当学习GPT技术时，我们会思考GPT发展的最终目标是什么？答案是“具身智能”，它是一种通用人工智能，可以像人一样能够和环境交互感知、自主规划、决策、行动。
GPT的诞生要归功于NLP技术的快速发展，从2018年到2021年，是第一代大语言模型的“技术爆炸”期，人们逐渐适应了通过海量的无标签数据来训练这些“涌现”智能的大模型，之后OpenAI采用强化学习技术，点亮了LLM的只能，由此产生了ChatGPT。
智能体的自治
我们可以想一下，当我们面临一个任务时，一般的处理步骤是怎样的？通常会有以下几步：
- 思考任务的主要步骤有哪些
- 调取相关资料，形成可行方案
- 通过分工去执行具体的事项
- 汇总完成任务
上面的过程是不是很熟悉，对于智能体来说，我们要做的就是将上面的步骤交给大语言模型（LLM）来完成。
我们如果想让智能体具有“自治”的能力，需要把以下三部分结合起来：
- 计划
- 记忆
- 工具
计划
教LLM思考的过程，一个最佳实践是通过提问来引导LLM思考，经典的方法是ReAct，它包含三部分：
- Thought：让大语言思考，目前需要做哪些行为，行为的对象是谁，它要采取的行为是不是合理的。
- Act：针对目标对象，执行具体的操作，比如调用API，然后收集环境反馈的信息。
- Obs：把外界观察的反馈信息，同步给LLM，协助它做出进一步的分析或者决策。
在这个过程中，思维链技术变得非常重要，它可以让LLM将任务分解为可解释的步骤。
记忆唤醒
无论在定制计划、使用工具或执行任务的过程中，LLM都需要外部信息的帮助来辅助进行思考。
我们可以将人和LLM进行对比，将记忆分为三类：
- 感觉记忆，人体接收到外部信号以后，瞬间保留的视觉、听觉、触觉的记忆片段，在LLM中就是Embedding。
- 短期记忆，当前意识中的信息，在LLM中类似于提示词。
- 长期记忆，人能回忆的所有信息，在LLM中类似于外部向量存储。
LLM能消化的只有提示词中的短时记忆，所以我们需要在长期记忆中选择最重要的内容放入提示词。这个过程描述如下：
- LLM在得到任务后，会帮忙制定记忆唤醒方案
- AI系统执行该方案，生成相关的查询指令，从外部数据中查询数据
- 我们将这些数据交给LLM来判断是否已经获得足够完成任务的数据，如果没有，LLM会生成新的唤醒方案，并循环这个过程
使用工具
要想LLM学会使用工具，首先需要它认识工具。文章来源：https://www.toymoban.com/news/detail-693369.html
我们以Gorilla为例，来描述它教会LLM使用API的全过程：文章来源地址https://www.toymoban.com/news/detail-693369.html
- 我们使用大量API调用代码和文档作为语料，训练一个可以理解API的LLM
- AI系统还将对这些API进行向量化操作，将它们存储在向量数据库中作为外部记忆
- 当用户发起请求时，AI系统会从外部记忆中，获取跟请求相关的API交给LLM
- LLM组合串联这些API形成代码，并执行代码，完成API调用，生成执行结果
到了这里，关于聊聊具身智能怎么实现？的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
