「Flowsに会いましょう：複雑なAI-Humanの相互作用をモデル化するための革命的なAIフレームワーク」

Let's meet Flows a revolutionary AI framework for modeling complex AI-human interactions.

人工知能の最近の進歩により、コンテキスト内の情報に驚くほど適応することができるため、構造化された推論の多くの機会が生まれました。複数のAIシステムと人間の協力は重要です。戦略的なコンテンツの作成により、LLMは複雑な推論を行い、その能力を向上させることができます。このようなモデルを設計し、研究するためには、主体的で組織的な方法が必要です。EPFLとPSL大学の研究者は、「制御フロー」というフレームワークを提案して、複雑な相互作用をモデル化しています。

これらの制御フローは、ますます複雑なタスクを解決するために設計されたツールです。簡単に言えば、これらは自己完結型の計算のブロックです。これらのフローは、複雑さが大幅に低減された任意のネストされた相互作用に再帰的に組み合わせることができます。フローは、AI-AIおよび人間-AIの相互作用を含む任意のコラボレーションを表します。フローは、個々のフローの状態を分離し、メッセージベースの通信を唯一の相互作用方法として指定する高レベルの抽象化を導入します。ReAct、AutoGPT、BabyAGIなどの制御フローの例があります。

フローのポテンシャルを示すために、研究者は競技プログラミングの課題を選びました。この課題では、ユーザーが仕様によって定義された問題を解こうとします。彼らは計画フローを含む特定のビルディングブロック（フロー）を設計しました。これにより、AIエージェントはアプローチを戦略的に立てることができます。反省フローでは、AIエージェントが以前の回答を分析し、改善することができます。コラボレーションフローでは、1つのAIエージェントが別のエージェントからフィードバックを求めることができます。コードテストフローでは、コードを実行し、結果に基づいて最適化を行います。

• ゲーム業界の皆様へ！もう奇妙な鏡は不要です、Mirror-NeRFが登場しました！
• GAN（Generative Adversarial Networks）
• 「Amazon SageMaker JumpStartを使用したゼロショットテキスト分類」

これらのビルディングブロックを組み合わせて、複数のコーディングフローを作成し、CodeForcesやLeetCodeから取られた問題を評価しました。GPT-4のような高度なモデルでも、この課題を解くことは困難です。彼らは、GPT-4の解決率が72%に低下することを発見しました。一方、複雑な相互作用の戦略は、AI-AI相互作用のカットオフ後の解決率を20%、人間-AI相互作用を54%改善しました。

研究者は、このフレームワークが直感的でシンプルな任意の複雑な相互作用の設計を可能にすると主張しています。この方法をすべての人に利用可能にするために、研究者は「aiFlows」ライブラリをオープンソース化しました。これには、より複雑なフローに簡単に使用、拡張、組み合わせることができるFlowsのリポジトリであるFlow Verseが含まれています。また、デバッグと分析を可能にする詳細なログインフラストラクチャ、フローの実行を調べるための可視化ツールキット、詳細なドキュメントとチュートリアルファイルも提供されています。

複雑な相互作用を注意深く設計することで一般化を改善できますが、追加の計算と待ち時間のコストがかかります。彼らのフレームワークは、AIにおける実践的な革新と理論的なイノベーションを支援するための堅牢な基盤となるでしょう。彼らは、将来の研究では、問題解決能力を効率的に向上させるAIシステムの構築を目指しています。

We will continue to update VoAGI; if you have any questions or suggestions, please contact us!