當學習GPT技術(shù)時，我們會思考GPT發(fā)展的最終目標是什么？答案是“具身智能”，它是一種通用人工智能，可以像人一樣能夠和環(huán)境交互感知、自主規(guī)劃、決策、行動。
GPT的誕生要歸功于NLP技術(shù)的快速發(fā)展，從2018年到2021年，是第一代大語言模型的“技術(shù)爆炸”期，人們逐漸適應(yīng)了通過海量的無標簽數(shù)據(jù)來訓練這些“涌現(xiàn)”智能的大模型，之后OpenAI采用強化學習技術(shù)，點亮了LLM的只能，由此產(chǎn)生了ChatGPT。
智能體的自治
我們可以想一下，當我們面臨一個任務(wù)時，一般的處理步驟是怎樣的？通常會有以下幾步：
- 思考任務(wù)的主要步驟有哪些
- 調(diào)取相關(guān)資料，形成可行方案
- 通過分工去執(zhí)行具體的事項
- 匯總完成任務(wù)
上面的過程是不是很熟悉，對于智能體來說，我們要做的就是將上面的步驟交給大語言模型（LLM）來完成。
我們?nèi)绻胱屩悄荏w具有“自治”的能力，需要把以下三部分結(jié)合起來：
- 計劃
- 記憶
- 工具
計劃
教LLM思考的過程，一個最佳實踐是通過提問來引導LLM思考，經(jīng)典的方法是ReAct，它包含三部分：
- Thought：讓大語言思考，目前需要做哪些行為，行為的對象是誰，它要采取的行為是不是合理的。
- Act：針對目標對象，執(zhí)行具體的操作，比如調(diào)用API，然后收集環(huán)境反饋的信息。
- Obs：把外界觀察的反饋信息，同步給LLM，協(xié)助它做出進一步的分析或者決策。
在這個過程中，思維鏈技術(shù)變得非常重要，它可以讓LLM將任務(wù)分解為可解釋的步驟。
記憶喚醒
無論在定制計劃、使用工具或執(zhí)行任務(wù)的過程中，LLM都需要外部信息的幫助來輔助進行思考。
我們可以將人和LLM進行對比，將記憶分為三類：
- 感覺記憶，人體接收到外部信號以后，瞬間保留的視覺、聽覺、觸覺的記憶片段，在LLM中就是Embedding。
- 短期記憶，當前意識中的信息，在LLM中類似于提示詞。
- 長期記憶，人能回憶的所有信息，在LLM中類似于外部向量存儲。
LLM能消化的只有提示詞中的短時記憶，所以我們需要在長期記憶中選擇最重要的內(nèi)容放入提示詞。這個過程描述如下：
- LLM在得到任務(wù)后，會幫忙制定記憶喚醒方案
- AI系統(tǒng)執(zhí)行該方案，生成相關(guān)的查詢指令，從外部數(shù)據(jù)中查詢數(shù)據(jù)
- 我們將這些數(shù)據(jù)交給LLM來判斷是否已經(jīng)獲得足夠完成任務(wù)的數(shù)據(jù)，如果沒有，LLM會生成新的喚醒方案，并循環(huán)這個過程
使用工具
要想LLM學會使用工具，首先需要它認識工具。文章來源：http://www.zghlxwxcb.cn/news/detail-693369.html
我們以Gorilla為例，來描述它教會LLM使用API的全過程：文章來源地址http://www.zghlxwxcb.cn/news/detail-693369.html
- 我們使用大量API調(diào)用代碼和文檔作為語料，訓練一個可以理解API的LLM
- AI系統(tǒng)還將對這些API進行向量化操作，將它們存儲在向量數(shù)據(jù)庫中作為外部記憶
- 當用戶發(fā)起請求時，AI系統(tǒng)會從外部記憶中，獲取跟請求相關(guān)的API交給LLM
- LLM組合串聯(lián)這些API形成代碼，并執(zhí)行代碼，完成API調(diào)用，生成執(zhí)行結(jié)果
到了這里，關(guān)于聊聊具身智能怎么實現(xiàn)？的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
