레플리
글 수 284


요즘 AutoGPT와 LangChain이 큰 관심을 받고 있습니다. 저도 그동안 많이 궁금했었는데요. 오늘 시간이 좀 생겨서 자세히 살펴봤습니다. 제 생각에는 두 개가 거의 비슷한 개념인 듯 보입니다. GPT는 사람이 질문을 하면 AI가 답변을 줍니다. 사람은 그 답변을 보고 다시 질문을 하며 원하는 답을 얻을 때까지 반복합니다. 반면에 AutoGPT와 LangChain은 이 과정에서 사람의 역할이 빠졌습니다. 최초 한번만 사람이 질문을 하고 그 이후에는 AI가 스스로 질문을 하며 답을 찾아나갑니다.

 

AutoGPT의 예를 들어보겠습니다. 먼저 사람이 AutoGPT에 대해 알려달라고 목적을 부여합니다. 그러면 GPT가 다음과 같은 계획을 생성합니다.

 

1. 구글에서 AutoGPT 검색

2. GitHub 프로젝트를 찾기위해 관련 웹사이트 검색

3. AutoGPT가 무엇인지 설명하는 문서 작성

 

K-003.png

 

 

 

첫째, 구글에서 AutoGPT를 검색합니다. GPT는 <COMMAND = google ARGUMENTS = {'input':'AutoGPT'}>와 같이 명령어를 만들어냅니다. 그러면 AutoGPT 프로그램이 이 명령어를 해석해서 직접 구글에서 AutoGPT에 대해 검색을 합니다. 검색 결과인 HTML 코드를 다시 GPT에 프롬프트로 넣습니다.

 

K-005.png

 

 

 

둘째, GPT는 HTML 코드에서 AutoGPT GitHub 주소를 발견하고 다시 다음과 같은 명령어를 생성합니다. <COMMAND = browse_website ARGUMENTS = {'url':'...', 'question':'closely examine and gather features of AutoGPT'}>. 아까 google 커맨드와 마찬가지로 browse_website 커맨드도 AutoGPT에 이미 내장되어 있는 프로그램입니다. 여기서 해당 GitHub 주소를 크롤링하여 모든 정보를 모아 다시 GPT에 프롬프트로 넣습니다.

 

K-006.png

 

K-007.png

 

 

 

셋째, <COMMAND = write_to_file ARGUMENTS = {'file':'autogpt.txt', 'text':"..."}>와 같은 명령어를 GPT가 대답으로 생성하면 AutoGPT가 이를 해석해서 text 부분을 파일로 저장합니다. 마찬가지로 write_to_file 프로그램 역시 AutoGPT에 포함되어 있습니다.

 

K-010.png

 

K-011.png

 

 

 

가장 중요한 것은 커맨드에 들어갈 수 있는 기능들입니다. 이것들은 사전에 미리 프로그램으로 개발되어야 합니다. 아마 AutoGPT는 이 커맨드들에 대한 설명을 GPT에 프롬프트로 넣었을 것입니다. 그래야 현재 태스크를 수행하기 위해 어떤 커맨드를 쓸지 알 수 있으니까요.

 

LangChain도 기본적인 원리는 이와 비슷합니다. 재미있는 프로젝트이긴 하지만 아직은 커맨드 종류가 적어서 할 수 있는 일이 매우 제한되어 있습니다. 앞으로 다양한 커맨드가 추가되면 확장 가능성이 꽤 높을 듯 합니다.

 

 

 

< AutoGPT >

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

 

< LangChain >

https://github.com/hwchase17/langchain

https://julie-tech.tistory.com/138

 

List of Articles
제목 글쓴이 날짜 조회 수sort
LLM 챗봇의 특징 2가지 - RAG와 Function 깊은바다 2023-07-06 1215
딥러닝 자연어처리 튜토리얼 - DLK2NLP [1] 깊은바다 2018-11-24 1221
RAG 아키텍처의 이해 깊은바다 2023-07-23 1338
구글의 대화기반 초거대모델 LaMDA, 논문 공개 file 깊은바다 2022-02-08 1361
ChatGPT의 가장 큰 특징인 in-context learning file 깊은바다 2023-02-21 1361
교육용 챗봇의 미래!? 구글 람다 (LaMDA) 깊은바다 2022-03-11 1362
RNN seq2seq 간단한 대화모델 깊은바다 2018-10-23 1366
사전훈련 자연어처리 모델의 발전과정 - The Illustrated BERT, ELMo, and co. 깊은바다 2019-01-01 1379
핑퐁의 리액션 모델 - Dialog-BERT 만들기 깊은바다 2020-01-28 1381
GPT-3, InstructGPT, GPT-3.5, ChatGPT의 차이점 깊은바다 2023-04-05 1381
소설 쓰는 딥러닝 file 깊은바다 2018-08-31 1388
GPT-3보다 3배 더 큰 구글의 초거대모델, PaLM file 깊은바다 2022-04-07 1408
GPT-4의 특징 정리 file 깊은바다 2023-03-15 1413
페이스북이 발표한 사전훈련 언어모델 RoBERTa file 깊은바다 2019-07-30 1429
글자, 사진, 영상을 동시에 처리하는 딥마인드의 딥러닝 모델 - Flamingo file 깊은바다 2022-05-10 1434