近年來，人工智能發(fā)展迅速，尤其是像ChatGPT這樣的基礎(chǔ)大模型，在對(duì)話、上下文理解和代碼生成等方面表現(xiàn)出色，能夠?yàn)槎喾N任務(wù)提供解決方案。

　　但在特定領(lǐng)域任務(wù)上，由于專業(yè)數(shù)據(jù)的缺乏和可能的計(jì)算錯(cuò)誤，它們的表現(xiàn)并不理想。同時(shí)，雖然已有一些專門針對(duì)特定任務(wù)的AI模型和系統(tǒng)表現(xiàn)良好，但它們往往不易與基礎(chǔ)大模型集成。

　　為了解決這些重要問題，TaskMatrix.AI破繭而出、應(yīng)運(yùn)而生，這是由微軟(Microsoft)設(shè)計(jì)發(fā)布的新型AI生態(tài)系統(tǒng)。

　　其核心技術(shù)近期在《科學(xué)》合作期刊Intelligent Computing上發(fā)表的論文TaskMatrix.AI: Completing Tasks by Connecting Foundation Models with Millions of APIs中正式亮相，作者為微軟亞洲研究院的段楠博士團(tuán)隊(duì):

　　TaskMatrix.AI將基礎(chǔ)大模型與數(shù)以百萬計(jì)的應(yīng)用程序編程接口(APIs)連接起來完成任務(wù)。

　　其核心思想是利用現(xiàn)有的基礎(chǔ)大模型作為類似大腦的中央系統(tǒng)，結(jié)合其他AI模型和系統(tǒng)的APIs作為各種子任務(wù)解決者，以完成數(shù)字和物理領(lǐng)域的多樣化任務(wù)。

　　TaskMatrix.AI如何工作?

　　TaskMatrix.AI的整體架構(gòu)由以下四個(gè)關(guān)鍵組件構(gòu)成:

　　多模態(tài)對(duì)話基礎(chǔ)模型（MCFM）:負(fù)責(zé)與用戶溝通，理解他們的目標(biāo)和上下文(多模態(tài))，并基于API生成可執(zhí)行代碼以完成特定任務(wù)。MCFM能夠處理文本、圖像、視頻、音頻和代碼等多模態(tài)輸入，生成執(zhí)行特定任務(wù)的代碼。它還能夠從用戶指令中提取具體任務(wù)，并提出合理的解決方案大綱，幫助選擇最合適的API進(jìn)行代碼生成。

　　API平臺(tái):提供一個(gè)統(tǒng)一的API文檔架構(gòu)，用于存儲(chǔ)數(shù)以百萬計(jì)具有不同功能的API，并允許API開發(fā)者和所有者注冊(cè)、更新和刪除他們的API。API平臺(tái)通過統(tǒng)一的文檔架構(gòu)幫助MCFM更好地理解和利用各種API。

　　API選擇器:根據(jù)MCFM對(duì)用戶指令的理解，推薦相關(guān)的API。API選擇器具備搜索能力，能夠在擁有大量API的平臺(tái)上快速定位到與任務(wù)需求和解決方案大綱相匹配的API。

　　API執(zhí)行器:通過調(diào)用相關(guān)API執(zhí)行生成的動(dòng)作代碼，并返回中間和最終的執(zhí)行結(jié)果。API執(zhí)行器設(shè)計(jì)用于運(yùn)行各種API，包括從簡單的HTTP請(qǐng)求到復(fù)雜的算法或需要多個(gè)輸入?yún)��?shù)的AI模型。

　　以上四個(gè)組件協(xié)同工作，共同構(gòu)建了一個(gè)高效的系統(tǒng)。MCFM作為用戶交互的主要接口，負(fù)責(zé)生成解決方案。API平臺(tái)則提供了一個(gè)標(biāo)準(zhǔn)化的API文檔格式，并作為一個(gè)集中存儲(chǔ)庫，容納了數(shù)百萬API。API選擇器根據(jù)MCFM對(duì)用戶需求的理解，從API平臺(tái)中選取合適的API。

　　最后，API執(zhí)行器負(fù)責(zé)執(zhí)行由選定API生成的代碼，并解決任務(wù)。

　　此外，TaskMatrix.AI還提供了兩個(gè)可學(xué)習(xí)的機(jī)制，以更有效地將MCFM與API對(duì)齊:

　　基于人類反饋的強(qiáng)化學(xué)習(xí)（RLHF）:這是一種基礎(chǔ)大模型的通用技術(shù)，它使用強(qiáng)化學(xué)習(xí)方法，利用人類反饋來優(yōu)化機(jī)器學(xué)習(xí)模型。在TaskMatrix.AI中，RLHF利用這些反饋來增強(qiáng)MCFM和API選擇器，從而在處理復(fù)雜任務(wù)時(shí)實(shí)現(xiàn)更快的收斂和更好的性能。

　　向API開發(fā)者提供反饋:TaskMatrix.AI完成任務(wù)后，會(huì)將用戶反饋以適當(dāng)?shù)姆绞絺鬟f給API開發(fā)者，指示他們的API是否成功用于完成任務(wù)。這種包含<用戶指令、API調(diào)用和用戶反饋>的三元組不僅展示特定API的使用情況，還可以作為API開發(fā)者改進(jìn)API文檔的參考，使文檔對(duì)MCFM和API選擇器更加友好和易于理解。

　　因此，TaskMatrix.AI可以被視為一個(gè)超級(jí)AI，同時(shí)也是一個(gè)生態(tài)系統(tǒng)，具有以下關(guān)鍵優(yōu)勢:

　　能夠通過使用基礎(chǔ)大模型作為核心系統(tǒng)，首先理解不同類型的多模態(tài)輸入(如文本、圖像、視頻、音頻和代碼)，然后生成調(diào)用API完成任務(wù)的代碼，來執(zhí)行各種數(shù)字和物理任務(wù)。

　　擁有一個(gè)API平臺(tái)，作為各種任務(wù)專家的存儲(chǔ)庫。該平臺(tái)上的所有API都有一致的文檔格式，這使得基礎(chǔ)大模型可以輕松使用它們，開發(fā)者也便于添加新的API。

　　具有強(qiáng)大的終身學(xué)習(xí)能力，因?yàn)樗�的技能可以通過向API平臺(tái)添加具有特定功能的新API來擴(kuò)展，以處理新任務(wù)。

　　能夠提供更加可解釋的響應(yīng)，因?yàn)槿蝿?wù)解決邏輯(即行動(dòng)代碼)和API的結(jié)果都是可理解的。

　　TaskMatrix.AI能完成什么任務(wù)?

　　TaskMatrix.AI能完成的任務(wù)非常廣泛，小到文字、圖像信息的基本信息處理，大到控制機(jī)器人平臺(tái)、接入物聯(lián)網(wǎng)(IoT)等通用平臺(tái)任務(wù)，TaskMatrix都能勝任。

　　圖像處理任務(wù)

　　TaskMatrix.AI可以執(zhí)行圖像處理任務(wù)，并且能夠接受語言和圖像作為輸入。下圖展示了TaskMatrix.AI的相關(guān)版本Visual ChatGPT，它不僅能夠理解人類意圖，還能處理語言和圖像輸入，以完成包括圖像生成、問題回答和編輯在內(nèi)的復(fù)雜視覺任務(wù)。

　　下圖展示了使用多個(gè)API協(xié)作生成高分辨率圖像的示例。在該例中，解決方案框架由3個(gè)API組成:圖像問答、圖像標(biāo)題以及圖像對(duì)象替換。

　　左側(cè)框線部分展示了解決方案框架如何協(xié)助將圖像擴(kuò)展至2048×4096分辨率。通過迭代執(zhí)行框架中的預(yù)定義步驟，TaskMatrix.AI可以生成任何所需尺寸的高分辨率圖像。

　　辦公自動(dòng)化

　　TaskMatrix.AI能夠通過語音指令理解并自動(dòng)執(zhí)行計(jì)算機(jī)操作系統(tǒng)、專業(yè)軟件以及智能手機(jī)應(yīng)用的操作。利用TaskMatrix.AI，可以快速上手復(fù)雜軟件。

　　此外，它還能幫助用戶在不進(jìn)行搜索的情況下直接訪問所需功能。以下是一個(gè)PowerPoint自動(dòng)化的實(shí)例，TaskMatrix.AI能夠根據(jù)用戶指定的主題自動(dòng)生成幻燈片，智能調(diào)整內(nèi)容布局，插入和優(yōu)化圖像，并應(yīng)用相應(yīng)的設(shè)計(jì)主題，從而顯著提升工作效率。

　　機(jī)器人和物聯(lián)網(wǎng)設(shè)備控制

　　TaskMatrix.AI 可以連接機(jī)器人和物聯(lián)網(wǎng)設(shè)備，實(shí)現(xiàn)對(duì)體力勞動(dòng)和智能家居操作的自動(dòng)化管理。通過集成先進(jìn)的機(jī)器人技術(shù)，TaskMatrix.AI 能夠執(zhí)行一系列任務(wù)，如物體的拾取與放置以及對(duì)家庭物聯(lián)網(wǎng)設(shè)備的智能控制。

　　此外，該平臺(tái)還整合了多種流行的互聯(lián)網(wǎng)服務(wù)，包括但不限于日歷API、天氣API和新聞API，提供了更加豐富和便捷的用戶體驗(yàn)。

　　TaskMatrix.AI的挑戰(zhàn)

　　盡管TaskMatrix.AI已經(jīng)在各種任務(wù)中證明了其強(qiáng)大的功能和通用性，但仍面臨以下幾個(gè)挑戰(zhàn):

　　多模態(tài)會(huì)話基礎(chǔ)大模型:TaskMatrix.AI需要一個(gè)能夠處理多種輸入(文本、圖像、視頻、音頻和代碼)的強(qiáng)大基礎(chǔ)大模型。這個(gè)模型需要能夠從上下文中學(xué)習(xí)，使用常識(shí)進(jìn)行推理和計(jì)劃，并生成高質(zhì)量的代碼來完成任務(wù)。此外由于TaskMatrix.AI需要處理更多樣化的輸入模式，這要求確定一個(gè)最小模式集來訓(xùn)練MCFM。

　　API平臺(tái):構(gòu)建和維護(hù)一個(gè)包含數(shù)百萬API的平臺(tái)需要解決文檔生成、API質(zhì)量保證和API創(chuàng)建建議等挑戰(zhàn)。API文檔的清晰性和API的質(zhì)量對(duì)于TaskMatrix.AI的成功至關(guān)重要。此外，平臺(tái)還需要根據(jù)用戶反饋指導(dǎo)API開發(fā)者創(chuàng)建新的API來解決特定任務(wù)。

　　API調(diào)用:在處理大量API時(shí)，TaskMatrix.AI需要能夠合理選擇和推薦相關(guān)的API來完成任務(wù)。此外還涉及到在線規(guī)劃，即在無法立即生成解決方案時(shí)，與用戶交互并嘗試不同的解決方案。

　　安全和隱私:在API能夠訪問物理和數(shù)字世界時(shí)，確保模型忠實(shí)于用戶指令并保持?jǐn)?shù)據(jù)私密性是至關(guān)重要的。這要求在執(zhí)行操作前驗(yàn)證模型的行為，并確保數(shù)據(jù)傳輸?shù)陌踩�性和�?shù)據(jù)訪問的授權(quán)。

　　個(gè)性化:TaskMatrix.AI需要個(gè)性化策略來幫助開發(fā)者構(gòu)建定制的AI界面，并為用戶提供私人助理。這包括降低擴(kuò)展成本和使用少量示例來學(xué)習(xí)用戶的偏好，以便生成符合用戶需求的解決方案。