微軟亞研院新作：讓大模型一口氣調(diào)用數(shù)百萬個 API

近年來，人工智能發(fā)展迅速，尤其是像 ChatGPT 這樣的基礎大模型，在對話、上下文理解和代碼生成等方面表現(xiàn)出色，能夠為多種任務提供解決方案。

但在特定領域任務上，由于專業(yè)數(shù)據(jù)的缺乏和可能的計算錯誤，它們的表現(xiàn)并不理想。同時，雖然已有一些專門針對特定任務的 AI 模型和系統(tǒng)表現(xiàn)良好，但它們往往不易與基礎大模型集成。

為了解決這些重要問題，TaskMatrix.AI 破繭而出、應運而生，這是由微軟（Microsoft）設計發(fā)布的新型 AI 生態(tài)系統(tǒng)。

其核心技術近期在《科學》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隊：

（詳見鏈接：https://spj.science.org/doi/10.34133/icomputing.0063）

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

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

▲ 圖由 DALL?E 3 生成

TaskMatrix.AI 如何工作？

TaskMatrix.AI 的整體架構由以下四個關鍵組件構成：

• 多模態(tài)對話基礎模型（MCFM）：負責與用戶溝通，理解他們的目標和上下文（多模態(tài)），并基于 API 生成可執(zhí)行代碼以完成特定任務。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)行特定任務的代碼。它還能夠從用戶指令中提取具體任務，并提出合理的解決方案大綱，幫助選擇最合適的 API 進行代碼生成。

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

• API 選擇器：根據(jù) MCFM 對用戶指令的理解，推薦相關的 API。API 選擇器具備搜索能力，能夠在擁有大量 API 的平臺上快速定位到與任務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 API 執(zhí)行生成的動作代碼，并返回中間和最終的執(zhí)行結果。API 執(zhí)行器設計用于運行各種 API，包括從簡單的 HTTP 請求到復雜的算法或需要多個輸入?yún)?shù)的 AI 模型。

以上四個組件協(xié)同工作，共同構建了一個高效的系統(tǒng)。MCFM 作為用戶交互的主要接口，負責生成解決方案。API 平臺則提供了一個標準化的 API 文檔格式，并作為一個集中存儲庫，容納了數(shù)百萬 API。API 選擇器根據(jù) MCFM 對用戶需求的理解，從 API 平臺中選取合適的 API。

最后，API 執(zhí)行器負責執(zhí)行由選定 API 生成的代碼，并解決任務。

此外，TaskMatrix.AI 還提供了兩個可學習的機制，以更有效地將 MCFM 與 API 對齊：

• 基于人類反饋的強化學習（RLHF）：這是一種基礎大模型的通用技術，它使用強化學習方法，利用人類反饋來優(yōu)化機器學習模型。在 TaskMatrix.AI 中，RLHF 利用這些反饋來增強 MCFM 和 API 選擇器，從而在處理復雜任務時實現(xiàn)更快的收斂和更好的性能。

• 向 API 開發(fā)者提供反饋：TaskMatrix.AI 完成任務后，會將用戶反饋以適當?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。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 API 文檔的參考，使文檔對 MCFM 和 API 選擇器更加友好和易于理解。

因此，TaskMatrix.AI 可以被視為一個超級 AI，同時也是一個生態(tài)系統(tǒng)，具有以下關鍵優(yōu)勢：

• 能夠通過使用基礎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 完成任務的代碼，來執(zhí)行各種數(shù)字和物理任務。

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

• 具有強大的終身學習能力，因為它的技能可以通過向 API 平臺添加具有特定功能的新 API 來擴展，以處理新任務。

• 能夠提供更加可解釋的響應，因為任務解決邏輯（即行動代碼）和 API 的結果都是可理解的。

TaskMatrix.AI 能完成什么任務？

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

圖像處理任務

TaskMatrix.AI 可以執(zhí)行圖像處理任務，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)的復雜視覺任務。

下圖展示了使用多個 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 API 組成：圖像問答、圖像標題以及圖像對象替換。

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

辦公自動化

TaskMatrix.AI 能夠通過語音指令理解并自動執(zhí)行計算機操作系統(tǒng)、專業(yè)軟件以及智能手機應用的操作。利用 TaskMatrix.AI，可以快速上手復雜軟件。

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

機器人和物聯(lián)網(wǎng)設備控制

TaskMatrix.AI 可以連接機器人和物聯(lián)網(wǎng)設備，實現(xiàn)對體力勞動和智能家居操作的自動化管理。通過集成先進的機器人技術，TaskMatrix.AI 能夠執(zhí)行一系列任務，如物體的拾取與放置以及對家庭物聯(lián)網(wǎng)設備的智能控制。

此外，該平臺還整合了多種流行的互聯(lián)網(wǎng)服務，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。

TaskMatrix.AI 的挑戰(zhàn)

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

• 多模態(tài)會話基礎大模型：TaskMatrix.AI 需要一個能夠處理多種輸入（文本、圖像、視頻、音頻和代碼）的強大基礎大模型。這個模型需要能夠從上下文中學習，使用常識進行推理和計劃，并生成高質量的代碼來完成任務。此外由于 TaskMatrix.AI 需要處理更多樣化的輸入模式，這要求確定一個最小模式集來訓練 MCFM。

• API 平臺：構建和維護一個包含數(shù)百萬 API 的平臺需要解決文檔生成、API 質量保證和 API 創(chuàng)建建議等挑戰(zhàn)。API 文檔的清晰性和 API 的質量對于 TaskMatrix.AI 的成功至關重要。此外，平臺還需要根據(jù)用戶反饋指導 API 開發(fā)者創(chuàng)建新的 API 來解決特定任務。

• API 調(diào)用：在處理大量 API 時，TaskMatrix.AI 需要能夠合理選擇和推薦相關的 API 來完成任務。此外還涉及到在線規(guī)劃，即在無法立即生成解決方案時，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，確保模型忠實于用戶指令并保持數(shù)據(jù)私密性是至關重要的。這要求在執(zhí)行操作前驗證模型的行為，并確保數(shù)據(jù)傳輸?shù)陌踩院蛿?shù)據(jù)訪問的授權。

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

關于 Intelligent Computing

Intelligent Computing 由之江實驗室和美國科學促進會（AAAS）共同創(chuàng)辦，是《科學》合作期刊框架中智能計算領域的第一本開放獲?。∣pen Access）國際期刊。期刊以「面向智能的計算、智能驅動的計算」以及「智能、數(shù)據(jù)與計算驅動的科學發(fā)現(xiàn)」為主題，主要刊載原創(chuàng)研究論文、綜述論文和觀點論文。