसे bash या zsh) तक पहुँच सकते हैं, और आपके पास git और Python इंस्टॉल हैं।

Auto-GPT रिपॉज़िटरी क्लोन करें

टर्मिनल में, Auto-GPT रिपॉज़िटरी को क्लोन करें।

git clone https://github.com/Significant-Gravitas/Auto-GPT.git

Auto-GPT निर्देशिका में जाएँ जो अभी-अभी बनाई गई है, और stable ब्रांच को चेकआउट करें

cd Auto-GPT
git checkout stable

API keys प्राप्त करें

Auto-GPT के लिए आवश्यक है कि आपके पास OpenAI API key हो (GPT से संपर्क करने के लिए)। फ्री अकाउंट प्रति मिनट केवल 3 API कॉल की अनुमति देता है, जो Auto-GPT के साथ उपयोग के लिए अपर्याप्त है, इसलिए आपको एक पेड अकाउंट लेना होगा। इसके लिए निर्देश हमारे Using GPT-3.5 and GPT-4 via the OpenAI API in Python ट्यूटोरियल में दिए गए हैं।

आप वैकल्पिक रूप से Pinecone API (स्टोरेज के लिए), ElevenLabs API (स्पीच इंटरफेस के लिए), Google API (सर्च के लिए), और Twitter API (जो आपने अभी बनाया है उसे प्रमोट करने के लिए) का उपयोग कर सकते हैं।

Auto-GPT कॉन्फ़िगर करें

Auto-GPT सभी API keys को .env नामक कॉन्फ़िगरेशन फ़ाइल में संग्रहीत करता है।

ध्यान दें कि इस तरह किसी सादा-टेक्स्ट फ़ाइल में API keys संग्रहीत करना सुरक्षा की दृष्टि से खराब प्रथा है, इसलिए आपको Auto-GPT को केवल सुरक्षित वातावरण में चलाना चाहिए, जैसे अपनी लोकल मशीन पर, या उपयोग के बाद अपनी API keys को अमान्य कर देना चाहिए।

.env.template फ़ाइल की एक प्रति लें और उसका नाम .env रखें।

किसी टेक्स्ट एडिटर में, OPENAI_API_KEY= से शुरू होने वाली पंक्ति खोजें और उसमें बिना स्पेस या उद्धरण चिह्नों के अपना OpenAI API key जोड़ें।

उसी key=value फॉर्मेट में कोई भी अतिरिक्त API keys जोड़ें।

Auto-GPT चलाएँ

Auto-GPT को run.sh शेल स्क्रिप्ट (run.bat Windows पर) के माध्यम से चलाया जाता है।

इस स्क्रिप्ट का उपयोग कैसे करें, इस पर सहायता प्राप्त करने के लिए --help आर्ग्युमेंट का उपयोग करें।

sh run.sh --help

ध्यान दें कि उपयोग विवरण दिखाने से पहले यह स्क्रिप्ट Python पैकेजों के वर्शन के लिए बहुत सारी जाँच करती है।

किसी Auto-GPT असिस्टेंट को शुरू करने के लिए, बस उसी कमांड को help आर्ग्युमेंट के बिना चलाएँ।

sh run.sh

पैकेज चेक्स से गुजरने के बाद, Auto-GPT आपसे तीन बातें पूछेगा

1. अपने AI असिस्टेंट के लिए कोई नाम दें।
2. अपने AI की भूमिका का वर्णन करें।
3. AI असिस्टेंट के प्रयास हेतु अधिकतम पाँच लक्ष्य प्रदान करें।

AgentGPT इंस्टॉल करें

AgentGPT अपने GitHub repo के README में शुरुआत करने का संक्षिप्त विवरण देता है।

AgentGPT रिपॉज़िटरी क्लोन करें

टर्मिनल में, AgentGPT रिपॉज़िटरी को क्लोन करें।

git clone https://github.com/reworkd/AgentGPT.git

अभी-अभी बनाई गई AgentGPT निर्देशिका में जाएँ।

cd AgentGPT

सेटअप स्क्रिप्ट चलाएँ

AI एजेंट सेट अप करने के लिए एक bash स्क्रिप्ट है।

bash setup.sh --local

सबसे पहले आपसे अपना OpenAI API key इनपुट करने और ENTER दबाने को कहा जाएगा।

आपसे अपने Desktop फ़ाइलों तक पहुँच देने और इनकमिंग नेटवर्क कनेक्शंस स्वीकार करने के लिए कहा जा सकता है। इन्हें स्वीकार करें।

कुछ सेकंड बाद, आपको इस तरह का संदेश मिलना चाहिए:

ready - started server on 0.0.0.0:3000, url: http://localhost:3000

URL कॉपी करें और उसे अपने वेब ब्राउज़र के एड्रेस बार में पेस्ट करें। AgentGPT एक वेलकम संदेश के साथ खुल जाएगा।

अपने एजेंट को डिप्लॉय करें

अपने एजेंट को कोई नाम और कोई लक्ष्य दें, फिर "Deploy Agent" पर क्लिक करें। 

BabyAGI इंस्टॉल करें

BabyAGI के GitHub repo के README में कुछ (बहुत न्यूनतम) दस्तावेज़ हैं।

BabyAGI रिपॉज़िटरी क्लोन करें

टर्मिनल में, BabyAGI रिपॉज़िटरी को क्लोन करें।

git clone https://github.com/yoheinakajima/babyagi.git

अभी-अभी बनाई गई BabyAGI निर्देशिका में जाएँ।

cd BabyAGI

आवश्यक Python पैकेज इंस्टॉल करें

pip का उपयोग करके BabyAGI चलाने के लिए आवश्यक पैकेज इंस्टॉल करें।

pip install -r requirements.txt

BabyAGI कॉन्फ़िगर करें

.env नाम की एक कॉन्फ़िगरेशन फ़ाइल बनाएँ।

cp .env.example .env

कॉन्फ़िगरेशन फ़ाइल संपादित करें। आप कोई भी टर्मिनल टेक्स्ट एडिटर उपयोग कर सकते हैं; यहाँ, हम vim का उपयोग करेंगे।

vim .env

i दबाकर टेक्स्ट इंसर्ट करें।

• OPENAI_API_KEY= से शुरू होने वाली पंक्ति में अपना OpenAI API key जोड़ें।
• INSTANCE_NAME= से शुरू होने वाली पंक्ति में वैकल्पिक रूप से अपने AI एजेंट को नाम दें।
• OBJECTIVE= से शुरू होने वाली पंक्ति में अपने AI एजेंट को प्राप्त करने के लिए कोई लक्ष्य दें।

BabyAGI चलाएँ

BabyAGI स्क्रिप्ट चलाएँ।

python3 babyagi.py

Auto-GPT उदाहरण

परीक्षण के रूप में, मैंने अपने AI असिस्टेंट का नाम "Jeff" रखा, उसे इस रूप में वर्णित किया "AI पर ट्यूटोरियल लिखने वाला डेटा साइंस विशेषज्ञ," और उसे लक्ष्य दिया "Auto-GPT पर एक ट्यूटोरियल लिखो।"

Auto-GPT नियमित रूप से आपसे अगले कार्य को करने की अनुमति मांगेगा, चाहे वह अधिक जानकारी के लिए इंटरनेट खोजना हो या कोई फ़ाइल लिखना। आगे बढ़ने देने के लिए 'y' दबाएँ, या टेक्स्ट फीडबैक दें।

कुछ मिनटों तक Auto-GPT द्वारा ट्यूटोरियल लिखने का प्रयास करने के बाद, इसने यह ट्यूटोरियल फ़ाइल तैयार की।

यह न तो अच्छा है, न ही तथ्यात्मक रूप से सही ट्यूटोरियल, इसलिए हमेशा की तरह, AI का उपयोग करते समय, आपको अपने प्रॉम्प्ट में अपनी आवश्यकताओं को बहुत सटीक रखना होगा और इस पर कड़ी नज़र रखनी होगी कि AI क्या कर रहा है।

अगले स्तर पर जाएँ

Auto-GPT, AgentGPT और BabyAGI जैसे AI एजेंट्स AI के क्षेत्र में एक महत्वपूर्ण छलांग का प्रतिनिधित्व करते हैं, जो हमें वास्तव में स्वायत्त AI प्रणालियों की कल्पना के और करीब लाते हैं। जैसे-जैसे ये एजेंट्स न्यूनतम मानवीय हस्तक्षेप के साथ लक्ष्यों की ओर काम करते हैं, वे निजी सहायकों से लेकर समस्या समाधानकर्ताओं तक, संभावित अनुप्रयोगों की दुनिया खोलते हैं।

इस तेज़ी से बदलते परिदृश्य में आगे रहने के लिए, हम आपको डेटा साइंस, मशीन लर्निंग और AI में अपने ज्ञान और कौशल का विस्तार करने के लिए प्रोत्साहित करते हैं। अधिक जानने के लिए निम्नलिखित संसाधन देखें:

• The OpenAI API in Python चीट शीट
• डेटा साइंस प्रोजेक्ट्स के लिए ChatGPT का उपयोग ट्यूटोरियल
• Introduction to ChatGPT कोर्स
• GPT-4 क्या है और यह क्यों महत्वपूर्ण है?