TaskMatrix.AI：通过连接基础模型与数百万 API 完成任务
人工智能
2023-03-30 v1 计算与语言
摘要
人工智能（AI）近期取得了令人难以置信的进展。一方面，ChatGPT 等先进基础模型能在广泛开放域任务上提供强大的对话、上下文学习和代码生成能力，并可基于已获取的常识知识为特定领域任务生成高层解决方案大纲。然而，它们在部分专门任务上仍面临困难，因为在预训练期间缺乏足够的领域特定数据，或在对需要精确执行的任务进行神经网络计算时经常出错。另一方面，许多现有模型和系统（基于符号或基于神经）能很好地完成某些领域特定任务，但由于实现或工作机制不同，它们不易被基础模型访问或兼容。因此，明显且迫切需要一个机制，能利用基础模型提出任务解决方案大纲，并自动将大纲中的部分子任务匹配到具有特殊功能的现成模型和系统以完成之。受此启发，我们引入 TaskMatrix.AI 作为一个连接基础模型与数百万 API 以完成任务的新 AI 生态系统。与大多数旨在改进单一 AI 模型的先前工作不同，TaskMatrix.AI 更关注利用现有基础模型（作为类脑中枢系统）和其他 AI 模型与系统的 API（作为子任务求解器）来实现数字与物理领域的多样化任务。作为立场论文，我们将阐述如何构建该生态系统的愿景，解释每个关键组件，并用研究案例说明该愿景的可行性及我们下一步需解决的主要挑战。
引用
@article{arxiv.2303.16434,
title = {TaskMatrix.AI: Completing Tasks by Connecting Foundation Models with Millions of APIs},
author = {Yaobo Liang and Chenfei Wu and Ting Song and Wenshan Wu and Yan Xia and Yu Liu and Yang Ou and Shuai Lu and Lei Ji and Shaoguang Mao and Yun Wang and Linjun Shou and Ming Gong and Nan Duan},
journal= {arXiv preprint arXiv:2303.16434},
year = {2023}
}