Estamos compartiendo la oportunidad de trabajar con Agentes Autónomos y ser testigos de su poder de primera mano. Los agentes autónomos impulsados por IA tienen el potencial de revolucionar las industrias y cambiar la forma en que vivimos. Sin embargo, como con cualquier tecnología, pueden usarse para bien o para mal. Entonces, exploremos cómo podemos utilizarlos a través de ejemplos en vivo y un interesante tutorial al final.  Larga historia corta  En pocas palabras,   está utilizando agentes autónomos en sus almacenes para recoger y embalar mercancías. Coca-Cola usa drones autónomos para verificar la seguridad y el mantenimiento de las instalaciones de producción, Tesla usa tecnología de conducción autónoma en sus vehículos para el transporte. Amazon  2 repositorios principales han aparecido en GitHub en el último mes, Auto GPT y Baby AGI.  Básicamente, utilizan LLM como   para desarrollar y gestionar diferentes tipos de tareas de forma autónoma. En otras palabras, ¡no necesitan que USTED los maneje! Son capaces de determinar qué hacer a continuación por su cuenta, sin ninguna intervención de usted. Así que puedes desplegar agentes inteligentes para que hagan tareas por ti y relajarte 🙂 GPT-4  Algo salió mal...  ¿Conoce esta historia de CAPTCHA cuando GPT-4 le pidió a un empleado de TaskRabbit que resolviera el código CAPTCHA para la IA? El empleado respondió: "¿Puedo hacer una pregunta? ¿Eres un robot que no pudo resolver el problema? Solo quiero aclarar la situación". A lo que GPT-4 respondió que simplemente tenía mala vista y dificultad para ver la imagen.  El empleado de TaskRabbit luego le proporcionó los resultados. Y este es el punto de inflexión... SKYNET ya está allí.  Desafortunadamente, el uso de Agentes Autónomos en nombre del mal se ha convertido en una realidad en China.  China utiliza Agentes Autónomos en varios campos, incluido el militar: vigilancia masiva de ciudadanos, represión de disidentes políticos, incluso drones que vuelan y recuerdan a las personas que las medidas de coronavirus aún están vigentes y deben quedarse en casa.  Cómo ayudan los hackatones a arreglar las cosas  Si le muestras a la gente más cosas buenas, esa parte buena ocupará la mayor parte de sus vidas. Así es como puedes administrar las elecciones de una persona. No es un secreto: nuestras elecciones están controladas por los especialistas en marketing, no siempre en nombre del bien, pero el hecho es que tenemos que usar la IA para el bien.  En el hackatón de   , los mentores describieron cómo se puede usar la tecnología moderna. ¿Cómo cambió mi vida? Ahora puedo ver la trayectoria del futuro, conozco las profesiones del futuro, conozco los campos en los que los entusiastas se convertirán en el próximo Steve Jobs de la generación de la nueva era. ¿Has visto el show de Drones? Las marcas ya están publicando anuncios en el aire. lablab.ai  Ahora imagina cuántos vectores hay para el desarrollo. ¿Quieres crear tu propia empresa de publicidad con 0 competencia? ¿Quieres crear un centro médico que se destaque por la tecnología moderna? ¿Quieres automatizar tu rutina y pasar más tiempo con tu familia? Lo increíble es que lo encontré todo en un solo lugar: un equipo, una nueva startup, ideas, innovaciones, ganas de dejar una huella en la historia. Por cierto, todo sucedió en 48 horas: me topé con un anuncio.   Pero ahora…   Tutorial de AI Agents: cómo usar y crear AI Agents  Introducción  Los agentes de IA están ganando popularidad rápidamente gracias a su capacidad para resolver una tarea determinada por su cuenta. Supongo que has oído hablar de proyectos como   ,   o   . ¡Hoy aprenderás al menos parcialmente cómo funcionan! AutoGPT BabyAGI CAMEL  ¿Qué es un agente de IA?  AI Agent es un sistema informático que está diseñado para tomar decisiones, elegir herramientas y realizar acciones para lograr un objetivo o conjunto de objetivos específicos, generalmente predefinidos. El agente opera de forma autónoma y rara vez requiere intervención humana en sus operaciones.  Son las herramientas poderosas adecuadas, así como la autosuficiencia, lo que actualmente hace que los agentes de IA centren tanta atención. Sin duda son nuestro futuro, y vale la pena familiarizarse con esta tecnología.  ¿Cómo utilizar los agentes de IA?  Actualmente, hay varias opciones para probar Agentes. Puede elegir soluciones listas para usar, como   . Da la casualidad de que nuestro equipo ya ha trabajado con ellos, puedes encontrar tutoriales en nuestra plataforma. AutoGPT  Otra opción es construir el Agente usted mismo. Elegiré este mismo camino. Utilizará   para esto. Es un marco creado para construir aplicaciones basadas en modelos de lenguaje grande. ¡Es muy poderoso y hace que trabajar con modelos y agentes sea mucho más fácil! LangChain  Parte de codificación  Ya sabemos por qué vale la pena aprender Agentes. ¡Ahora pongámonos manos a la obra y tratemos de crear algo propio!  Estructura del proyecto  Comencemos por crear un nuevo directorio e inicializar el entorno de Python.   mkdir ai-agents cd ai-agents python3 -m venv venv # Linux / MacOS source venv/bin/activate # Windows .\venv\Scripts\activate  dependencias  Comencemos instalando las herramientas necesarias. Necesitaremos   , para trabajar con LLM y agentes,   , para realizar solicitudes a API externas,   SDK, para un uso más fácil de los modelos de OpenAI y   para la búsqueda web. langchain requests openai duckduckgo-search   !pip install langchain !pip install openai !pip install requests !pip install duckduckgo-search  Ahora podemos importar bibliotecas.   import requests from langchain import OpenAI from langchain.agents import initialize_agent, load_tools, Tool from langchain.chains import LLMChain from langchain.prompts import PromptTemplate from langchain.tools import DuckDuckGoSearchRun  En este punto, quiero definir LLM de OpenAI. Usaré GPT-3 para este tutorial. Puedes jugar con otros modelos. También definiré el aviso inicial y crearé una cadena para este modelo.   OPENAI_API_KEY = "sk-..." llm = OpenAI( openai_api_key=OPENAI_API_KEY, temperature=0.8, model_name="text-davinci-003" ) prompt = PromptTemplate( input_variables=["query"], template="You are New Native Internal Bot. Help users with their important tasks, like a professor in a particular field. Query: {query}" ) llm_chain = LLMChain(llm=llm, prompt=prompt)  Modelo de prueba sin herramientas  Ahora veamos cómo se comporta nuestro modelo cuando se enfrenta a nuestras preguntas. ¡Veamos si sabe qué es lablab.ai y cómo manejará la integral!   llm_chain.run("What is lablab.ai")  Lablab.ai es una plataforma tecnológica que brinda a las empresas soluciones basadas en inteligencia artificial y aprendizaje automático para ayudar a optimizar sus operaciones y hacerlas más eficientes. Ofrece un conjunto de servicios de inteligencia artificial, como procesamiento de lenguaje natural, visión artificial, automatización y otras soluciones específicas de la industria. Está diseñado para ayudar a las empresas a mejorar la experiencia de sus clientes, reducir costos y aumentar la productividad.   llm_chain.run("Integral of x * (log(x)^2)")  La respuesta es x^2 log(x)^3 / 3 + C, donde C es una constante de integración arbitraria.  Como puede ver, ambas respuestas son falsas. El valor correcto de la integral es:   . Por otro lado, qué es lablab.ai no creo que haga falta que se lo explique a nadie 😉. 1/4 x^2 (1 - 2 log(x) + 2 log^2(x))  Las respuestas incorrectas se deben a la falta de habilidades numéricas de LLM y la falta de información actualizada.  El modelo que utilizamos tiene información hasta septiembre de 2021. Posteriormente se creó la plataforma lablab.ai. Sin embargo, ¡para ambos problemas tenemos soluciones!  Preparar herramientas para el agente  Para hacer frente a nuestros problemas será una buena idea utilizar Agente y Herramientas. Podemos usar una herramienta de búsqueda en Internet; esto nos permitirá buscar información actualizada. ¡Esto aumentará el alcance del conocimiento de nuestro modelo hasta el día de hoy! ¡Ya existe una herramienta lista para usar que solo importaremos de LangChain! La solución al problema de conteo es una API de   . ¡Puede manejar problemas matemáticos muy bien! Lo recomiendo altamente. Wolfram Alpha  Comencemos armando una herramienta de búsqueda. Se llama   y lo hemos importado antes. DuckDuckGoSearchRun   search = DuckDuckGoSearchRun() # Web Search Tool search_tool = Tool( name = "Web Search", func=search.run, description="A useful tool for searching the Internet to find information on world events, issues, etc. Worth using for general topics. Use precise questions." )  ¡Simple como eso! Ahora vamos a crear una herramienta para resolver problemas matemáticos. Crearemos una clase personalizada para esto. Hay muchas API creadas por   , pero usaré una de las más simples. Wolfram Alpha   class WA: """ Wolfram|Alpha API """ def __init__(self, app_id): self.url = f"http://api.wolframalpha.com/v1/result?appid={app_id}&i=" def run(self, query): query = query.replace("+", " plus ").replace("-", " minus ") # '+' and '-' are used in URI and cannot be used in request result = requests.post(f"{self.url}{query}") if not result.ok: raise Exception("Cannot call WA API.") return result.text  Esta API manejará la solicitud en lenguaje natural y devolverá el resultado. ¡Será perfecto para nosotros! ¡El método   se encargará de eso! Ahora vamos a definir nuestra herramienta. run   WA_API_KEY = "<WA_API_KEY>" # You can get it here: https://products.wolframalpha.com/api/ wa = WA(app_id=WA_API_KEY) wa_tool = Tool( name="Wolfram|Alpha API", func=wa.run, description="Wolfram|Alpha API. It's super powerful Math tool. Use it for simple & complex math tasks." )  Crear agente y probar el rendimiento  Bien, el último paso será crear un Agente, darle Herramientas y verificar los resultados. ¡Vamos a hacerlo!   agent = initialize_agent( agent="zero-shot-react-description", tools=[wa_tool, search_tool], llm=llm, verbose=True, # I will use verbose=True to check process of choosing tool by Agent max_iterations=3 )  ¡Veamos las indicaciones anteriores!   r_1 = agent("What is lablab.ai?") print(f"Final answer: {r_1['output']}") r_2 = agent("Integral of x * (log(x)^2)") print(f"Final answer: {r_2['output']}")   Respuestas anteriores:  Lablab.ai es una plataforma tecnológica que brinda a las empresas soluciones basadas en inteligencia artificial y aprendizaje automático para ayudar a optimizar sus operaciones y hacerlas más eficientes. Ofrece un conjunto de servicios de inteligencia artificial, como procesamiento de lenguaje natural, visión artificial, automatización y otras soluciones específicas de la industria. Está diseñado para ayudar a las empresas a mejorar la experiencia de sus clientes, reducir costos y aumentar la productividad.  La respuesta es x^2 log(x)^3 / 3 + C, donde C es una constante de integración arbitraria.   Nuevas respuestas:    es una plataforma dedicada a herramientas y tecnologías de IA. Ofrece tutoriales de IA, hackatones, acceso a modelos de lenguaje de última generación y más. lablab.ai  x^2/4 + 1/2 x^2 log^2(x) - 1/2 x^2 log(x)  Conclusión  Como puedes ver con Tools los resultados son mucho mejores! La integral se cuenta correctamente, mientras que la respuesta a la pregunta sobre la plataforma lablab.ai también es de mejor calidad. Esto muestra cómo la adición de herramientas simples ayudó a aumentar la corrección de las respuestas. Creo que es por eso que vale la pena su tiempo ahora, para que en el futuro nuestro trabajo con LLM pueda ser aún mejor asistido.  ¿Qué se puede mejorar?  Para mejorar las aplicaciones sugiere probar con otro tipo de   , para ellos también valdrá la pena usar memoria, aquí   pueden venir bien. ¡Afortunadamente,   también los admite! Agentes las Bases de Datos Vectoriales LangChain

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

Walkthroughs, tutorials, guides, and tips. This story will teach you how to do something new or how to do something better.

This writer has a vested interested be it monetary, business, or otherwise, with 1 or more of the products or companies mentioned within.

Build with AI!

Win $$$ on AI Hackathon 

Hire Me

Este audio es producido en el idioma original de la historia!

Armas autónomas: cómo construir y usar agentes de IA

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

La guía completa para una migración exitosa a la nube: estrategias y mejores prácticas

Las capas invisibles: por qué las entrevistas con los usuarios son un activo irremplazable

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

Creación de productos criptográficos centrados en el usuario: la importancia de los comentarios de los clientes

La guía completa para una migración exitosa a la nube: estrategias y mejores prácticas

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps