未來式：與人工智慧並肩解決難題

在過去一年中，大型語言模型（LLM）以其強大的理解和推理能力風靡全球，其解決問題的能力已媲美各個領域的專家。今天要介紹一種創新的框架——Autogen，這是一個結合人類智慧、LLM及工具的多代理框架，旨在定制化解決複雜任務的工作流程。

什麼是 Autogen？

Autogen 是微軟推出的一個創新框架，它允許開發者創建和管理像 ChatGPT 和 GPT-4 這樣的大型語言模型。想像一下，有一群智慧代理，它們就像是你的虛擬小助手，能夠透過相互對話來幫助你解決各種問題。

Autogen 的神奇之處

1. 多元對話: Autogen 內的代理能夠是人工智慧、人類，甚至是工具。這些代理彼此對話，共同協作，解決複雜問題。

2. 人機協作: Autogen 特別之處在於它鼓勵人類與智慧代理共同合作，使雙方能夠互相學習，共同進步。

3. 教育應用: 想像在學習中遇到障礙時，能夠請教一位永遠耐心、博學多識的人工智慧代理，這將極大地激發學習興趣和效率。

4. 未來職場: 在未來的工作環境中，Autogen 驅動的智慧代理將協助處理數據分析、編程問題，甚至日常行政工作。

我們可以查看圖1 的六個應用場景，Autogen凸顯了其靈活性和能力:

1. 數學問題解答 (A1)：這個場景展示了一個學生代理和助理代理相互協作，以解決數學問題。當助理需要額外專家的説明時，它可以請求專家代理介入。

2. 檢索增強型聊天 (A2)：在這個例子中，使用者代理和助理代理可以通過檢索資訊來增強對話內容，説明提供更豐富和準確的回答。

3. ALF聊天 (A3)：ALF世界執行者和地面代理參與對話，以完成特定任務，如虛擬環境中的行動。

4. 多代理程式設計 (A4)：指揮官、寫手和保障代理共同工作，進行代碼編寫和安全檢查，以確保程式設計任務順利完成。

5. 動態群聊 (A5)：在動態群聊中，一個管理代理協調其他代理的交流，可以發送廣播消息或者進行單獨對話，以實現群體合作。

6. 對話式國際象棋 (A6)：玩家A和玩家B可以是人類或者人工智慧，他們通過對話形式來表達國際象棋的移動，使遊戲更加互動和有趣。

圖1: 六個不同的應用場景

更深入分析Autogen在解決數學問題和ChatGPT4的比較(圖2)

在這張圖中，我們可以看到Autogen在數學問題解決方面的性能與其他幾種方法相比較的結果。左圖顯示了Autogen與其他幾種人工智慧系統在解決MATH資料集問題上的成功率。Autogen顯示出較高的成功率，尤其是在解決120個五級難度問題的子集上，它的成功率達到了52.5%，明顯高於ChatGPT加代碼、ChatGPT加外掛程式和單獨的GPT-4。

右側的表格提供了這些系統在兩個具體數學問題上的定性評估。表中列出了每個系統解決問題的正確率以及失敗的原因。例如，在簡化根號分數問題上，Autogen取得了3/3的完美正確率，而其他方法表現不佳，失敗原因多種多樣，包括返回錯誤的十進位結果，給出三個不同的錯誤答案，或者計算錯誤。

圖2: Autogen與其他幾種人工智慧系統比較圖表

每一個應用都反映了Autogen在處理資訊、解決問題和促進互動方面的潛力。無論是在學術學習、程式設計開發還是娛樂活動中，Autogen通過這些代理的協作能力，為各種情境提供支援和增強。 

我認為Autogen對於開發人員最大的益處是有高度靈活性，可以簡易地構建多個代理，並且可以輕鬆插入多種工具能力(聯網、RAG(Retrieval Augmented Generation)、API) ，開發人員客製化特定任務的工作流程，進而提高工作效率、解決複雜的問題。

想像一下，有一天你能和人工智慧代理一起完成回家作業，或者在科學實驗中得到它們的幫助，這將是多麼酷的學習體驗！而在職業發展方面，掌握這些技術將使你在未來的工作市場中更具競爭力。

P.S.特別感謝 #ChatGPT 潤飾此篇文章。 🤖

撰文：許楷翊

參考文獻：

Wu, Qingyun, et al. "Autogen: Enabling next-gen llm applications via multi-agent conversation framework." arXiv preprint arXiv:2308.08155 (2023).

GitHub: https://github.com/microsoft/autogen