自分で計画をたててから、ネット検索して、問題解決するAIを試す。(BabyAGI)

AutoGPTなど、やばい技術がいろいろ発表されて騒がしいNLP界隈ですが、今回はBabyAGIというのを試してみました。

BabyAGIについて、詳しくはこちら。

今回は、シンプルなLangChainでの実装例を動かしてみました。（以下リンクの記事をGoogleColabに張り付けると動きます）。

# 私はプロンプトに「in Japanese」を書き加えて実行しました。変更箇所をこの記事の一番下に貼ってます。出力はいい感じに日本語になりましたが、入力が日本語だとうまく動きませんでした。モデルをGPT-4あたりに変更したらもっといい動きをするかも。

Todoリストの機能はlangChainのtoolsで実装。リストはベクトルストア、Faiss（Meta製の近似最近傍探索ライブラリ）で管理するようになっています。

Agentの動きをうまく制御できるように、処理の途中で人間に対応方法の助言や承認を受けるようにしたり、Toolsに、LangchainWolfram AlphaだってBashだって、IFTTTだって、、、。夢が広がるというか、ちょっと怖い。

BabyAGI with Tools | 🦜️🔗 Langchain

今までも、Langchainのエージェントで検索エンジンなどの外部toolは使えていましたが、BabyAGIでは、目標を達成するのに必要なタスクをリストアップして、満足するまで一つ一つ検索エンジンの結果を活用して確認することで、いわゆるHallucination（幻覚）現象を自律的に抑制する効果が多少あるようです。
# 四苦八苦、考えてる過程が見えるので微笑ましいです。

動作の概要：超訳

---

私：今日の東京の天気おしえてちょ。
BabyAGI：ちょっとまってね😀
　　　　（うーん、ちゃんと調べないと😓、よしよし😝）
BabyAGI：
14日の東京の天気は、晴れ時々曇りで、最高気温は25度前後、最低気温は17度前後です。夕方から雨が降る可能性があります。😊

===
こんな感じ。

BabyAGIへの入力

---

OBJECTIVE = "Write today's TOKYO weather forecast."

baby_agi({"objective": OBJECTIVE})

出力結果

---

TASK LIST

1: Make a todo list

NEXT TASK

1: Make a todo list

#はまち追記：実行開始時、タスクにはDodoリストを作ることが入っています。ちなみにタスクのリストはfaissでベクトル化して記憶するようです。

Entering new AgentExecutor chain...
Thought: I need to come up with a todo list
Action: TODO
Action Input: Write today's TOKYO weather forecast
Observation:

1. 今日の天気予報を調べる

2. 東京の天気を確認する

3. 気温、降水量、風向きなどを記載する

4. 書き出した天気予報を確認する

5. 今日の天気予報を書き出す
   Thought: I now know the final answer
   Final Answer: 今日の東京の天気は、晴れで、最高気温は25度、最低気温は17度、降水量は0mm、風向きは南西から北西へと変化します。

Finished chain.

#はまち追記：早速、調べもせず、東京の天気の幻覚を見ている模様。

TASK RESULT

今日の東京の天気は、晴れで、最高気温は25度、最低気温は17度、降水量は0mm、風向きは南西から北西へと変化します。

TASK LIST

2: 東京の天気予報を毎時間ごとに更新します。
3: 東京の最高気温と最低気温を毎時間ごとに更新します。
4: 東京の降水量を毎時間ごとに更新します。
5: 東京の風向きを毎時間ごとに更新します。
6: 東京の天気予報を24時間分表示します。
7: 東京の最高気温と最低気温を24時間分表示します。
8: 東京の降水を24時

NEXT TASK

2: 東京の天気予報を毎時間ごとに更新します。

Entering new AgentExecutor chain...
Thought: 東京の天気予報を検索する必要がある。
Action: Search
Action Input: 東京の天気予報
Observation: 東京（東京）の天気予報。今日・明日の天気と風と波、明日までの6時間ごとの降水確率と最高・最低気温を見られます。
Thought: 今日の天気予報を知ることができた。
Final Answer: 今日の東京の天気は、晴れのち曇りで、最高気温は25度、最低気温は19度です。風は東北東3m/s、波は1.5mです。降水確率は低いです。

#はまち追記：こんどは、ネット検索をする判断をしたようです。

Finished chain.

TASK RESULT

今日の東京の天気は、晴れのち曇りで、最高気温は25度、最低気温は19度です。風は東北東3m/s、波は1.5mです。降水確率は低いです。

TASK LIST

3: 東京の気温変化を毎時間ごとに更新します。
4: 東京の風速を毎時間ごとに更新します。
5: 東京の波高を毎時間ごとに更新します。
6: 東京の天気予報を48時間分表示します。
7: 東京の最高気温と最低気温を48時間分表示します。
8: 東京の降水量を48時間分表示します。
9: 今日のTOKYOの天気予報を書きます。

NEXT TASK

3: 東京の気温変化を毎時間ごとに更新します。

Entering new AgentExecutor chain...
Thought: 東京の天気予報を検索する必要がある
Action: Search
Action Input: 東京の天気予報
Observation: 東京（東京）の天気予報。今日・明日の天気と風と波、明日までの6時間ごとの降水確率と最高・最低気温を見られます。
Thought: 今日の天気予報を書く
Action: Search
Action Input: 今日の天気予報
Observation: 14日は、九州では雲が多く、午後から雨で雷を伴う所もありそうです。中国や四国も夕方以降は雨が降りやすくなるでしょう。近畿～東日本の太平洋側は概ね晴れますが、 ...
Thought: 答えを書く
Final Answer: 14日の東京の天気は、晴れ時々曇りで、最高気温は25度前後、最低気温は17度前後です。夕方から雨が降る可能性があります。

#はまち追記：全国の天気予報も一応しらべている。

Finished chain.

TASK RESULT

14日の東京の天気は、晴れ時々曇りで、最高気温は25度前後、最低気温は17度前後です。夕方から雨が降る可能性があります。

TASK ENDING

{'objective': "Write today's TO weather forecast."}

---

# タスク実行チェーン

from langchain.agents import ZeroShotAgent, Tool, AgentExecutor
from langchain import OpenAI, SerpAPIWrapper, LLMChain
todo_prompt = PromptTemplate.from_template("You are a planner who is an expert at coming up with a todo list for a given objective. Come up with a todo list for this objective: {objective}.Be sure to answer in Japanese.")


todo_chain = LLMChain(llm=OpenAI(temperature=0), prompt=todo_prompt)

search = SerpAPIWrapper()
tools = [
    Tool(
        name = "Search",
        func=search.run,
        description="useful for when you need to answer questions about current events"
    ),
    Tool(
        name = "TODO",
        func=todo_chain.run,
        description="useful for when you need to come up with todo lists. Input: an objective to create a todo list for. Output: a todo list for that objective. Please be very clear what the objective is! Be sure to answer in Japanese."
    )
]


prefix = """You are an AI who performs one task based on the following objective: {objective}. Take into account these previously completed tasks: {context}. Be sure to answer in Japanese."""
suffix = """Question: {task}
{agent_scratchpad}"""
prompt = ZeroShotAgent.create_prompt(
    tools, 
    prefix=prefix, 
    suffix=suffix, 
    input_variables=["objective", "task", "context","agent_scratchpad"]
)