整理 | 屠敏

出品 | CSDN（ID：CSDNnews）

ChatGPT、GPT-3、GPT-4、text-davinci-003......近两年来，大模型层层出不穷，使人眼花缭乱，在不同的场景下，很多研究人员往往不知该作何选择？

为了解决这一难题，微软亚洲研究院和浙江大学的研究团队展开合作，发布了一个大模型协作系统——HuggingGPT，让 ChatGPT 与人工智能社区 HuggingFace 连接起来，将语言作为通用接口，让 LLM 作为控制器，管理行业内现有的所有人工智能模型。

「解决不同领域和模式的复杂人工智能任务是迈向 AGI 的关键一步」，研究团队在最新发布的 HuggingGPT 论文（https://arxiv.org/pdf/2303.17580.pdf）伊始说道。

HuggingGPT 的原理

具体来看，我们使用 ChatGPT 在收到用户请求时进行任务规划，根据机器学习社区 Hugging Face 中的功能描述选择模型，用选定的人工智能模型执行每个子任务，并根据执行结果总结响应。

通过利用 ChatGPT 强大的语言能力和 Hugging Face 中丰富的人工智能模型，HuggingGPT 能够覆盖不同模式和领域的众多复杂的人工智能任务，并在语言、视觉、语音和其他挑战性任务中取得令人印象深刻的结果，为实现高级人工智能铺设了一条新的道路。

根据论文解释，HuggingGPT 的整个过程可以分为四个阶段：

任务规划：使用 ChatGPT 分析用户的请求，了解他们的意图，并将其拆解成可解决任务。

模型选择：为解决计划任务，ChatGPT 根据描述选择托管在 Hugging Face 上的模型。

任务执行：调用并执行每个选定的模型，并将结果返回给 ChatGPT。

响应生成：最后使用 ChatGPT 整合所有模型的预测，进行总结和输出。

HuggingGPT 也可以对音频和视频模式的多模型合作进行定性分析：

为了更好地落地这个愿景，研究团队在 GitHub 上开源了它的基础代码（https://github.com/microsoft/JARVIS），且命名为“Jarvis”（贾维斯），供大家参考学习。

值得注意的是，很多网友直言，它的系统要求可能会直接劝退了不少人：

但是 HuggingGPT 也可以作为通往 AGI 的准入口。

https://github.com/microsoft/JARVIS

https://arxiv.org/pdf/2303.17580.pdf