Incontra Flows un rivoluzionario framework di intelligenza artificiale per modellare interazioni complesse tra intelligenza artificiale e umani.

Meet Flows, a revolutionary AI framework for modeling complex interactions between AI and humans.

Gli ultimi progressi nell’intelligenza artificiale hanno creato molteplici opportunità per il ragionamento strutturato in quanto possono adattarsi notevolmente alle informazioni nel loro contesto. Questa collaborazione tra più sistemi AI e esseri umani è cruciale. La creazione strategica di contenuti può portare LLM a eseguire un ragionamento complesso per migliorare le loro capacità. Abbiamo bisogno di un modo principale e organizzato per progettare e studiare tali modelli. I ricercatori dell’EPFL e dell’Università PSL propongono un framework di “flussi di controllo” per modellare interazioni complesse.

Questi flussi di controllo sono strumenti progettati per risolvere compiti sempre più complessi. In parole semplici, sono blocchi di calcolo autonomi. Questi flussi possono essere ricorsivamente composti in interazioni nidificate arbitrariamente con una complessità notevolmente ridotta. I flussi rappresentano qualsiasi collaborazione che include interazioni AI-AI e umano-AI. I flussi introducono un’astrazione di livello superiore che isola lo stato dei singoli flussi e specifica la comunicazione basata su messaggi come unico modo per interagire. Esempi di tali flussi di controllo sono ReAct, AutoGPT e BabyAGI.

Per mostrare il potenziale dei flussi, i ricercatori hanno selezionato il compito della codifica competitiva, che coinvolge gli utenti nel tentativo di risolvere problemi definiti da una specifica. Hanno progettato blocchi di costruzione specifici (flussi), che includono flussi di pianificazione, che hanno permesso agli agenti AI di pianificare il loro approccio; flussi riflessivi, che hanno permesso agli agenti AI di analizzare e migliorare le loro risposte precedenti; flussi collaborativi, in cui un agente AI cerca feedback da un altro; flussi di test del codice, che coinvolgono l’esecuzione del codice e l’ottimizzazione in base ai risultati.

• Integrazione della misurazione dell’attività cerebrale con la realtà virtuale
• Ricercatori di Meta AI presentano un nuovo modello di intelligenza artificiale per criticare le generazioni di grandi modelli di linguaggio.
• Accesso ai tuoi dati personali

Hanno combinato questi blocchi di costruzione per creare flussi di codifica multipli e hanno valutato problemi presi da CodeForces e LeetCode. Anche per modelli avanzati come GPT-4, svolgere questo compito è impegnativo. Hanno scoperto che il tasso di risoluzione di GPT-4 scende al 72%. Mentre la loro strategia di interazioni complesse ha migliorato le prestazioni, il tasso di risoluzione post-cutoff delle interazioni AI-AI è aumentato del 20% e delle interazioni umano-AI del 54%.

I ricercatori affermano che questo framework consente una progettazione intuitiva e semplice di interazioni complesse arbitrarie. Per rendere questo metodo accessibile a tutti, i ricercatori hanno reso open-source la libreria “aiFlows” con un repository di flussi chiamato Flow Verse che può essere facilmente utilizzato, esteso e composto in flussi più complessi; strumenti; un’infrastruttura di registrazione dettagliata per consentire il debug e l’analisi trasparenti; un toolkit di visualizzazione per esaminare l’esecuzione dei flussi. Hanno inoltre fornito documentazione dettagliata e file tutorial per familiarizzare con il sistema.

Anche se la progettazione attenta delle interazioni complesse migliora la generalizzazione, comporta costi di calcolo e latenza aggiuntivi. Il loro framework sarà una base solida per supportare innovazioni pratiche e teoriche nell’IA, aprendo un passo più vicino all’intelligenza artificiale generale. Dicono che il loro lavoro futuro prevede la costruzione di un sistema AI che può migliorare efficientemente le nostre capacità di risoluzione dei problemi.