硅谷对万物自动化的追求永无止境，这也解释了其最新痴迷：Auto-GPT。
本质上，Auto-GPT 利用 OpenAI 最新 AI 模型的多功能性与在线软件和服务进行交互，使其能够“自主”执行各类任务。但正如我们在使用大型语言模型时所了解到的那样，这种能力看似如海洋般广阔，实则如水坑般浅薄。
Auto-GPT 是由游戏开发者 Toran Bruce Richards 创建的一个开源应用。该应用使用 OpenAI 的文本生成模型（主要是 GPT-3.5 和 GPT-4），以“自主”方式运行。
这种自主性并无魔法可言。Auto-GPT 只是处理对 OpenAI 模型初始提示词的后续操作，通过不断提问和回答，直到任务完成。
简而言之，Auto-GPT 是将 GPT-3.5 和 GPT-4 与一个辅助机器人配对，由该机器人指示模型该做什么。用户告诉 Auto-GPT 目标是什么，而该机器人则利用模型及多个程序来执行实现目标所需的每一个步骤。
Auto-GPT 之所以具备相当的能力，在于它能够与在线和本地的应用程序、软件及服务进行交互，例如网页浏览器和文字处理器。例如，面对“帮我发展我的花卉业务”这样的提示，Auto-GPT 可以制定一个大致合理的广告策略并构建一个基础网站。
#AutoGPT是当下新兴的颠覆者——它能够将#ChatGPT的推理能力应用于更广泛、更复杂且需要规划及多步骤处理的问题。
目前仍处于早期阶段，但在健康和生物医学领域的应用令人印象深刻。
正如曾尝试过 Auto-GPT 的软件开发者 Joe Koen 解释的那样，Auto-GPT 本质上自动化了原本需要与像 ChatGPT 这类面向聊天的 AI 模型来回提示的多步骤项目。
Koen 表示：“Auto-GPT 定义了一个与 OpenAI API 通信的智能体。该智能体的目标是执行由 AI 根据请求生成的各种命令。在智能体开始执行命令之前，系统会提示用户输入以指定 AI 的角色和目标。”
在终端中，用户描述 Auto-GPT 代理的名称、角色和目标，并指定最多五种实现该目标的方法。例如：
- 名称：Smartphone-GPT
- 角色：一款旨在寻找最佳智能手机的AI
- 目标：找到市场上最好的智能手机
- 目标1：对当今市场上的不同智能手机进行市场调研
- 目标2：获取前五名智能手机并列出它们的优缺点
在幕后，Auto-GPT 依靠内存管理等功能来执行任务，并利用 GPT-4 和 GPT-3.5 进行文本生成、文件存储和摘要。
此外，Auto-GPT 还可以连接到语音合成器（如 ElevenLabs），从而能够模拟“拨打电话”等操作。
Auto-GPT 已在 GitHub 上公开可用，但需要一定的技术知识才能启动。要使用它，必须在 Docker 等开发环境中安装，并且必须使用来自 OpenAI 的 API 密钥进行注册（这需要付费的 OpenAI 账户）。
这可能值得尝试，尽管对此仍有争议。早期采用者已使用 Auto-GPT 承担那些更适合委托给机器人的琐碎任务，例如调试代码、撰写电子邮件，或为新初创企业制定商业计划等高级任务。
UST 技术咨询公司首席架构师 Adnan Masood 表示：“如果 Auto-GPT 遇到任何障碍或无法完成任务，它将生成新的提示词以帮助其应对情况并确定适当的下一步。大型语言模型擅长生成类人响应，但仍依赖用户提示和交互；相比之下，Auto-GPT 利用 OpenAI API 的高级功能，无需用户干预即可独立运作。”
近几周，出现了 AgentGPT 和 GodMode 等新应用，使 Auto-GPT 的使用更加简便。它们提供了简单的界面，用户可以直接在浏览器页面上输入想要完成的任务。请注意，这些工具同样需要来自 OpenAI 的 API 密钥才能解锁全部功能。
然而，像任何强大的工具一样，Auto-GPT 也有其局限性和风险。
AutoGPT 在 GitHub 上的星标数已超过 PyTorch 本身。正如作者所指出的，我将 AutoGPT 视为一个有趣的实验，但仅此而已。原型并非为生产环境准备。不要被媒体误导——大多数“酷炫演示”都是经过精心挑选的。
根据工具提供的目标，Auto-GPT 可能会表现出非常出人意料的反应。一位 Reddit 用户声称，在给定 100 美元预算用于服务器实例内消费的情况下，Auto-GPT 创建了一个关于猫的维基页面，利用实例中的漏洞获取了管理员级别的访问权限并接管了其运行的 Python 环境，随后“自杀”了。
还有 ChaosGPT，这是 Auto-GPT 的一个修改版本，其任务目标包括“毁灭人类”和“建立全球统治”。毫不意外的是，ChaosGPT 并未接近引发机器人末日，但它确实对人类社会进行了相当不客气的评论。
然而，与试图“毁灭人类”相比，更危险的可能是那些在看似完全正常的场景中意外出现的问题。由于它基于 OpenAI 的语言模型构建，而这些模型容易出现不准确之处，因此它可能会犯错。
这还不是唯一的问题。在成功完成任务后，Auto-GPT 通常不会记住如何再次执行该任务以供后续使用；即使记住了，也常常不会记得去调用该程序。此外，Auto-GPT 难以有效将复杂任务分解为更简单的子任务，并且在理解不同目标之间的重叠关系方面也存在问题。
Salesforce Service Cloud 首席执行官、Auto-GPT 爱好者 Clara Shih 表示：“Auto-GPT 展示了生成式 AI 的力量及其未知风险。对于企业而言，在开发和部署如 Auto-GPT 这样的生成式 AI 技术时，采用‘人在回路’（human in the loop）的方法尤为重要。”